SPSS:priruinik za Prciivliavanie

Olga Nlilanko
Sadrlal
Glavni urednik
Redaktor S t e l aS p a s i i
Tehniiki urcdnik S a n j aT a s i i
Slog SanjaTasii
Nataia Pavlov

lzdavai- Mikro knjiga, Beograd

Direktor Dragan Tanaskoski

Stampa Greenfieldstudio' Beograd

se irvrtc
d o b i j e t e b e s p l a t a n k a t a l o g , .p i ! i t t ' t r ' t t : r i l i
Ako imate o i t a n i a i l i k o m e n r a f e , i l i a k o Z e l i t e d a

Mikro knirga
P. fah 20-87
-t1030 tseograd
t e l :0 11 / 3 5 4 0 - 5 4 4 Predgovor .......x
pismaomikroknj iga. rs DatotekespodacimaiWeblokaciiu... ....... xi
Survival Manual' Third Edition'
Autoriz-ovanprevod sa engleskogjezika knlige SPSS Uvodipregled ..xiii
N i i c , d o z v o l l e n Jor r t e d : nd e o o v c k n i i g cI ' u d e Strukturaknjige ..xiv
C o p y r r g , hOr 2 0 0 9 M i k r o k n i i g a ' S v r p r r v r z a d r 2 r n r '
.--.^.t,,Lnvrn ili ernrrovf,n f . i i e l . t t . o n r k l ' l i m c h a n i c k i .u k l i u . u j u i i t o t o k o p i r a n i c '
Kakokoristitiovuknjigu ....... xiv
lli*il,i.i'iir"'k;;i';".;;i;i;,.;,r
"r'iii" b . l"".z, .i L
n ri ", .. b c z p r e r h o . l n ep i s r n c n cd o z v o l ei z d a v r c r '
SavetizasprovodenjeistraZivania... .... xvi
entitled SPSSSurvivalManual: A Stcpby Step
Authorized translation from the Englishlanguageedition, Dodatni resursi . . .xvii
Using SpsS for windows (Version 15 ), Third Edition, by Julic Pallant,published
Guidc to Data Analysis 'Copyright
Uy ,ttt.n & Unwin' @ 2007 Julie Pallant'

All riehts reserved'No part of this book may be reproduced

or transmittcd in any forrn or by irtly means' Deo I Kako podeti 1
i..l;;i;;;h"';"i'yltg""t-ang or bv anv information'stmgc and retrieval
electrcnicor mechanical, 1 Profektovanjestudije.... ........3
p..*i..lJn i"'*r,ingiio- rhe publisher.Serbianlanguagecdition publishedby
system.without p.io,
Mikro knirga. Planiranjestudile .........3
Izbor odgovarajudih
skalai nera . . .. . . .. .-5
r lCIP - KaTalornlirtlnja y ny6l Hxarptln Pripremaupitnika .........7
Hap<utta 6u6ruorexa Cp6rje. ticorpau 2 Pripremaiifarnika .......11
004.42SPSSlbr Windows(035) Imenapromenljivih.... ...12
3 I l:ff)4.9(035)
Sifrovanje odgovora 13
flA"rlAHT, Uyrr
SPSS ; Priruinikza PreTrvl1avsn1e : Sifrovanje otvorenih pitanja 13
DosluDni vodit kroz analizupQdatrka ponx)cu
bPSS-aza windows (verzta l5) / Julie
-
UpoznaitesPss.. ........15
Pallint : prevodi. izdanjaMiljenkoSuiur
Beograrl: Mikrokniiga'2009 tlleograd : PokretanjeSPSS-a ........15
Grecnneldstudn).- XVII. 148str' :
ilustr. ; 2'lcm
Otvaranjepostoje6edatotekespodacima ........16
KoriSienjedatotekaspodacima ...16
Prevotldela: SPSSSurvivalMrnual Preporuienu
tiiJran,.a:*. flf ffS str'3-19-3'12
Bibliografija: SPSS-oviprozori ...17
- Regi\tar
Meniii .....21
lsBN 97lJ-86-755s-34 I -0
aj aplikativniprogram "SPSSfbr Windows"
Okvirizadijalog. ........22
Ilfupylrrntr b) MarerlafrtqKaclarxcrliKa KakozatvoritiSPSS
Art.litxarrlnnl nporpaNlx npxPy'lxu(tr
......23
C O B I S SS R l l ) l 7 0 r { ' 6 8 l l i Kakodobitipomoi. ......24
4
spss/.322l1930e40-5P56M225109K910 .5
vl SadrZaj
Sadriaj

Deo ll Pripremadatoteke s podacima 25 P r o y e r a p o u z d a n o s t i m esrknael e .

.......97
4 Pravljenjedatotekeza podatkei unoienjepodataka 27 ObjaSnjenjeprimera ......98
Izmenaopcija u SPSS-u 28 T u m a d e n jree z u l t a t a
p r o v e r ep o u z d a n o s t i . . . . . ..100
Definisanjepromenljivih . . . . 31, Predstavljanje rezultataproverepouzdanostiskala . . . . . .101
Unodenjepod:rtaka 36 DodarneveZbe. ........101
Modifikovanje datotekes podacima 36 10 Izborprikladnihstatistiikihtehnika .....103
Unoienjepodatakau Excelu 37 P r e g l e dr a z n i h s t a t i s t i d k i h t e h n i k a . ......t04
Spajanjedatoteka 39 Procesdonolenjaodluka .......107
Korisnemogu6nostiSPSS-a 40 Osnovneosobineglavnih statistiikih tehnika . . . .113
Upotrebaskupova 42 Zbirna tabelasvojsravaosnovnihsratisric:kih tehnika . . ..f f S
5 Pronalai.enjeiuklanjanjepogreinih podataka 45 L i t e r a t u r zaa d a l j eu s a v r 5 a v a n j e . . . .
....720
Korak 1: traLenjegreiaka 46
Korak 2: pronalai.enjei ispravljanjegreiaka Deo fV Statistidke tehnike zaistralivanje veza
u datotecis podacima 49 izmedu promenljivih
121
SaZetprikaz sludajeva 51 Tehnikeobradeneudervrtomdeluknjige .......TZl
Pregledosnovnihnadela
. .D2
Deo lll Preliminarneanalize 53 11 Korelacija
.......t29
6 Opisni statistiiki pokazatelfi 55 Objainjenjeprimera
.....130
Kategorijskepromenljive.. . 56 Preliminirrneanalizezakorelaciju....
...130
Neprekidnepromenljive 57 Tumadenjerezukatakorelacije
. . .I34
Nedostajuii podaci 59 Predstavljanjerezultatakorelacije
.......136
Procenanormalnostiraspodele 60 Radunanjekorelacijeizmedu grupapromenljivih.. . . . . .137
Otkrivanje netipiinih tadaka 65 Poredenjekoeficijenatakorelacijedv. grupe
. . . . .13g
DodatneveZbe. 66 Proverastatistidkeznairrjnostirazlike izmedu
7 Upotreba dijagramaza opisivanjei analizu podataka 67 _ koeficijenatakorelacife.. ....t47
Histogrami 68 Dodarneveibe.
..144
Stubiiastidijagrami 69 12 Delimiinakorelacija
.....I45
Linijski dijagrami. 7T Objainjenjeprimera
.....745
Dijagramrasturanja. 74 Tumadenje rezulraradelimiinekorelacije . . .. . . .14g
Pravougaonidijagram 77 Predstavljanjerezultatadelimidnekoreiacije . . .. . . . . . . .74g
Dorada dijagrama 79 DodatnaveLba.
..14g
Uvoz dijagramau Wordovedokumente. 80 13 ViSestrukaregresiia.
81 .....14g
DodatneveLl:e. Glavnevrstevilesrrrrkeregresije
. .1-r0
8 Dorada podataka. 83 Pretpostavke na kojima sezasnivaviiestrukaregresija .. .151
Izratunavanleukupnih rezultatana skalama B4 Objainjenjeprimera
.....152
Transformisanjepromenljivih . 88 Standardna viiestrukaregresija. . .154
Podelaneprekidnepromenljivena grupe 92 Tumadenjerezultatastanclardneviiestrukeregresije
Smanjenjebroja kategorijakategorijskepromenljive. 93 Hijerarhijskaviiestrukaregresija
.......163
DodatneveZbe. 95 Tumadenjerezultatahl1eraihljsi<evi5estrukeregresije
Predstavljanjerezultataviiestrukeregresije.. . . . . . . . . . .167
DodarneveZbe. ...... .............76g
vill SadrZaj SadrZaj

14 Logistidkaregresiia t69 t9 Dvofaktorska analizavarijanserazliditih grupa . .261

Pretpostavke. .. . 170 Objainjenjeprimera .....262
1'7 |
Objalnienjeprimera Tumadenjerezukatadvofaktorskeanalizevarijanse . . . . .265
Pripremapodataka:Sifrovanjeodgovora 1.71 Predstavljanje rezultatadvofaktorskeanalizevarijanse . . .26g
Tumaienierezultatalogistidkeregresije 1.76 Dodatneanalizekada sedobije znaiajanuticaj interakcije.. . . . .26g
rezultatalogistidkeregresije
Predstavlianje 180 DodatneveZbe. ..269
15 Faktorska analiza 181 2 0 Kombinovana analizavarijanse . .Z7I
Koraci od koiih se sastoii faktorska analiza 1.82 Objalnjenjeprimera .....272
ObiaSnjenje primera 186 Tumadenjerezukatakombinovaneanalizevarijanse . . . . .276
Postupakfaktorske anahze 1.87 Predstavljanje rezultatakombinovaneanalizevarijanse . .279
Tumaienjerezultata. 1,91 21, Multivarifacionaanalizavariianse ......281
Predstavljanie r ezultatafaktorske analize 1.99 Objainjenjeprimera .....282
DodatneveZbe. 202 SprovodenjeMANOVA analize . .288
TumaienjerezukataMANOVAanalize ........29I
Deo V Statistidke tehnike za poredenie grupa 203 Predstavljanjerezultata MANOVA analize ......294
Tehnikeobradeneu petom delu knjige 203 DodatnaveLba. ..294
P r e t p o s t a v k. e. . . 205 22 Analizakovarijanse
207 .....295
GreSkaprve vrste' greika druge vrste i mo6 testa' eemusluZiANCOVA... .......295
Planiranaporedenja/naknadneanalize. 208 Osnovnepretpostavkeanalizekovarijanse ......296
Velidina uticaja 209
JednofaktorskaANCOVA ......299
Nedostaiuii podaci 21,0 DvofaktorskaANCOVA . .308
16 Neparametarsketehnike 2L3 D o d a t a k P o i e d i n o sot i d a t o t e k a m sa p o d a c i m a . . . . .......317
Kratak pregledtehnikaobradenihu ovom poglavliu 21.4 Deo A: materijaliza survey3ED.sav. . . . .320
Hi-kvadrat. 21,5 Deo B: materijaliza experim3ED.sav . . . .327
Mera slaganjakaPa 221 Deo C: materijaliza staffsurvey3ED.sav
1a A . .329
Man-Vitniiev U test L-/-1
DeoD:materijalizasleep3ED.sav.. ....332
Vilkoksonov test ranga 227 Deo E: materijaliza depress3ED.sav. . . . .335
Kruskal-Volisovtest. 229
Preporudenaliteratura . 337
Fridmanovtest. . . 231
1)f Bibliografija ....339
DodatneveZbe. LJJ

235 Spisakterminakoriiienihukniizi .....343

17 T-testovi
235 Indeks
T-testnezavisnihuzoraka.. . . . .345
T-testuparenihuzoraka 239
DodatneveZbe. 244
18 Jednofaktorskaanalizavariianse 245
JednofaktorskaANOVA razliditih grupa
s naknadnimtestovima 246
JednofaktorskaANOVA razliiitih grupa
s planiranimporedenjima . . . . 251
JednofaktorskaANOVA ponovljenihmerenia
254
Dodatne veZbe. . . . 259
 Predgovor
Pomisao da moraju da ude neki statistiiki predmet ili da prirnene statistiku
u svom istraZivanju) za mnoge studente ie izvor velikog stresa i frustracije.
Prvo izdanje ove knjige (i22000. godine) trebalo je da posluZi kao jednosta-
van postupni vodid kroz proces analize podataka pomoiu SPSS-a.Za razli-
ku od drugih knjiga iz statistike, on se nije bavio matematidkom osnovom
statistidkih tehnika, vei prikladnom upotrebom SPSS-akao alatke. Od po-
javljivanja prva dva izdanja ovog priruinika, dobila sam stotine e-poruka
studenata zahvalnih za pruLenu pomo6 (ili spas).
Isti, jednostavan pristup zadrLan je i u ovom, treiem izdanju, zasnova-
nom na verztji 15 SPSS-a.Oduprla sam se iskuienju i pozivima mnogih stu-
denata, predavada i recenzenatada obuhvatim mnogo novih tema, vei sam
umesro toga nadogradila i proiirila postoje6i materijal. Sva poglavlja su
aLurirana tako da odgovaraju verziji 15 SPSS-a,mada je ve6i deo materijala
podesan i za korisnike verzija 1,3 i 14. Na traZenje brojnih korisnika prva
dva izdanja, dodala sam opise jo5 nekih moguinosti SPSS-a,kao 5to su spa-
janje datoteka, upotreba skupova i upotreba komandnih datoteka. Dodati
su odeljci o statistidkom merenju velidine uticaja i o naknadnim testovima'
Poglavlje o neparametarskim tehnikama proiireno je primerima njihove
upotrebe u mnogim oblastima, narodito u zdravstvu, medicini i psihologi;i.
Unekim drugim poglavljima (npr. u onom o faktorsko j analizi), tekst je iz-
menjen da bi preporuieni postupak bio u skladu s literaturom i sa smernt-
cama za oblavliivanie u nauinoistraZivaikim dasopisima.
Ova knjiga ne obuhvata sve moguie statistidke postupke koje SPSSpo-
drLava,niti odgovora na sva pitanja koja bi istraZivadmogao imati u vezl sa
statistikom. Umesto toga, osposobi6evas da poinete istraZivanjei da stekne-
te samopouzdanie prilikom kori56enja SPSS-a.Postoji ioi mnogo odlidnih
na njih u sva-
udZbenika iz statistike kole bi trebalo da proditate; upuiujem
'Web
je na prateioj lokaciji; po;ecli-
kom poglavliu knjige. Dodatni materijal
nosti o tome date su u narednom odeliku.
Datotekes podacima
iWeb lokacija
Kroz celu knjigu sretaieteprimere istraZivanjauzeteiz nekoliko datoteka s
podacima (engl. data files) objavljenih na prateioj Web lokaciji originalne
verzrje ove kn j i ge, www. allenandunwin.com/spss.
S te lokacijemoZetepreuzetipodatkena dvrstidisk, disketuili fleSmemo-
riju; biie dovoljno da slediteuputstvakoja ie seprikazatina ekranu.Zatim
bi trebalo da pokreneteSPSSi otvorite te datotekes podacima.One semogu
otvoriti samou SPSS-u.
Datoteka survey3ED.savsadrZipodatke dobijeneu istraZivadkompro-
jektu jednogod mojih odeljenjadiplomaca.Da bistestekli ose6ajza istraLi-
vadki procesod podetkado kraja, u dodatak sam sravilakopiju upitnika
pomoiu kojeg su ti podacidobijeni,i Sifarnik(engl.codebooA)pomoiu ko-
jeg su ti podaci Sifrovani.zahvaliuiuci rome, moZerei sami obaviti sveana-
lizeprikazaneu ovoj knjizi i daljeeksperimentisati s drugim promenljivama.
Druga datoteka s podacima (error3ED.sav)sadrZi isto 5to i survey-
3ED.sav,ali sam u nju namernododalagreike da bisteu poglavlju5 mogli
da veZbatepregledanjei ispravljanjepodataka.
Treia datoteka (experim3ED.sav)sadrZiizmiiljene podatke i ilustruje
upotrebu viSetehnika obradenih u petom delu knjige (npr. r-testauparenih
Sloraka,analizevarijanse(ANOVA) ponovljenihmerenja).U toj datotecisu
o9d.u,l.promenljiveza veZbanje veirinakoje se udena drugimmesrimau
I
KnJrzr. SamonemojtepreviSeda se obradujeterezultatimakoie iete dobiti i
ne pokulavajteda ih ponovireu nekomsopsrvenom isrraZivanju!
depress3ed.sav je ditvrta datotekaupotr.bll..rn u primerima iz knjige. Nju
,
Korlstrmou poglavlju 16 o neparametarskimtehnikama,kako bismo ilu-
strovalinekemetodekoje seupotrebljavajuu medicinskimistraZivanjima.
Date su joi dve datoteke,pa moZeieda uraditejoI poneito s podacimaiz
razliditihdisciplina.Datotekasleep3ED.sav sadrZi.tuurn"pod"tL. izistraLi-
vanla uticaiaporemeiajasna ,ru Ziuot osobakoje pate oj njega.
Datoteka
stuttsurvey3ED.sav potideiz anketeo zadovoljstvuzaposlenih,sprovedene
u
leonojvelikoiausrralijskoj obrazovnojusranovi.
xI Datotekes podacimaiWeb lokaciia

Dalje pojedinostio tim datotekama(i prateie materiiale)potraZiteu do-

datku. Pored navedenihdatoteka s podacima, Web lokacila ove knjige Uvodi pregled
sadrZivi5estvari koie bi studentimai predavaiimamogle dobro posluZiti,
medukojima su:
o smerniceza pripremu izveitajao istraZivanju;
. veZbe;
o izmeneuneteu nove verzijeSPSS-a;
. hipervezeka drugim korisnim Web lokacijama;
. spisakdodatneliterature;i
. vodii za predavade.

Ova knjiga je namenjena studentima koji pohadaju nastavu iz projektovanja

i statistiike obrade istraZivanja, kao i onima koji samostalno planiraju i
obavljaju istrazivanja. Trebalo bi da vam ulije samopouzdanje da statistid-
kim analizama pristupate spokojno i pribrano ili barem bez velikog stresa!
Dobar deo poteSkoia koje studenti iskuse u statistidkoj analizi potiiu od
anksioznosti i zbunjenosti zbog nepoznatog i.argona, sloZenih teorija i pre-
velikog broja odluka koje moraju doneti. NaZalost, veiina statistidkih pred-
meta i udzbenika podstidu oba ta oseianja! Poku5ala sam da u ovoj knjizi
prevedem statistiku na jezik koii le lakSe razumeti i svariti.
Knjiga SPSS:priruinik za preiiuliauanje veoma je pregledna zahvaljuju6i
svoioj strukturi; u njoj se postupno, korak po korak izlaie ono ito vam treba
za pripremu i analizu podataka. Posmatrajte podatke kao sirove sastojke re-
ce_pta.Sastojke moZete pripremiti na razlidite nadine: kao predjelo, glavno
ielo ili desert. u zavisnosti od sastojaka koje imare, razne-moguie obrade
mogu biti prikladne ili neprikladne. (Nema smisla planirati pripremanje lo-
vaikih Snicli ako imate samo piletinu.) Planiranje i priprerna zu vaZan deo
postupka (i u kuvanju i u analizi podataka). Trebalo
bi da razmislite o sle-
deiim pitaniima:
' Imate li odgovarajuie sastojke
u odgovarajuiim kolidinama?
o Kakva priprema je potrebna
da bi sastojci bili pogodni za kuvanje?
' Koju vrstu termidke
obrade iete upotrebiti (kuvanje, pedenje,pirjanje,
prZenie)?
o Imate li predstavu
kako rezultat (recimo, kolad s dokoladnim prelivom)
treba da izgleda?
' Kako 6ete
znati da je jelo gotovo?
I Kada kulinarska
obrada bude gotova, kako iete ga posluZiti a da izgle-
da privladno?
Itr" pitanja su jednako relevantna i za postupak analize podataka. Ekspe-
_,
rhent ili anketu morate isplanirati tako da pruZi potreb.relnfor-acije u od-
govaraju6em
formatu. Datoteku morate pripremiti kako treba i podatke
paZljivo uneti
u nju. Morate imati p..dr1"rr., o pitaniima na koie treba
 Uvod i pregled
xlv Uvodi Pregled

. upotrebaWindowsovihpadajuiih menija;
d o b i t i o d g o v o r e i n a i i n u n a k o j i i e t e i h f o r m uza
lisati.MorateZnatikoiestiltl- . upotrebalevogi desnogtasteramiSa;
po"olt'ii;';;:;;;odata\a su niih prikladne'a koie ne'
stiike tehnit. (npr'
primenite--odabranustatistidkutehniku . biranietekstatako 5to ga pritisnetei prevudetemiSempreko njega;
Morate umed da i'p'-to umeSno da
tai rezultattreba . spuitanjei podizan;e,to jest minimiziranjei maksimiranjeprozora;
t-test)i da protumatit;"1;; \li'"d' pitaniima i predstaviteu svom
dovedeteu vezu t pt;;bi;;; "t'olt^t'
istraZivaikim o pokretanjei zatvaranieprograma iz menija Start ili iz \Tindows Explo-
pitania
(Kada ," p"b"i-o na kulinarstvo' tome bi odgovarala rera;
izve5taiu. ili sa sladole-
treba li kolad s d"k";-J;; prelivom da posluzitesa ilagorn . prelazakiz iednogprogramau drugi kada su istovremenootvoreni;
i Seiemomtl"':tt'T.-1):-^ . offaranje, snimanje,preimenovanje,premeltaniei zatvatanjedatoteka;
dom, ili moZda , i"g;l;t;"/malinama
podutaka ne moZetesamoizme5atisvesasto;-
Ni u kulinarrrt" "l " "l*il'i o rad s viSedatotekaistovremenoi prelazakiz jedneu drugu istovreme-
seda ie rezukatbiti dobar'Na-
ke, gurnuti ih u r.rt''t'(l;;;;;;'sPis1,i ""dati bolje razumetepostupakanaiize no otvorenudatoteku;
da malo
dam seda ie vam "r; l;i;;;;omoii . kopiranjedatotekasa disketeili flei rnemorijena Ivrsti disk ili obrnuto
i veitine potrebnedobrom "kuvAru"'
podatakai dati vam t"*"?t"taanje pomoiu Windows ExPlorera;i
. pravljenjedirektorijuma(foldera,fascikle,omotnice)i prelazakiz ied-
Strukturakniige L- .r-.. ceo po-
nog direktoriiumau drugi u Windows Exploreru.
priruinik za i'iZl'tio'o'ie rma22 poxlavlia' koia obuhvatalu Pretpostavliase d:r ste vei nauiili osnove
SPSS:
io analizepodatakai pred- Ova knjiga nije sveobuhvatn2l.
-"tJ itt"i"fttovanja udZbenik.Treba da imate predstavuo
stupak istraZivanla poieti) sraristike i da imate odgovaraiuii
je na pet dtlova' Prvi deo (Kako
"uiilt
stavlianjarezultata' lodellena Sifarnika (engl' co- tome 5ta SPSS radi ispod povriine. SPSS je izuzetnomoian softverskipaket
studiie,pripremu
obuhvataono uvoono: prolekrovanje datoteke s poda' za analizupodataka,koji ume da obavlja veomasloZenestatistidkeprocedu-
d"'gom delu\iriprema
debook)i opor,tnu""f" 5pi's "' u greSke re. U ovom prirudnikusene objainjavajusvestatistiiketehnikekoie tai pro-
Jatoteka' unosepodaci i pronalaze gram podrZava;obradenesu samo one koje se najie56ekoriste. Knjiga bi
cima) nautie turto'";;:-1 su poglav-
"t. su u treienrd.1.,k''1ig",iija
u njoj' Preliminarn.n.'ntl,. ot,radene sta' trebalo da vam omoguii da samostalnozapodnetestatistiiku analizu i da
lja posveienup.i-"ii'lp""if., ,i"ti.tiikih pokazat.elia(engl.descriptiue steknetesamopouzdanje u koriS6enluSPSS-a.
i postupcimaprovere pouzdanosti
tistics) i diiagrama, doradi podataka teZak U zavisnostiod podatakakoje imate i istraZivadkihpitanja (hipoteza)na
vask;;k po ttot"t kroz katkada
mernihskala.Osrmtoga' proveiiu utt podatk e' koia traZiteodgovor,moZdaiete morati da upotrebiteneku od sloZeniiih
it f''ni ttn p ri k Iad nih'u d
zadanki zbora r,, ti medu- analizau SPSS-u. Ima mnogo dobrih knjiga o raznimstatistiikimtehnikarna
""i'"ftift' ,oristidke tehnikeza ptonalaLenie podrZava.Cit"|t" sve5to vam padne5aka.Prelistaitekniigena po-
u iervrrom d.l" ;;;;;;:iuut;.n" koje SPSS
zavisnosti(npr.korelacija,delimii'nakorelaciia'vi5estruka'regresiia'logistii- sledede: licamabibliotekau koje steudlanjeni,potraZiteone koje statistikuobiaSnja-
ti- pogi"utli^u sazetole opisano
ka regresijai faktorskaanaliza).u rezultate'
vaju (baremdelimidno)razumljivim jezikom! Prikupite sav ta;'materijalu
pr?toor,uuke,kako dobiti
namenasvaketehnike,njene polazne celinukoju 6etekoristiti u svim stirtistiikim predmetimai svom istraZivai-
ptedsta"iti u nauinom radu ili izveStaju'
kako tumailri ,."'t'u'" ikako ih kom projektu.Umesno!e prikupiti i ilanke iz struinih dasopisau koiima se
;;l;ik" za poredenjesrupa' Medu obja5njavalustatistiike aialize i predstavljalunlihovi rezultati. One vam
U petom d.1,, ,.'rl'r"-"ir";,,ijritridk; ana-
t-testovi' anal\zavariianse(ANOVA)' mogu posluZitikao uzor za pisanjesopstvenogizveitaja.
njima su neparamet;;sketehnike' -
(muliivariiacionaanaliza MANoVA) SPSS:priruinik za preiiuliauanje prrkladanje i kao udZbenikza rad s pre-
liza varijans",is. oa au" pro-"r-riii.r" .
clavadem
i analizakovariianse(ANCOVA)' koji obyainiayaraznevidove istraZivadkog postupka,i kao knjiga
za samostalnoudenie,za one koii treba samostalnoda realizujuneki istraZi-
vadki proiekat. Kada budete ucili, ne propustiteda veZbarekoriSienie
Kako koristiti ovu kniigu da upotrebit3kao,lodii kroz SPSS' SPSS-a za analizupodatakakoji se-ogtr p..ureti s prateie Web lokacije ove
Da biste ovu kniigu mogli delotvorno U uputstvima t Knllge.(Pojedinostio rome dare su na str.xi.) Najbolje se udi uz rad, a ne
veitine 'uio tu radunaru' samoditaju6ikako
morate por.do"n'i "tk"-o"toute PC raiunar' n:r- to drugi rade. Pre nego 5to poinete da obradujetesop-
da ve6umeteda koristite
primerima pol"zlm "-Jn1*"31"vke datoteke poigrajtese onima iz koiih su uzeti primeri u
rfirot potrebnihveitina'ukoliko l*"3.. s podacima,
roiito.windowsovefunkcije.u nast"vku-i-e ovoj kniizi. Tako i dobiti priliku da proverite
pot.rlo6a, potraZitenediiupomo6: iete stediveie samopouzdanje
s bilo koiom od narednihradnli i-or" oa Ii ispravno
radite analize.
xvl Uvodi pregled
Uvodipregled

Ponekad6e vam sedesitida dobijetedrugaiiji rezultatod onogau kn;izi. o pzj1c-sebido-voljnovremena.IstraZivadkipostupak uvek traje
To ie se verovatnodogoditi ako budeteupotrebljavalidmgu verzijuSPSS-a duze
nego 5to se odekivalo,pogotovo unoienje i inaliia podataka, pa za t;
od one koja je koriSienau ovoj knjizi (SPSS za Windows, verzija 15). SPSS 2[giyrtostiplanirajtedostavremena.
je
sestalno aLurirai to odlidnosa aspektapobolj5avanjaprograrna,ali zbu- o Radite s priiateljem. Tokom analizepodataka traLite emocronalnu
njuje studentekoji na ekranusvogradunarane vide rezultatnavedenu knji- i
prakridnupomoi od drugih stndenata.podrika drugih je odlidnazadti_
zi. Razlika obidno nije velika, pa ostanitepribrani i poigrajtese detektiva.
6as6l stresa!
MoZda je informacijazapravopred vama,samou drugom obliku. Informa-
cije o promenarnaSPSS-a za WindowspotraZitena pratedojWeb lokaciji.
Dodatniresursi
U ovoj knjizi obradenoje viSeoblasti- od podetnogprojektovanjastudije,
Savetiza sprovodenjeistraZivanja sastavljanjaupitnika, osnovnihstatistidkihtrhnikn (t-iestovi,korelacija),pa
Evo joi nekoliko savetaza onekoji knjigu koristekao vodid kroz sopstvene
svedo sslih statistiikih alatki (analizavarijanseviSepromentliuit-,,futio.rl"
istraZivadke projekte.
analiza).po celoj knjizi posejanesu preporuke za dodatnu lireraturu. Po-
. Pailiivo isplanirajteprojekat.Neka vam postojeieteorijei istraZivanja ku5ajtela iitate 5toviSemoiete,naroiito ako sebudetebavili sloZenijimsta_
posh"riekao uzor prilikom planiranja sopstvenogprojekta. Morate tistidkim p()stupcima.
shvatiti5ta pokuiavateda dobijete,i zadto.
. RazmiSliajteunapred. Odekujte i predvidite potencijalneproblerne,
poito ih svakiprojekatima! Upoznajtestatistidkipostupakkoji name-
ravateda primenitei pomoiu tih informacija oblikujte materijaleza
prikupljanjepodataka.Postarajtese da, kada dode vremeza primenu
statistidkih metoda analize,imate vrstu podataka koji se njima mogu
analizirati.
o Organizuitese.PaZljivovodite beleikeo svim relevantnimistraZivanji-
ma, referencamaitd. Smislitedelotvoran sisternarhiviranja gomile
strudnihdlanakakoje iete prikupiti i, kasnije,rezultataSPSS-a. Uopite
nije teiko izgubiti se u gomili papira i broiki.
e Voditedobrebeledke.Kada pomoiu SPSS-a budeteanaliziralipodatke,
paZljivopiSiteStaradite.Svim studentimapreporudujemda u svescisa
spiralnimpovezomvode beleikeo svakojsesijikoriSienjaSPSS-a. Za-
piSitedatum, imena promenljivih koje ste napravili, analizekoje ste
sprovelii imenadatotekau koje stesnimili rzlaziz SPSS-a. Kada naide-
te na problem ili sedatotekas rezultatima na misteriozannadinodteti,
instruktor ie vas pomoiu tih vaiih beleiakaspasiti!
r Ostanitepribrani! Ako prvi put analiziratepodatke pomo6u SPSS-a,
deiavaieseda seosetitebespornoini.Udahnitenekoliko puta duboko
i sami sebireciteda sveide dobro i da 6e svebiti dobro. Mislite samo
o koraku koji neposrednopredstoji- dozvolite sebi da ponekadpo-
greiite i da ne znatesami kako da nastavite.Kada vam bude svegado-
sta i l)revi5e,prekinite, pro5etajtei razbistrite glavu pre nego 5ro
pokuS;rteda nastaviterad. Veiina studenatalako koristi SPSSkada ga
upozn:rju.Kao.sasvakimdrugirnudenjem,trebasamo prevazitipoiet-
nu zbrrnjenosti nedostataksamopouzdanja.
 DEOI
Kakopoceti
Analizapodataka je tek jedan deo procesaistrazivanja.Mnogo roga treba
da sedesipre nego 5to budetemogli da pomoiu SpSS-aanaliziratepodatke.
Prvo,treba da isprojektujeteistraZivanjei odabereteodgovaraju6asredstva
za prikupljanje podataka. Kada sprovedeteistraZivanje,dobijene podatke
treba(pomo(utzv.Sifarnika,engl.codeboo&)pripremiti za unoienjeuspSS.
Da bistepodatkemogli da unesete,morate znati kako SpSSradi i kako da s
njim komunicirate.Svi ti koraci su objainjeniu ovom, prvom delu knjige.
u poglavlju1 su savetii preporukeza projektovanjeitudije kojom r. d"-
bijaju podaci dobrog kvaliteta.U poglavlju 2 objalnjenaje priprema iifar-
prevodenjenenumeriikih podataka iz studije.u foi,,'nt prikladan za
ii\1ri
SPSS'Poglavlje3 je putovanjekroz spss; razmotrenesu osnovneve5tine
kofe..ievam biti potrebne.Ukoliko vam je ovo prvi put da koristite SpSS,
proditajtepoglavlje 3 pre nego ito predete.tu nrr"lir. prlkazane u nastavku
knjige.
 f,*t''\
fi -I \ Projektovanje
studije
66,"il -i
-tm\
{'.,..&}
*r- -j

\,ttRnf

Moida vam izgleda iudno da se u knjizi o SPSS-urazmatr^ projektovanje

istraiivanja,ali ono je nezaobilazandeo istralivaikog procesa,koii ima po-
sledicepo kvalitet podataka5to ie biti prikuplieni i analizirani.Podacikoie
unositeu SPSSmoraju odnekuddoii: kao odgovori na upitnike,kao infor-
macije prikupljene u interviuima, kao Sifrovana(broievima izraiena) opa-
Zanjastvarnogponalanja ili kao obiektivnamerenjaizlaza1liperformansi.
Podacivredesamokoliko sredstvokojim ste ih prikupili i istraZivaikiokvir
koji je usmeravaonjihovo prikupljanje.
U ovom poglavlju razmotriiemo vi5e vidova istraZivadkogprocesakoji
utiduna kvalitetpodataka.Prvo, razmotriiemoopSteprojektovanjestudije;
zatim iemo obraditi neka pitanja o kojima treba razmislitiprilikom izbora
skalai mera;najzad,dademonekoliko smernicaza pripremu upitnika.

Planiranjestudije
Dobro istraZivanje nije moguie bez paLllivog planiranja i sprovodenja studije.
() proiektovanju istraiivanja
napisano je mnogo odliinih knjiga, koje ie vam
pomoii tokom tog procesa: od pregleda literature, formulisanja hipoteza,iz-
oora projekta studije, izbora i dodele subjekata (ispitanika), beleZenja opa-
zan;a (opservacija)i prikupljanja podataka. Odluke koje se donose u svakoj
oc tth faza utiiu na kvalitet podataka koji
ie se analizirati i na nadin oba-
vlia.nja.istraZivanja, jest
traZenja odgovora na istrai-ivadkapitanja. Prepo-
to -Itedite
ruiila bih u"-
iu ne vreme prillkorn projektovanja stu,lile i da le
 Deo l: Kakopo6eti
Poglavlje 1 : Projektovanjestudije

napraviteito bolje moZete.Koristiie vam da proditaterazliditeudZbenikeo ' rzaberiteprikladne zavisnepromenljive

koy'esu valjane (varidne)i
tome.Nekoliko dobrih naslovakoji selako iitaju jesu:Stangor(20061,Good- pouzdane;videti rasprnu.ro to-. u nastavkupogtouti';.
win (2007)i, ako sebaviteistraZivanjem triiSta,Boyce(2003).Zazdravstvena Bilo bi dobro
da ispitateviderazliiitih obeleZja,poito su ,,.ko Jb.l.zja
i medicinskaistraZivanja, dobar elementarnipregleddajePeat(2001). osetljivijaod
drugih. Ne stavljajtesvena iednu Lartu.
Za poietak, razmisliteo sledeiimpreporukamaza projektovanjestudije: . pokuiajte da preclviditemoguii uticaj remeriladkih
o Razmotritekoja vrsta istrzrZivanja ili zbunjujuiih pro_
(npr.eksperiment,anketa,opserva- menljivih.To sy nlomenljivepomoiu kojih ,. ,.rulr"ri
_ogu drugadije
cija) omoguiava najbolji pristup pitanju kojim se bavite.Svakavrsta objasniti.ponekadih je teiko uoditi kada dovek,u- pr"i.r.ruje
istraZivanjaima svoiedobrei loie strane;iztrberitepristupkoji najbolje istraii_
vanje,zatopresprovodenjaistrazivanjaobavezno.r.ko
rr.ko irugi 1r;_
odgovarakonkretnom pitanju na koje traLiteodgovor.Prethodnomo- pervizor,kolegaistraiivai) proveri projekatuns.gi;;zivan;a.
rate dobro upoznatiranija istraZivanjau toj oblasti. ucyinite
sve5ro mo'ere da biste uradunaliuticaj remetil;kih
promenljivih.u
Ukoliko odabereteeksperiment,odluiite da li pitanju kojirn se bavite prepoznavaniumoguiih remetiladkihpromenrjivih,
poLaie dotro po-
bolje odgovaraistraZivanjerazliditih grupa (tazliditi subjekti u istoj ek- znavanieo blasti istrazivanja. Ako ima-dopu.,rkihpri-"rrt;
iuih ko j e',e
sperimentalnojsituaciji)ili ponovljenamerenja(u razliditirneksperimen- moiere da kontroliiete,mozereli da ih izmerite?Ti-.
Lir,. staristiiki
talnim situacijamaispituju se isti subjekti).Oba pristupaimaju svoje uradunalinjihov uticaj (npr. analjzomkovariianse).
prednostii nedostatke(videti Stangor,2006), pa ih paZljivoprocenite. o Kada raditeanke,tu,,najpre obaviteprobno (engl.pitot)istraZivanjeko_
U eksperimentalnimistraZivanjima,predviditedouoljno nivoa nezavisne jim iete utvrdiri da li_suuputstva,pita.rja
i vrJnosti nr.rt
promenljive.Predvidetisamo dva nivoa (ili grupe) znati da ie biti pot- Kad god je to moguie' probno istiaZivanjesprovedite "rn-r';rr'i.
-.a, istom vr-
rebno manje subjekata,ali i da 6ezakljudcikoji semogu izvestibiti ogra- stom ljudi medu kojima ie i glavna ,irrdiu
biti sprovedena (npr.
niieni. Da li je kontrolna grupa neophodnaili uopite poZeljna?Da li dc adolescenrima, nezaposrenimmlJdim lj udima, r"ruor"ii."r-a
obezbeditida ispitanicirazumejustavkeanke;';.;;;;;imika ). Morate
nepostojanjekontrolne grupe ograniiiti zakljudkekoji semogu izvesti?
njih odgovarajuna prikladan ,r.din. probno i da na
Uvek odaberitevi5esubjekatanego5to je potrebno,pogotovokada su istraiivanyeb;'tr"bolo du ot_
vam u uzroku liudi. Liudi su iuveni po svojoj nepouzdanosti:neie se krije i pitania ili stavkekoje bi -ogr.
da uvredeporencijalneispitanike.
pojaviti u dogovorenovreme,razboleiese, odustaieili neie popLrniri o Kada sprovodite
eksperiment,biro bi dobro da-odrLite generalnu
bu i pilot-ispirivan pro-
upitnikekako treba!Zato ralunajtes tim unapredi isplaniralteistraZi- jem proveritei eksperimenrarni postupaki merekoje
vanjetako da mu ro ne naudi.U neizvesnim pretposravire
situitcijama nameravateda upotrebite.proverire
kako radi iete kori_
da ie ishod biti loSiji,arne bolji. stiti' Ako ie u vaiem istraZivanju "pr.-uio;u
'destvovativiie pomofnika u svojst-
vu eksperimentatora ili anketara,proverite da Ii su dobro obudeni
U eksperimentalnimistraZivanjimapredvidite dovoljno subiekatau i
znajuli 5tatrebada rade.ukolikoii
svakojgrupi (i potruditeseda one budu pribliino jednakevelidine,ako viie osobaposrnatratri ocenjivati
ponaianja, proveriteda
je rnoguie).Kada su grupe male,teSkoje otkriti statistidkiznadajne11. ri znaju ispravnoda zabereLe ruol.*opr".u".i1".
Napraviteorobn.y i proverite
nesludajne razlikeizmedunjih (od degazavisimoi istraZivanja, kao 3ro leJiiu porrzdanost njihovih ocena,tj. ko_
liko su ocenerazriditih;.r;;;;"rl
je objaSnjenou uvodu petogdelakniige).Potrebnuvelidinuuzorkatre- sagrasne. pilot (iri prob-
no) ispitivanje post.rpai,
ba izraiunati.Primeraradi, proditajteodgovaraju6ideo u knjizi koju j.- i -".".r,a "i.a"r"bno
pomofi ie vam da otkrijete ita bi
moglo da zaikripi.kndu
napisaoStangor(2006)ili nekorndrugom udibeniku za statistiku;po- pot.,. istrazivanje,i svedodarnereme-
tiladkediniocet<o;i
traLitetermin snagaili moi (engl.power). ui -"gii a" ";iik.il" ,.r.,r,ut.. N"k. od njih
guie predvideti (npr. "ritu nije mo-
Kad god je to moguie, nemojtekoristiti posfojeiegrupe,nego svakoj gra'trevinske ,ndou" koji na dan podetka velikog
Istraiivanjamogu
eksperirnentalnoj situaciji subjektedodelite nasumiino. Thko 6ete u po.ietiispod prozoralaboratorije),ali vi
da konrroliSere pokuiajte
istraZivanjurazliditih grupa (za razllku od ponovljenihmerenjaistih one dinioceioie'moiere.
grupa)smanjitiproblemneekvivalentnih grupa.Razmotritei da li iere t.

dodatnim merenjimagrupa dokazatida se one sudtinskine razlikujtr.

MoZda iete moii da (npr. analizomkovarijanse)statistidkiuradunate ;::,:: odsovarajucihskala i mera
uticaj otkrivenih razlika izmedugrupa.
ilHLffi
*:','"?,'"it:,{',il.,ffi
#,:i",i}};if1,:##:
upotrebljavati merne skale projektov2lne da,,operacionalizuiu,' odredeni
pripadni osnovni konstrukt ili atribut koji se ne moie izmeriti neposredno
(npr. samopo5tovanje).U istraZivanju se moZe upotrebiti na hiljade overenih
skala. Ponekad nije lako pronaii onu koja je prikladna za vaiu svrhu. Treba
podeti remeljnim pregledom literature u oblasri od interesa. Koje mere su
upotrebljavali drugi istraiivadi u toj oblasti? Katkada se u dodatku struinog
dlanka navode vrednosti od kojih se sastoje merne skale; inaie 6ete moZda
morati da pronadete originalan ilanak u kome su opisani projekat i valida-
cija skala od interesa. Neke skale su zaitiiene kao intelektualno vlasniStvo,
5to znadi da biste od izdavaia morali da kupite zvanidne kopije koje iete ko-
ristiti. Ostale skale, u potpunosti objavljene u struinim dlancina, predsta-
vljaju javno vlasniStvo, 5to znadi da ih istraZivadi mogu upotrebljavati bez
naknade. Medutim, veoma je vaLno da navedete odakle potide svaka merna
skala koju ste upotrebili i sve detalje odgovarajuiih referenci.
Prilikom izbora skala morate uzeti u obzir njihovu pouzdanost i valjanost
(validnost). Na kvalitet dobijenih podataka mogu da utidu oba ta faktora.
Tokom razmatranja moguiih skala, treba prikupiti informacije o pouzdano-
sti i valjanosti svake od njih. Te informacije ie vam trebati za odeljak ,,Me-
todologija" izve(taja o istraZivanju. Bez obzira na to koliko su pohvalni
objavljeni izveitaji o pouzdanosti i valjanosti odabranih skala, ne propustite
da i njih podvrgnete probnom ispitivanju na predvidenom uzorku. Neke
skale su pouzdane unutar odredenih grupa (npr. odraslih iz porodica koje
govore engleski), ali su potpuno nepouzdane kada se upotrebe unutar dru-
gih grupa (npr. dece iz porodica koje ne govore engleski).
Pouzdanost
Pouzdanost(engl.reliability)merneskalepokazujestepennjeneotpornosti
na sluiajnegreSke.Dva destokoriS6enapokazateljapouzdanostiskalejesu
njena urentenskastabilnosf,engl. test-retestreliability (stabilnostnjenih re-
zultata pri ponovljenoj upotrebi na istom uzorku) i wnutrainja saglasnost
(engl. internal consistency).Vremenska stabilnost se meri primenom iste
skalena istim subjektimau dva navrata;zatimseizraiuna korelacijaizmedu
tako dobijenih rezultata.Pouzdanijaje skala koja ima visoku korelaciju.
Prilikom raz.matranjaove vrste pouzdanosti, treba uzeti u obzir prirodu
konstrukta koji skala meri. Skalaprojektovanada meri stanjateku6egra-
spoloZenjatedkoda moZeostati stabilnatokom viSesedmica.Stogaie vre-
rnenskastabilnostskaleraspoloi.enjaverovatnobiti niska.Medutim, mere
svojstava(obeleZia)stabilnihlidnostitrebalo bi da ostanugotovo jednakei
da imaju visoku korelacijurezultatapri ponovnoj upotrebiskale.
Drugi vid pouzdanostiskalekoji se moZeoceniti jestenjena unutrainia
saglasnost. To je stependo kojegvrednostikoje dineskalumereisti pripadni
atribut (tj. do kojegsu medusobnopovezane). Unutrainja saglasnost semeri
na viSenaiina. Najieiie se upotrebljavaKronbahov (Cronbach)koeficijent
alfa, koji i SPSSume da izratuna videti u poglavlju 9. To ie proseina kore-
lacrja izmedu svih vrednosti na skali. Iznos tog pokazatelia je naravno izme-
du 0 i 1, pri demu veii broj (vi5a korelacija) pokazuje veiu pouzdanost.
zavisno od prirode i namene skale, zahtevaju se razliditi nivoi pouzdano-
sti, aii Nunnaly (1978) preporuiuje da se ne prihvatta pouzdanost manja od
0,7. Kronbahov koeficijent alfa se menja u zavisnosri od broia vrednosti na
skali.za mali broj vrednosti na skali (manji od 10), Kronbahov koeficijent
alfa ponekad je veoma mali. Thda je bolje izraiunati i u izveitaju navesti
srednju vrednost korelacije izmedu svakog para vrednosti. Optimalna sred-
nja vrednost korelacije izmedu parova vrednosti na skali iznosi izmedu 0.2
i 0,4 (po preporuci navedenoj u Briggs & Cheek, 1986).
Validnost
validnostskaleje stependo kojegona meri ono 5robi trebaloda meri.NaZa-
losr,ne postojijasanpokazateljvalidnostiskale.validacija(proveravalidno-
sd) skalepodrazumevaprikupljanjeempirijskihdokazao njenojupotrebi.U
dlancimaseuglavnomraspravljao validnosti sadri.aja,validnostikriterijuma
i validnosti konstrukta.
validnost sadriala se odnosi na adekvatnosts kojom je uzet uzorak za
meru ili skalu iz predvidenoguniverzalnogskupa ili domena sadriaia. va-
lidnost kriterijuma je odnos izmedu rezultarana skali i odredenogmerljivog
kriterijuma. validnost konstrukta znadi ispitivanje skale ne prema jednom
kriterijumu, nego prema teorijski izvedenimhipotezamao prirodi pripadne
promenljiveili konsrrukra.validnosrkonstrukraseistraZujeispirivanjemnje,
govog odnosa s drugim konstruktima, kako srodnim (konvergentnavalid-
nost),tako i onim nesrodnim(diskriminantnavalidnost).Lako iitljiv i sazet
prikaz raznrhvrsta validnosti moiete proditati u udzbenicimaiiii su autori
Stangor(2006),odnosnoSrreineri Norman (2003).
ukoliko u svom istraZivanjunameravateda koristite merneskaie,biio bi
dobro da o rome jo5 ne5to proditate: u udZbenikukoji je napisaoKline
(2005)videti pridu o psiholoikomtestiranju,a u ve6pomenutomudzbeniku
Streinerai Normana (2003)o skalamaza merenjezdravlja.IBowling je na-
pisaonekoliko odlidnihknjiga o mernim skalamaza z.dravstvo i meJicinu.
Pripremaupitnika
u.mnogim istraZivanjima,informacijeseprikupljaju od subjekataili ispita-
nika. Ponekadto znadi prikupljanje demografikih podataka od subi&ata
pre nego 5to ih se podvrgnenekom eksperimentalnom postupkr.r.S druge
strane,mozda iete projektovati obimnu anketu koju treba razdelitiodabra-
nom uzorku stanovniSrva. Slaboisplaniranili lole projektovanupitnik neie
dati dobre podatke iz kojih semoze izvucikvalitetan odgovor na istrazivana
pitanja.Prilikornpripremeupitnika razmisliteo romekako iete upotrebirite
lntormacije;morate unapredznati koje statistidkeanerlize iete primeniti.U
zavisnostiod predvidenestarisriikerehnike,pitanje rreba posraviti na
odredeni nadin ili dati razlidite formate odgovora. U narednim odelicima na-
vedeni su neki od dinilaca koje treba razmotriti prilikom projektovanla i sa-
stavljanja upitnika.
Poito iemo samo malo zagrebati po povrSini teme projektovanje upitni-
ka, preporudujem da o tome neito viSe proditate ukoliko sami projektujete
svoje istraZivanje.Za to je odlidna literatura De Vaus (2002), odnosno Boyce
(2003 ) za istr aLivanja poslovanja.
Vrste pitania
Veiina pitanja semoZerazvrstatiu dve grupe:zatvorenai otvorena.Zatvore-
no pitanjeje ono kada ispitanicimanudite viSeunapreddefinisanihodgovora.
Od njih se traZi da jedan od ponudenih odgovora odaberu zaokruZivanjem,
podvlaienjem,precrtavanjemili Strikliranjempripadaju6egpolja i sl. Ponude-
ni odgovorimogu biti prosto Da/Ne, Muiko/ZensAo;ili semoZeponuditi veii
broj moguiih odgovora,na primer:
Koja je najvi5aSkola koju ste zavrSili(oznaditeodgovarajuce polje)?
D 1 . O s n o v n aS k o l a
f| 2. Deo srednjeSkola
D 3. Cela srednjaSkola
C 4. ViSaSkolaili dodatna obuka
D 5. Dodiplomskestudije na univerzitetu
D 6. Postdiplomskestudije na univerzitetu
Zatvorena pitanja je obidno veoma lako pretvoriti u numeridki format koji
je potreban SPSS-u.Primera radi, Da se moZe Sifrovati sa 1, Ne sa 2; Muiko
sal,,Zensko sa2.lJ prikazanom pitanju o obrazovanju, odabrani odgovor bi
se Sifrovao unoienjem rednog broja oznatenog polja ispred odgovora. Na
primer, ako ispitanik oznadi polje ispred odgovora Dodiplomske studije na
uniuerzitetu, to bi se 5ifrovalo brojem 5. Postupak Sifrovanja je lakli kada se
svakom od moguiih odgovora dodeli neki broj. Za potrebe unoienja poda-
taka, odaberite neko pravilo za dodeljivanje brojeva (npr. brojevi rastu sleva
nadesno i odozgo naniZe) i pridri.avajte ga se kroz ceo upitnik.
Ponekad se ne moZe pretpostaviti koje bi sve odgovore ispitanici mogli
dati, te je neophodno zadati otvorena pitanja. Prednost je to 5to ispitanici
tada imaju priliku da odgovore na svoj naiin, ;'er nisu ograniieni izborom
odgovora koje im pruZa istraZivad.Primera radi:
Kojije za vastrenutnoglavniizvorstresa?
L-_
Radi unodenja u SPSS,odgovori na otvorena pitanja mogu se saZetiu ne-
koliko kategorija. One se obidno utvrduju nakon sagledavanjaraspona svih
odgovora dobijenih od ispitanika. I iz prethodnih istraZivanja te oblasti
mogu se izvu(i moguie kategorije. Svakoj kategoriji odgovora dodeljuje se
druga 5ifra, to jest broj (npr. radno mesto=1, finansijsko stanje=2, ljubavni
odnosi=3) i taj broj se unosi u SPSS.ViSe pojedinosti o tome sadrZi odeliak
o pripremi Sifarnika u poglavlju 2.
Ponekad je najbolja kombinacija zatvorenih i otvorenih pitanja. To znadi
da se ispitanicima daje nekoliko unapred definisanih odgovora i jedna dodat-
na kategorija (ostalo) koju mogu odabrati ukoliko ieljeni odgovor nije medu
ponudenima. Sledi jedan ili dva prazna reda sa crtom na koju mogu upisati
svoj odgovor. Takva kombinacija zatvorenih i otvorenih pitanja naroiito je
korisna u ranim fazama istraZivanja date oblasti, poito pokazuje da li defini-
sane kategorije odgovora adekvatno obuhvataju odgovore koje ispitanici naj-
6e5iedaju.
Formatodgovora
Prilikom formulisanja pitanja, morate odluditi i koji 6ete format odgovora
ponuditi ispitanicima. Format odgovora moZe imati posledice po statisridke
analize koje se na te odgovore mogu primeniti. Za neke analize (npr. kore-
lacija) potrebni su odgovori dije vrednosti dine 5irok, kontinualan opseg od
malih do velikih brojeva. Ako za pitanje o njihovoj starosti ispitanicima
ponudite kategorije odgovora koje treba da izaberu (npr. manje od 30, iz-
medu 31 i 50, i preko 50 godina starosti), takvi podaci ne6e biti prikladni za
korelacionu analizu. stoga, ukoliko nameravate da istrazite korelaciju iz-
medu starosti osobe i, recimo, njenog samopoitovanja, ispitanicima bi tre-
balo omoguiiti da upiSu koliko imaju godina.
Pokuiajte da ponudite 5to Siri izbor odgovora na svoja pitanja. Odgovore
kasnije uvek moiete saZeti,ako treba (videti poglavlje B). Nemojte ispitanike
pitati samo da li se slazu s nekom tvrdnjom ili ne; upotrebite skalu Likerto-
vog tipa, sa stupnjevitim odgovorima - od potpunog slaganja do potpunog
neslaganja:
n i m a l o s e n e s l a i e m1 2 3 4 5 6 7 I I 10 slaiemseootouno
Ta vrsta skale omoguiava Siri raspon moguiih odgovora i poveiava broj
statistidkih analizakoje se na takve odgovore mogu primeniti. Moraiete da
odluditekoliko iete stupnjevau odgovorima(npr.od f a" 10) koristiti. De-
Vellis (2003) dobro razrr.atraprednosti i mane raznih skala odgovora. Koji
god format odgovorada izaberete, moratedati i jasnauputstvaza njega.2e-
Itte li da ispitanicijedan od ponudenih odgovora odaberu oznadavanjem
polja (kuiice), zaokruLivanjem broja ili moZda upisivanjem odredenog
znaka na crtu? VaS upitnik moZe biti prvi koji ispitanik popunjava u svom
Zivotu. Nemojte pretpostaviti da ispitanici vei znaju kako se odgovara. Daj-
te jasna uputstva - po moguistvu i primer - i uvek sprovedite probno ispiti-
vanje one vrste ljudi od kojih ie se va5 uzorak sastojati. Pre nego Sto
razdelite stotine upitnika, uklonite sve moguie izvore zabune. Kada sasta-
vljate pitanja, uvek razmislite o tome kako bi sve ispitanik mogao da shvati
to pitanje i razmotrite sve moguie odgovore koje bi neko na to pitanje mo-
gao da d6. Na primer, hteli biste da saznateda li osoba puii ili ne. Pitanje bi
moglo da glasi:
Da li puSite?(ozna6itepolje) D Da D Ne
Kada bude popunjavao upitnik, ispitanik bi se mogao zapitati da li se
misli na cigarete,lulu ili moi.dana marihuanu?Da li je dovoljno znati samo
puii li osoba?Treba li da saznatei koliko puii (dve-tri cigareteili dve-tri
paklicednevno),koliko destopuSi(svakidan ili samou izuzetnimprilikama,
u druitvu)? Smisaoovogaje da razmisliteo svakompitanju: koje informa-
cije ie vam dati a koje neie, a potrebnesu vam.
Sastavljanjepitanja
Za sastavljanje jasnih i dobro sroienih pitanja u upitniku zaista treba ume-
ie. Iako ne postoje jednostavna pravila kako se to dobro radi,znaju se gre-
5ke koje sigurno vode do loiih upitnika. Poku5ajte da izbegnete:
r dugaika, sloZenapitanja;
o dvostruke negacije;
r dva pitanja u jednom;
. Largon i skraienice;
. pojmove i izraze dije se znadenjemenja zavisno od kulture kojoj osoba
pripada;
o viSeznadneredi;
. pitanja koja navode na odgovor; i
. reii koje pobuduju jaka oseianja.
U odgovarajuiim sludajevimatrebalo bi da razmislite o ukljudivanju kate-
gorije ,,Ne znam" ili ,,Nije primenljivo". Dalje preporuke o tome kako se
piSu pitanja videti u knjigama koje su napisali De Vaus (2002) i Kline (2005).
L-
PriPrema
sifarnika
ffi k
L",;.MF'
Pre nego 5to podneteda unositeinformacijeiz upitnika, intervjuaili ekspe-
rimentau SPSS, treba da pripremiteSifarnik(engl.codebooA).To je zbir in-
strukcijaza pretvaranjeinformacijadobijenihod svakogsubjektaili sludaia
(engl.case)u numeridki format razumljiv SPSS-u,tj. u brojeve.U ovom
poglavljupokazaiemo korake od kojih se ta priprema sastoji,i to na pri-
meru datotekes podacimakoju je osmislilagrupamojih postdiplomaca. Ko-
piju tog upitnika i Sifarnik napravljen za nieganaii iete u dodatku na kraju
knjige.Datoteku s podacimamoZetepreuzetis prateie \7eb lokacije.Kada
imate sav taj materijal,moZeteda sagledateceo postupak- od sastavljanja
upitnika do pravljenja zavrine datoteke s podacima, spremneza analizu.
Iako samza ilustracijukoraka u razvojuSifarnikaupotrebilaupitnik, postu-
pak je sliian i u eksperimentalnim istraZivanjima.
PripremaSifarnikaobuhvata donodenjeodluke (i dokumentovanje)kako
iete:
. definisati i nazvati svaku promenljivu; i
. dodelitipo jedan broj svakomod moguiih odgovora.
Svete informacijetreba zabeleLitina papiru ili u datoteci.DrZite to na ne-
kom bezbednommestu;nema niStagore nego vratiti se datotecis podacima
koju neko vreme niste koristili i onda se pitati 5ta znaie unete skraienice i
brojevi.
U Sifarniku bi trebalo da navedetesve promenljive iz upitnika, skra6ena
imena promenljivih koja 6eteupotrebljavatiu SPSS-ui nadin na koji 6ete
Sifrovatiodgovore(pridruZitiim brojevekoje ie SPSSstatistidkianalizirati).
U ovom poglavlju dati su pojednostavljeniprimeri koji ilustruju svaki ko-
rak. U prvoj koloni tabele2.1 navedenoje ime promenljive(na srpskom,a
ne radunarskomjeziku).U drugoj koloni je skradenoime promenljivekoje
ie se upotrebljavatiu SPSS-u(videti dolenavedenukonvenciju),a u treioj
koloni piSetebroj (5ifru)koji iete pridruZitisvakomod dobijenihodgovora.
lmenapromenljivih
Svako pitanje ili stavka u upitniku mora imati svoju promenlyivu jedinstvenog
imena. Neka od tih imena jasno ie pokazivati o kakvoj se informaciji radi (re-
cimo, pol, starost). Druga pitanja, kao 5to su vrednosti od kojih se sastoji
neka merna skala, mogu biti identifikovana odredenom skra6enicom (npr.
opl, op2, op3 kao imena stavki od kojih se sastoji skala optimizma).
Prva promenljiva u svakom skupu podataka trebalo bi da bude ID, tj.
jedinstven broj koji identifikuje svaki analizirani sludaj. Pre nego 5ro postu-
pak unoienja podataka podne, prodite kroz sve upitnike odnosno zapise
podataka i svakom od njih dodelite jedinstven broj. ZapiSite taj broj ditko na
prednjoj korici. Kasnije, ako u skupu podataka pronadete gredku, pomoiu
jedinstvenih brojeva iete lako otkriti onaj s gredkom.

Tabela 2.1: Primer Sifarnika

Sifrovanieodgovora
lme promenljive Uputstvoza 5ifrovanie Pre unoienja u SPSS,svakom odgovoru mora biti dodeljen odreden broj (5i-
Promenljiva (dodelubrojeva)
u SPSS-u
fra, numeriiki k6d). Deo informacija & vei biti u numeridkom formatu (npr.
ldentifikacionibroj ID Broj dodeljen svakoj anketi starost u godinama); ostale promenljive, kao 5to je pol, treba pretvoriti u
Pol Pol I : mu5ki brojeve (npr. 1=muSki,2= Zenski). Ako ste ponudene odgovore na pitanja
2 :Zenski oznadili brojevima (videti npr. pitanje o nivou obrazovanja u poglavlju 1),
Bradno stanje Brak 1: neoZenjen/neudata nema razloga da upravo te brojeve ponovo ne upotrebite u SPSS-ukao Sifre
2: stalan partner datih odgovora. Ukoliko to iz nekog razloga ne6ete, izaberite neko pravilo
3: oZenjen/udataprvi put za dodelu Sifara odgovorima i pridrl.avajte ga se. Primera radi, prvi ponude-
4: ponovo o2enjen/udata ni odgovor Sifrujte brojem 1, drugi brojem 2 itd.
5: razveden/a ili Zivi razdvojeno
6: udovac/udovica
Kojeje vaSetrenutno bradno stanje? (ozna6iteodgovarajucepolje)
Stavke1 do 5 Od op1 do op5 Unesi broj koji je zaokruZen,
od
D neoZenjen/neudata D stalan partner n oZenjen/udata D razveden/a
skaleoptimizma 1 (nimalose ne slaZem)do
5 (potpunose slaZem)
Da biste Sifrovali odgovore na gornje pitanje: ako je osoba oznadila polje
Prilikom dodeljivanja imena promenljivima u SPSS-umorate se pridrZava- ispred odgovora neoienjen/neudata,5ifrujte to brojem 1; odgovor stalan
ti viSe pravila. Ona su navedena u izdvojenom odeljku ,,Pravila za imeno- partner Sifrujte brojem 2; oienien/udata neka bude 3; i razueden/a, 4.
vanje promenljivih". U ranijim verzrjama SPSS-a(pre verzije 12), imena
promenljivih su smela imati najviSeB znakova. U verziji 12 SPSS-adozvolje-
na su do 64 znaka. Ukoliko datoteke s podacima nameravate da koristite u
Sifrovanjeotvorenihpitanja
Sifrovanje otvorenih pitanja (na koja ispitanici sami formuliSu odgovore)
raznim verzrjama SPSS-a(npr. u raiunarskim laboratorijama na fakultetu),
malo je komplikovanije. Na primer, uzmimo pitanje: Koji ie zd uctstrenutno
bezbednijeje da promenljivima i dalje dajete imena od najviSeosam znakova.
glauni izuor stresa? Da biste Sifrovali odgovore na to pitanje, proditajte sve
upitnike i potraZite najdeSie odgovore. MoZda ie mnogo ispitanika odgovo-
Pravilaza imenovaniepromenljivih riti da im je glavni izvor stresa:radno mesto, finansijsko stanje, ljubavni od-
l m e n ap r o m e n l j i v i h : nosi, bolest ili nedostatak slobodnog vremena. U Sifarniku iete te glavne
. moraju biti jedinstvena(tj. imena svih promenljivihdatog skupa moraju se grupe odgovora navesti kao vrednosti promenljive koju (ete nazvati stres i
svakoj iete dodeliti po jedan broj (npr. radno mesto=1, suprug/a ili partner=2
medusobnorazlikovati) :
. moraju podeti slovom (a ne brojem); itd.). Trebaie vam joi jedan brol za one odgovore koji ne spadaju ni u jednu
. ne smeju sadr2atitadke,razmake(beline),niti specijalneznakove(! , ? "'"); od navedenih kategorija (ostalo=99). Kada budete unosili podatke za svakog
ispitanika, uporedite njen/njegov odgovor sa onima navedenim u Sifarniku i
. ne smeju sadrZatiredi koje su komandeu SPSS-u (all,ne, eq, to, le, lt, by, or,
unesite odgovarajuii broj (5ifru) u skup podataka za promenljivu stres. Na-
g t , a n d , n o t , g e , w i t h ); i
. ne smeju sadrZativi5e od 64 znaka(za verziju1 2 SPSS-a), odnosno osam kon 5to napravite Sifarnik, gotovo da ste spremni za unoSenjepodataka. Pret-
hodno treba da uradite io5 dve stvari:
znakovaza ranije verzljeSPSS-a.

>-
 1. upoznateSPSS,razne njegoveprozore i okvire za dijalog, te kako se
otvaraiu i zatvaraiudatoteke.
2. formirate datoteku s podacima pomoiu informacija koje ste pripremi-
li u Sifarniku.
U poglavlju3 opisanisu osnovnastrukturaSPSS-a i pravila koja u njemu
vai.e,a u poglavlju 4 - postupci izradedatotekei unoienie podataka.

Pre nego 5to podnete da radite u SPSS-u,trebalo bi da nauiite nekoliko os-

novnih stvari o njemu. Prvo, SPSSrazne stvari radi u razliiitim prozorima.
Da biste mogli da pristupite tim prozorima, prethodno morate otvoriti neku
od postojeiih datoteka s podacima ili napraviti novu. Zato iemo u ovom
poglavlju objasniti kako se pokreie izatvara SPSS;kako se otvaraju izatva-
raju postojeie datoteke s podacima; i kako se pravi nova (prazna) datoteka
za podatke. Potom iemo pogledati kakve prozore ima SPSS.

PokretanieSPSS-a
SPSSse moZe pokrenuti na viSe nadina:
. Najjednostavnije je potraLiti ikonicu SPSS-ana radnoj povr5ini u'Win-
dowsu. Postavite kursor iznad te ikonice i dvaput je pritisnite.
. SPSSmoZete pokrenuti i tako 5to iete pritisnuti dugme Start, dovesti
kursor do stavke Programs, i zatim preii u spisak dostupnih programa.
Prelazite po tom spisku naviSei naniZe dok ne nadete SPSSfor Windows.
. SPSSie se pokrenuti i kada dvaput pritisnete neku SPSSdatoteku s
podacima prikazanu npr. u Windows Exploreru. Te datoteke imaju oz-
naku tipa (engl. extension) .sav.
Kada pokrenete SPSS,moZda ie vas dodekati sivi podetni prozor s pr-
tanjem ,,'Sfhat would you like to do?" (Sta biste hteli da uradite?) Lak5e 1e
zatvoriti taj prozor (pritiskom na dugme oznaieno sa x u gornjem desnom
uglu) i naviii se na upotrebu SPSS-ovihmenija. Kada zatvorite podetni pro-
zor, prikazaie se prazna proradunska tabela (engl. spreadsbeet). Da biste iz
ovog prozora otvorili neku od postojeiih SPSSdatoteka s podacima, pritis-
nite File i zatim Open u meniju koji 6e se prikazati na vrhu prozora.

L
Otvaraniepostoiecedatotekes podacima
Ukoliko ho6ete da otvorite postojeiu datoteku s podacima (npr. survey3ED,
'Web
koja je, izmedu ost:rlih, dostupna na prateioj lokaciji - videti srr.xi), pri-
tisnite File u glavnom rneniju na vrhu prozora, zatim Open u padajuiem me-
niju koji ie se otvoriti i najzad Data. U okviru za dijalog Open File pretraZite
direktorijume na radunaru dok ne pronadete datoteku u kojoj su podaci
smeiteni.
Datoteke s podacima uvek treba otvarati sa ivrstog disktr raiunara. Ako
su vam podaci na disketi ili na USB disku, prebacite ih u direktorijum na ivr-
stom disku pre otvaranja. Potom pronadite odgovaraiuiu datoteku na dvr-
stom disku i pritisnite Open. Ne zaboravite da sve SPSSdatoteke s podacima
imaju oznaku tipa .sav.Datoteka 6e se otvoriti u prozoru Data Editor (vi5e
o njemu kasnije).
Savet Podatke s kojima nameravateda radite uvek najpre prebacite na dvrsti disk
radunara.Na krajuradnesesije,kopirajtete datotekenazadna USB disk ili disketu.
KoriScenjedatotekas podacima
U verziji 15 SPSS-amoZeteimati vi5e istovremenootvorenih datoteka s
podacima.To ume da budekorisno,ali i da zbuni.U svakomtrenutkumora-
te imati otvorenu barem jednu datoteku s podacima.Ako pokuSateda za-
tvorite datoteku, SPSSie vas pitati Zelite li da je snimite pre zatvarania.
Ukoliko je ne snimite,izgubi6etesvepodatkekoje ste u toi sesijiu nju uneli
i nove promenljivekojima steprorneniliSifreili izradunalinakon posiednieg
otvaranjadatoteke.
Snimanjedatotekes podacima
Trebalobi da snimitedatotekus podacimakad god je izmenite(recimo,ako
ste definisalinove promenljive)ili dim je napravite.Datotekese ne snimaju
autonatski, kao u vetini programa za obradu teksta.Ukoliko ne steknete
naviku da povremenosnimatedatotekuna kojoj radite, a nestanestruja ili
sluiajno pritisnetepogreiantaster(i to se deSava), izgubiietesveStoste ra-
dili. Da se ne biste nervirali,redovno snimajte.Kada unositepodatke,sni-
majte svakihdesetminuta, ili nakon svakihpet ili desetunetih upitnika.
Da bistesnimili datotekuna kojoj radite,otvoritemeni File (u gornjemle-
vom uglu) i u njemu izaberiteSave.Ukoliko vam je tako lakie, na paleti sa
alatkamagore levo pritisnitedugmesa sliiicom diskete.Iako je na sliiici di-
sketa,kada je pritisnetesnimiietedatotekuna onaj disk na koiem trenutno
radite.To bi uvek trebaloda budeivrsti disk, zato 5toje rad sadisketerecept
za katastrofu!Godinamami studentidolazeuplakaninakon 5to svoju dato-
teku s podacimaupropasteradeii na disketiumestona ivrstom disku.
\-
Prilikom prvog snimanja nove datoteke s podacima, moraiete da zadate
njeno ime i direktorijum u koji ie biti snimljena. Izaberite direktorijum i
upiSite ime pod kojim dete snimiti datoteku. SPSSsvim datotekama s poda-
cima koje snima automzrtski daje oznaku tipa .sav,zato Sto samo tako ume
da ih prepozna. Ne menjajte tu oznaku, inaie sPSSne6e umeti da pronade
datoteku kada je sledeii put budete traLlli.
Otvaranjedruge datoteke s podacima
Kadazavriiterad na jednojdatotecii zatrebavam druga,samopritisniteFile
izatim open, te pronaditedirektorijum r"rkojem je ta druga datotekasadu-
vana(snimljena).PritisniteZeljenudatoteku,pa onda dugmeopen. u verziji
15 sPSS-atako iete otvoriti drugu datotekus podacima,dok ie prva osrari
otvorena u zasebnomprozoru. Bilo bi dobro da zatvoite sve datoteke na
kojima trenutnone radite,poito viSeotvorenihdatotekaume da zbuni.
Pravlienjenove datotekeza podatke
u sPSS-ufe lako napravitinovu)praznu datoteku.PritisniteFile,pa u pada-
juiem meniju pritisnite New i najzadData.od tog trenutka moZetedefinisati
nove promenljive i unositi podatke. Medutim, pre toga treba da upoznate
sPSS-oveprozore i okvire za dijalog.Razmotridemoih u narednomodeliku.
SPSS-oviprozori
u SPSS-uiete uglavnom koristiti prozore Data Editor, Vieweq pivot Thble
Editor, chart Editor i Syntax Editor. ovde iemo ih prikazati saZero,a u na-
stavku knjige mnogo detaljnije.
Kada podnete da analizirate podatke, imaiete viie tih prozora istovreme-
no otvorenih. Pojedine srlrdente to zbunjuje, ali je zapravo sasvim jednostav-
no kada shvatite zaito su otvoreni. Prozor Data Ediior je uvek otvoren zato
Sto sadrZi datoteku s podacima koje analizirate. Prozor viewer se otvara
kada treba prikazati rezulrate analize; u njemu se prikazuju rezultati svih
analiza,navedeni redom kojim su analize obavljane. Molim vas, zapamtire:
ovaj prozor se neie otvoriti dok ne pokrenete neku analizu.
Prozori na ekranu raiunara ,o kuo pardiii papira na stolu - moZete ih
premeltati, nekad je jedan odozgo, a nekad drugi. Svaki otvoren prozor ima
svoje dugme na dnu ekrana. Kada zatreba da predete u odre<leni orvoren
prozor' pritisnite njegovo dugme na dnu. Mogli biste i
da pritisnete win-
o:ws u glavnom meniju, kako bi se prikazla lista svih otvorenih prozora;
pritisnite u toj listi prozor koji hoiete da prikaiete
ispred svih ostafih.
 Ponekad prozori koje SPSSprikazuje ne prekrivaju ceo ekran. Bi6e vam
lakie kada prozor Viewer (sa svim rezultatima) uveiate tako da prekrije ceo
ekran. Da biste to uradili, pogledajte gornii desni ugao ekrana. Tamo bi tre- ,,,.H re,:; ii jG n b,, l;,, 6
balo da su prikazana tri mala dugmeta. Pritisnite srednje dugme da biste l'.:' : _' :.r ?Ql*
prozor uveiali do kraja (tako da prekrije ceo ekran). Kada poZelite da ga po- 1:'dpd trrFi,IlF!I'_ I ti

'J.{P
l.t! L l:i-se N
novo smanjite, opet pritisnite to srednje dugme. ffi.rs
F!Piren{rei /1iFn8F=
l3l tiJ,qL'ti: I:j
r{: Ir1}-!
fi rcr;:
ProzorData Editor * Frequencies
ProzorData Editor prikazujesadrZaidatotekes podacima,i u tom prozoru ot-
varate,snimatei zatvaratepostojeie datoteke,pravite nove datoteke,unosite Il!$ls3et l] (l:'rf,arLuren!B

nove i menjatepostojeiepodatke,i obavljatestatistidkeanalize(slika 3.1)'

Stdtisl,{3

ter
li lalril ,ttt
ilr$$riiq 0
'i,'' i,.l & & ";'" '''' ?* 8: ff, "f- f- H#;; S
'I li6
: id
s6x

66153 52 i jrrnula!!*
FrertU{ Pef| enl ';3lr!1F tf{ tit
5lt7 2 46 32 FFrrFit
unlrd I I'tA.LF'i 139 ,l.i' 1
341 2 30 EI
: FI{AIE'J 1?g ,it r00[
JEf, I AI 41 TDtBI 418 't[8 B JCBO

Slika3.'l ProzorData Editor. Slika3.2 ProzorViewer.

ProzorViewer Pritisnite stavku Saveu padajuiem meniju koii ie se otvoriti. rzaberite

Kada pokrenete bilo koju analizu, automatski 6e se otvoriti prozor Viewer
(slika 3.2). U njemu se prikazuju rezultati svih obavlienih analiza, tabele i di-
jagrami. U tom prozoru rezultate moZete menjati, brisati, kopirati, snimari
ili prebacivati u'Wordove dokumente. Kada SPSS-uzadate da snimi rezultate
svoiih statistiikih analiza, on 6e ih snimiti u datoteku sa oznakom tipa .spo
(za rczhku od datoteka s podacima koje imaju oznaku tipa .sav).
Prozor Viewer se sastoji od dva dela. Levo je okno sa strukturiranim sta-
blom (menijem) analiza, u kome je kompletan spisak svih analiza koje ste oba-
vili. To stablo upotrebite da biste se brzo kretali kroz rezultate (kojih moZe biti
veoma mnogo). Samo pritisnite onaj deo rezultata na koji hodete da predete i
on ie se prikazati u desnom oknu prozora. Na desnoj strani prozora Vewer
prikazuju se rezultati analiza, ukljudujuii tabele i dijagrame (grafikone).
direktorijum u koji snimare rezultatei upiiite jedinstvenoime datotekes re-
zultatima. Pritisnite dugme Save.Kada datotekama dajem imena, koristim
skraienicekoje ukazuju na datoteku s podacimadijom analizom su rezultati
dobijeni i datum kada je analizaobavljena.primera radi, datorekaanketa-
8mai2005.sposadrLirezultare analizepodataka iz datotekeanketa3ED.sau,
obavljene8. maja 2006. Imam podsetniku koji belezimimena svih svojih da-
toteka i pojedinostisvih obavljenih analiza,ukljudujuii i datume.podsetnik
mi mnogo olakiava pronalazenjerezulrataodredene analize.Kada podnete
sopstvenaistraZivanja,videieteda sevrlo brzo nakupi mnogo raznihdatoteka
s rezultatima razliiitih analiza.Da biste izbegli zabunu i razotaranje,organi-
zujte sei vodite preciznebele5keo obavljenim analizamai o tome gde ste sni-
mili niihoverezulrare.

Snimanjerezultata Stampanjerezultata
Da biste snimili rezultatesvojih analiza,ispred svih ostalih prozora morate u levom oknu prozora viewer izaberitesvedeloverezultatakoie hoiete da
imati otvoren prozor Viewer. Pritisnite File u glavnom meniju na vrhu tog Stampate. To seradi tako 5topritisneteprvi deo koji ho6eteda itampate,za-
prozofa. tim pritisnetei zadrLitetasrer ctrl na tastaturi, i porom proizvoljnim redo-
sledompritisnetesveostaledeloverezultatakoje toiete da itampate.Kada

\-
ste izabrali sve Sto hoiete da Stampate,pustite taster Ctrl, pritisnite meni File
(na vrhu prozora) i izaberite u njemu stavku Print. SPSSie vas ipak uvek pi-
tati Zelite li da Stampate samo odabrani deo rezultata ili sve.
ProzorPivotTableEditor
Tabele rezultatakoje se prikazuju u prozoru Viewer,SPSSnaziva izvedenim
(engl.piuot) tabelama,zato 5to ih moZetemenjati i modifikovati kako god
vam odgovara.Da biste modifikovali tabelu,dvaput je pritisnite,pa ie je
SPSSprikazatiu prozoru Pivot TableEditor.U njemu semoZepromenitiiz-
gled tabele,njena velidina,fontovi, Sirinakolona, a redovi i kolone tabele
mogu zamenitimesta,Stose nazivatransponovanje.
ProzorChart Editor
Kada od SPSS-azatraLiteda napravi histogram,trakasti dijagram (engl.bar
graph) ili dijagramrasturanja(engl.scatterplot),on ie ih najpreprikazati u
prozoru Viewer. Ukoliko treba da promenite vrstu grafiikog prikaza ili
nadinna koji su podaci u njemu predstavljeni,dvaput ga pritisnite,pa (e ga
SPSSotvoriti u prozoru Chart Editor. U njemu se moZe promeniti izgled i
format dijagrama,fontovi, boje,teksturapozadinei markeri (slika3.3). Po-
stupakpravljenjadijagramai upotrebeChart Editora detaljnijeje objainjen
u poglavlju7.
posebno koristan kada treba da ponovite mnogo analiza ili (pomoiu SPSS-a)
naqtate viSe slidnih dijagrama. Upotrebite uobidajene SPSS-ovemenije da
zadate osnovne komande odredene statistiike tehnike i zatim ih prenesite u
Syntax Editor (slika 3.4). U njemu se komande mogu kopirati i prenositi;
mogu se i modifikovati komande koje je generisao SPSS.U njemu se mogu
napisati veoma sloZene komande za sofisticirano reiifrovanje (eng|. reco-
ding) i obradu podataka. ViSe informacija o komandama potrazite u SPSS-
-ovom meniju Help, stavka Command Syntax Reference. Sve izdate koman-
de iuvaju se u zasebnoj tekstualnoj datoteci sa oznakom tipa.sps.
Komande prenete u Syntax Editor ne izvrSavaju se automatski nego tek
kada vi to zadate tako 5to izaberetekomandu (zajedno s taikom na njenom
kraju) i pritisnete meni Run ili dugme sa strelicom na paleti sa alatkama. U
datoteku komandi slobodno dodajte komentarel komentar je svaki red koii
podinje zvezdicom (slika 3.4).
File Edat Vies Dali Transform Analyze Grdphs Utilities Run Windoa
Help
.,'. : :: l& ffi ,', ff E* [': d{ f;21::1:'.
* @'t':':::,
' R e c o d en E q a l i l i ewl yo r d e di t e m si n t o
differen
vat riibles
* r e c o d eo p t i n i i s m
items

RECODE
o p ?o p 4o p E
Eile Edit [iew Qptions EleEents Llelp (t=5) F=l) F=3) {4=2) (5=1) l[]To Ropl Rop4 Rop6.
q,'e -ixYls:fr1 ." lLb.. Ebttrt HHU.,: E. EXECUTE.
t; - r e c o d em a s t e r yi t e m s

W kr l,1iyr "i,',,r,-k L X
REcoDEl
nrastl mast3mast4mast6mast/ (1=4) P=3) (:=Z) (a=1)INTO
Slika 3.3 ProzorChart Editor. R m a s t lR m a s l 3F m a s l 4R m a s t 6R m a s t l
EXECLJTF

Prozor Syntax Editor Slika3.4 ProzorSvntaxEditor.

Ranije su seu SPSS-ukomande zadavaleposebnimkomandnim jezikom (sin-
taksom).SPSSi dalje pravi te skupovekomandi zaizvriavaniesvakogprogra-
ma, ali se one obidno ne vide, vei vidite samo SPSS-ovemenije koji te
komande,,ispisu;'u"umestovaskada izabereteneku stavkuiz menija.Iako su
moguinosti dostupneu SPSS-ovim menijima dovoljne veiini dodiplomaca,u
nekim situacijamaje korisno zaviriti iza scenei preuzetikontrolu nad anali-
zamakoje hoiete da obavite.To seradi u prozoru SyntaxEditor (slika3.4).
SyntaxEditor beleZisvekomandekoje ste upotrebili.To naroditodobro
dodekada morateda izmenite5ifreveieg broja starihpromenljivihili izradu-
nate vrednostinovih (5toie biti pokazanou poglavlju 8.) SyntaxEditor je
Meniji
Svakiod prethodnoopisanihprozorasadrZiiznenaduju6e veliki niz stavki u
menijima.One seprikazuju pomoiu ikonica (slidica)na paleti sa alatkama,
t u padajuiim menijima duZgornje ivice prozora.Ne dajte se uplaSiti;prvo
cemo uditi samo osnovnealatke, a sa ostalima6eteeksperimentisati kada
steknetemalo viSesamopouzdanja i iskustva.

>-
 Okviriza dijalog -
strelicom(trouglom). Prom.enliiveie preii u desnookno. Ako po-
Nakon Stoizaberestavkumenija,korisnikobidnon-rorada di joi informaci;" fn Aneo,esa
jliho&te da uklonite promenljivu iz spiskaVariable(s),samo obrnite
To se radi u okvirima za drjalog.Na primer, kada od SpSS-azatraltted. :E;;;
.ii- promenljivukoju hoiete da uklonite izaberiteu listi Variable(s),
kreneanalizuFrequencies, prikazaie seokvir za dijalog u kome *.u" an .,i]_ f"rr"prLt (trouglom).Ona ie sevratiti u prvobitnu ii-
beretepromenljivedijeudestalosti (frekvencije) fi priiirniri dugmesa strelicom
hoiete da dobijetetrl,ku r.ii 'riirro. trougla na dugmetu.odgovara smeruprebacivanjapromenlji-
Smer
q. pokamje da li se promenljiveprebacuju u lisru Variable(i)ili iz nje
"it,
ui^e^iuu levo okno'
4, Vanable[s]
4,0 l - l f*-. ' ]
d us" d sexlserl I
I Pu.t"l
Dugmadu okviruza diialog
i"eln^ okvira za dijalog sadrii standardnudugmad (OK, paste,Reset.Can-
st*Lrs
a$,nriaritat [mo*
s child[cnrld]
,1 | hrl3hert educ .-om6 | |
F.:", f
r":--*:'"r cel,Help; slika 3.5). Evo opisanamenetih dugmadi:
4S,sorrrceofstress
ls, L""|!!LJ . OK: Pritisniteovo dugmekada ste odabrali promenljivei spremniste
qt"';nol,er{;nrokel
{*l"f i
da pokreneteneku analizuili postupak.
{:]'.oo"n"^
. Paste:Ovim dugmetom se komande koje je generisaoSPSSprenoseu
ll Dispiay
frequency
tables
SyntaxEditor.To je podesnokada hoiete da zabelei,ire izdatekomande
ili viSeputa ponovite odredenu analizt.
r Reset:Ovim dugmetom briSeteiz okvira za dijalogsvekomande
Slika3.5 Okvirza dijalogFrequencies. izd:lte
tokom prethodnogkoriSienja.date analizeili postupka.Time dobijate
moguinost da novu analizu obavite bez ikakvog ,,"il.d..rog stanja,od
odavde 6ete otvoriti jo5 nekoliko okvira z.a diialog, u kojima se zadaju nule,s drugadijimpromenljivama.
statistidkeanalize,dijagrami koje treba nacrtari i format u kojem treba pred- o cancel:pritiskom na ovo dugme zatvarate
okvir za dijalog i otkazujete
stavitirezultate.Na raspolaganjusu razliiiteopcije,u zavisnostiod postup- svekomande izdateu vezi s datom analizom ili postupkom
ka ili analizekoju treba obaviti, ali su osnovnanaiela upotrebeokvira za o Help: Pritisniteovo dugmeda biste
dobili informacije o datoj alalizi ili
dijalog ista i sadaiemo ih razmotriri. postupku koji nameravateda sprovedete.
Mada sam kao primer okvira za dljarogna slici
lzbor promenliivihu okviru za diialog 3.5 prikazala okvir Fre-
quencies,svi spSS-oviokviri
za drjarogiunkcioniiu-p'o irro* osnovnom
Da bistenaznadilikoje promenljivehoiete da obradite,izaberiteih tako 5to principu.svaki okvir za dijalog
ima niz dugmadis ,rrriditi- opcijamakoje
iete ih pritisnuti miSemu levom oknu, pa porom pritisnuti dugmesa srreli- seodnosena konkretan porr.riuk
ili analiir. pomoiu te dugmadi offaraju
com (trouglom usmerenimudesno); izabranepromenljive ie preii desno,u sepodokviri u kojima
koiit"ik t"a
"..-- aie analizekojetreba obaviti ili statistiike
prazno okno Variable(s).Promenljivese mogu birati jedna po jednar(ito podatkekoje treba
prik";;i.
znadida svaki put treba pritisnuti strelicu)ili grupno. Ako su promenljive
koje Zeliteda izaberetesusedneu listi, pritisnitesamo prvu, zatim pritisnite
i drZitetaster Shift, i potom driite taster sa strelicomnadole pritisnut sve Sqto zatvoritiSpSS
dok ne izabereresve potrebne promenljive.Pritisnitedugme sa strelicorl \aoa zavrsire
rad u Spss-ui hoiete da zatvoriteprogram,
u gornjemhu:T pritisniremeniFile
(trouglom),i sveizabranepromenljivepreii ie u polje Variable(s). uglu prororr. u p"d";.riem menijLrkoii
ttsnitestavku ie se otvoriti pri-
Ukoliko promenllivekoje hoiete da izaberetenisu susedneu levomoknu, t*i,. Spsi c"" da pre zatvaranjasnimire
podacima olrir,' datotekus
pritisniteprvu promenljivukoju Zelire,pa pritisnitei drzite tasterc-trl,po- "",
i daroteku:-;";;i#;a.
crugadiju Svakoj od tih datoteka spss daje
meritekursor nanticdo slede6e promenljivekolu ielite i nju pritisnite,i t.rko otnutr".rifn,
uatoteka ri"imah vidi o kojoj vrsti informacijaje rei.
na.stavite(drzeii pritisnut taster Ctrl) dok ne tzaberetesvepromenljive kole t
qatoteka ood".irriJl"d;l'"ll
"r."i"
s komandama ripn .saq datoteka s rezurtarima.spo, a
Zeliteda obradite. Kada su sve porrebnepromenljiveizibrane, pririsrrire .sps.
Kako dobiti pomoc
U sluiaju da vam zatreba pomoi ili da ne znate na 5ta se odnosi neka od po_
nudenih opcija, pomozite se menijem Help. Kada u glavnom meniju p.iti_
snete Help, pojavi6e se viSe opcija: mogli biste potraZiti odredenu rem,,
proditati odgovarajuie uputstvo (Tutorial) ili pozvati u pomoi instruktoi
(Statistics Coach). Ovo poslednje je zanimljiva novost u SPSS-u,zaro ito
istraZivaiima i studentima statistike koji se ne snalaze moZe posluZiti ka.,
mEoII
Pripremadatoteke
s podacima
odliian vodii. Proveiie vas korak po korak kroz postupak izbora statisticke
analize koja odgovara vaiim potrebama. To ne moZe zameniti udZbenik iz
statistike, ali moZe da pomogne.
U svakom od glavnih okvira za dljalogpostoji i dodatni meni Help, sa in-
formacijama o izabranom postupku. PotraZite u njemu objainjenje raznih
opcija koje se nude u pomo6nim okvirima za dtjalog. Dovedite kursor na ne-
poznatlr opciju i pritisnite je desnim tasterom mi5a. Prikazaie se mali okvir pripremadato.tekes podacima za analizuobuhvata viSekoraka. Prvo sena-
s kratkim oblainjenjem te opcije.
oriuipr^rn^ datotekai u nju unesupodaci dobijeniu istraZivanju,u obliku
i.finit"""* u Sifarniku(objaSnjeno u poglavlju2).Zatim u datotecis poda-
cimatrebapronaii eventualnegreSkei ukloniti ih. U drugom delu kniige raz-
matraiu se upravo ta dva koraka. U poglavlju 4 obradeni su postupci za
pravljenje datotekei unoSenje podatakau nju. U poglavlju5 objalnjenje po-
stupak uklanjanja greiaka iz datoteke s podacima.
 datoteKe
Pravljenje
\
za podaikei uno5enje
podataka

j?.'^",,ixil
postupak',* j:*Ti:;jT:ff :,"liT#'::l'"'"Tt:Xf;
toKa,prr:"'-i'1.:::r.:-":;:;;
raka.Dliagram i ;;.r,,,.,,t pravljenia
,,.ruli.nia daroteke
pogravliuproveiiu vaskroz postupak
korake.U ovom SPSS-a'
i""f..i" podatakay,liu Romodu u pripremi datotekes podacima:
*'1t'd"u koraka
Oblasniiemot"
potrebi,izmenaopcija (tr prethod-
. Korakl. Prvi korak je pregledi, po
,e p..fer.n.e) koie SPSSkoristi za pri-
nim verzijamuspis u ,uui-. ,,,
i-irru ^ni"' podataka i dobii enih r ezlhara
.Korak2.Slede6ikorakjeizgradnjaStrukturedatotekespodacimade
finisanjemPromenliivih'
koju ie
. Korak3. poslednjikorak je unoSenjepodataka,ti..vrednosti
svakojpromenliivojdodelio svaki udesnikili ispitanik'

Navedenepostupkeiemoilustrovatinaprimerudatotekesurvey3ED.sav,
nu-
opisanoi,, dodutku. U dodatku ie i Sifarnik pomo6u kojeg su dobiieni
meridkipodaci za analiz,rrezultata.
Datolke s podacimamogu se uvesti i iz drugih programa za tabelarne
proraiune (npr. iz Excela).TL moie umnogome da olakSapostupak unoSe-
nia podataka,naroditostudentimakoii naivojim radunarimanemaiuSPSS'
U E*..lu korir.rik -o i.eda napravipraznu daioteku i da u nju unesepodat-
ke na svomkuinom rudrrnar.r.Kadu to zavrli, datoteku uvezeu SPSSi obra-
du i analizupodatakanasraviu njemu. Pri kraiu poglavlja biie navedena
uputstvaza unoienje podataka u Excelu.

rl
 Dijagram toka procesa analize podataka
PripremaSifarnika(poglavlje2) Da biste otvorili prozor Options, pritisnite Edit u glavnom meniiu na
vrhu ekrana, pa izaberite stavku Options. Otvoride se prozor prikazan na
II slici 4.1. Tu je navedeno mnogo opcija; veiinu ne6etemorati da menjate. U
V nasravku fu opisati samo kljutne opcije, podeljene po karticama na kojima
Pravljenjestrukturiranedatoteke za podatke (poglavlje
4) se nalaze. (S kartice na karticu prelerzitepritiskom na jezidak one na koju
hoiete da predete.) Nemojte pritiskati OK dok na svim karticama ne izme-

Y
l nite sve opcije koje nameravate da izmenite.

UklanjanjegreSakaiz datoteke s podacima (poglavlje

5)

l
Y General
Data
Viewer DraitViener
tiunency
DutputLabels
i Scripts
Chartr_.lnteraeti?e PivolTables
'lsrirbleLisl: Iuip{t
lstraiivanje podataka pomocu opisnih statistidkih
i-{ Oirploylabels i-,r Drsplaynames No scienhficnotationlot smlnumher!
tehnika i dijagrama (poglavlja6 i 7) *Fl tn tdbles
{.}Alphabetical i!)File

I ..lournal
5 es:ir-,n ViBWer
lype at Startup:

i B FecordsyntarinJounal
tll'Append {., Overwrite
1:l Eesular i".: Dreft

Modifikacija promenljivihradi daljih analiza(poglavlje Measurement

Syslem pornts
B) C:\...\SPS51
5" 1.0F0\rpss.1nl
r""'--_-l
l_-'!L9llie... , Lonsuese:
,!ry1$, '' :,
\ Temporary
directory:
Notification:

Obavljanje statistidkihanalizaradi c \iaMP PJ Faiseviewerwindo+r

Sprovodenje statistidkihanaliza
istraiivanja relacija (deo 4) l!i.l Scrolltg new output
radi poredenja grupa (deo b) Ii ;B
Fecentlgusedfilelist ; i Sound: &a None i"; Syslembeep
r')sound
l-Tffi-]
Korelacija (poglavlje 1 |) Neparametarsketehnike (poglavlje 1 6) fl 0pen synlaxwindowat stdrt-up
Delimidnakorelacija (poglavlje 12) T-testovi(poglavlje 17)
Vi5estrukaregresija (poglavlje 1S)
Logistidka regresia (poglavlje 14)
Analizavarijanse(poglavlja19, 1 9, 20)
Analizavarijansevi6e od dve promenljive
f l(-'l t c"";rl Fe-]
Faktorskaanaliza (poglavlje .l5) ( p o g l a v l j e2 1 )
Slika4.1 ProzorOptions.
Analiza kovarijanse(pogl avl)e22)

KarticaGeneral
lzmenaopciiau SpSS-u Kada dode vremeza obavljanjeanaliza)promenljivemogu biti poredaneabe-
Prenego5ronapravitedatotekus podacima,biro bi dobro cednoili redom kojim sepojavljuju u daroreci.Ja uvek koristim redosledpo-
da prouiite opcije
(postavke)SPSS-a od kojih zavisinadinprikazivanjapod"trku'irezultata.To javljivanjau datoteci,zato 5to je on jednak redosledusravkiu upitniku i u
su opcije za defi'isanje nadinaprikazivanjapro-"r,ljiuih, Sifarniku.Da bi se promenljiveprikazivalepo redosledupojavljivanjaurda-
velidinedijagr:r-
ma, vrstetabelau kojima 6erezultatibiti prikazanii mnogih toteci, pritisnite kruZii pored opcije File u odeljku VariableLists (gore levo).
drugih
ta programa.MoZda ie vam spodetkanelto od ovoga "rp.ln- U pododeljkuNotificationodeljkaOutput (doledesno)trebada su powrde-
bit] nerazumljivo, ali
dim podneteda unositei analiziratepodatke u SpSSlu, na polja Raiseviewer window i Scrollto new output. Tako ie senakon svake
-oi"t. se vratiti na
ovaj odeljak. analizeautomatski otvoriti prozor Viewer i prikazati novi rezultati.
ukoliko radunarna kome je instaliranspss delite s drugim U odeljku Output (goredesno),treba da izaberetepolje No scientificno-
korisnicima
("pl' u radunarsko;'laboratoriji),morareznariove postavkeiato sto ih drugi tation for small numbers in tables. Tako 6ete sprediti pojavljivanje nekih
str'rdentimogu promeniri, a to ie uveliko izmeniri izgredprograma. veomadudnih broieva medu rezultatima vaiih statistidkih analiza.
Tiebalo
bi da znatekako da vrariteopcijeu sraro,poZeljnoJtnrri..

\-
 U odeljku SessionJournal treba da je potvrdena opcija Append. To obez-
beduje da se u zapisnidkoj datoteci (spss.jnl) beleZesvi postupci koje oba-
vljate u SPSS-utokom svake sesije.Kada pritisnete dugrne Browse, moZere
da izaberetedirektorijum u koji ie ta zapisnidka datoteka (engl.lournal) biti
smeStena.
KarticaData
Na kartici Data su opcijekoje odredujunaiin prikazivanjadatotekes poda-
cima. Obaveznopotvrdite polje Calculatevaluesimmediately.Time postiZe-
te da SPSSodmah izraiuna i prikaZesverezultate.
Ako promenljives kojima radite nisu decimalnevrednosti,mogli biste
promeniti format prikazivanja svih promenljivih. U odeljku Display format
for new numeric variables,za broj decimalnih mesta zadajte0. To znadi da
se decimalnamesta neie prikazivati ni za jednu novu promenljivu. Time
smanjujetedatotekus podacimai pojednostavljujete njen izgled.
KarticaOutput Labels
Opcije u ovom odeljku slui.eza prilagodavanjenaiina prikazivanja obiinih
imena i duiih opisnih imena promenljivih u rezultatima.Na samom dnu, u
odeljku Variablevaluesin labelsare shown as, u padajuioj listi izaberiteVa-
luesand Labels.Tako iete u tabelamagenerisanimu SPSS-ovom prozoru Vi-
ewer mo6i da vidite i numeridkevrednostii dui.a,opisnaimenapromenljivih.
KarticaCharts
Na ovoj kartici su opcije koje odreduju nadin prikazivanja dijagrama. Mogli
biste promeniti opciju Chart Aspect Ratio tj. podrazumevani odnos Sirine
i visine dijagrama. Pored toga, tu se zadaju fontovi, boje i druga svojstva
dijagrama.
KarticaPivotTables
Veiinu rezultata statistidkih analizaSPSSprikazuje u izvedenim tabelama.
Na kartici Pivot TablesmoZeseu opseZnimlistama izabrati format tih tabe-
la. Stil koji vam najviSeodgovaranaii iete eksperimentisanjem. Kada tek
podnem s nekom analizom, upotrebljavam stil smallfont.tlo. U ovom stilu
slova su sitna, pa se Stediprostor na ekranu (i papir prilikom Stampanja).
Medutim, taj stil nije prikladan za uvoz u dokumente koji moraju biti
usaglaSeni sa APA stilom (obaveznimza publikacijeiz psihologije),zato 5to
sadrZi vertikalne linije. Kada budete spremni da formatirate tabele u svom
izveitaju o istraZivanju,mo6i iete da izaberetei neki od APA stilova (bilo
koji od formata academic.tlo).
\-
Stilove tabela moZete menjati koliko god puta hoiete, samo ne zaboravite
da stil treba promenttipre analize. Kada se tabele vei pojave u rezultatima,
viSeim se ne moZe menjati stil, ali se mnoga njihova svojstva (recimo, veliii-
na fontova, Sirina kolona) ipak mogu menjati u prozoru Pivot Table Editor.
Otvoriiete ga kada dvaput pritisnete tabelu koju treba izmeniti.
Nakon 5to izmenite sve 5to Zelite na raznim karticama iz okvira za dijalog
Options, pritisnite OK. Zatim moZete preii na definisanje promenljivih i
unoSeniePodataka.
Definisaniepromenliivih
Pre nego 5to podnete da unosite podatke, SPSS-umorate saopititi kako vam
se promenljive zovu i dati mu uputstva za 5ifrovanje (kodiranje), tj. pretva-
ranje vrednosti promenljivih u brojeve. To se naziva definisanje promenlji-
vih, a obavlja se u prozoru Data Editor (slika 4.2). Od verzije 10 SPSS-a,
prozor Data Editor se sastoji od dva razlt(ita prlkaza Data View i Variable
View Iz jednog u drugi prelazite tako 5to pritiskate jeziike nlihovih kartica
na dnu ekrana, s leve strane.
Svaka kolona u prozoru Data View odgovara po jednoj promenljivol
(engl. uariable) i nosi ime uar. Ta imena ie biti zamenjena imenima promen-
ljivih koje ste naveli u svom Sifarniku (slika 4.2). DuZ leve srrane su brojevi
1.,2, 3 itd. To su redni brojevi analiziranih sludajeva, koje SPSSdodeljuje
svakom redu s podacima. To nisu vaii brojevi za identifikaciju sludajeva;
osim toga, brojevi redova se menjaju kada sortirate datoteku ili je podelite
da biste podatke analizirali u podskupovima.
Postupakdefinisanjapromenljivih
Da bistedefinisalisvepromenljiveod kojih sevaii podacisastoje,najprepri-
tisnite jezitak kartice Variable View na dnu ekrana. U tom prikazu (slika
4.3), duL levestranesu navedeniredni brojevipromenljivih,a duZvrha nji-
hovi atributi (ime, tip, Sirina,broj decimala, dui.eopisno ime itd.).
Slika 4.2 ProzorData Editor.
 Va5 je zadartakda sve promenljive definiSetetako 5to iete navesti potreb-
ne informacije za svaku od njih u Sifarniku. Deo tih informacija morate sami
da obezbedite (npr. ime); ostale automatski dodeljuje SPSS,to su podrazu-
mevane vrednosti. Naravno, te vrednosti se mogu menjati po potrebi. U na-
stavku 6emo navesti osnovne neophodne informaciie. Upotrebila sam
zaglavlja koja odgovaraju zaglavliima kolona prikazanim u prozoru Varia-
ble View. Sledi opis jednostavnih koraka od kojih se postupak sastoji; medu-
tim, postoje i brojne predice koje 6ete moii da koristite kada upoznate
postupak. Njih navodim kasnije, u odeljku ,,Opcione predice"' Najpre treba
upoznati osnovne tehnike.
9
aEel
Slika4.3 VariableView.
Name
U ovu kolonu upiSitekratko ime svake promenliive navedeneu 5if:lrniku. Po-
moiu imena ie svaka promenljiva u datoteci s podacima biti identifikovana.
Imena treba da su Sto kra6a i da ne prema5uju 64 slovna znaka (od 12. verzrje
SPSS-anadalje), odnosno osam slovnih znakova (raniie verzlie SPSS-a).Ime-
na moraju zadovoljiti SPSS-ovukonvenciju o imenovanju (objainjenu u
poglavlju 2). Imena moraju biti jedinstvena,poieti slovom, i ne smeiu sadrLa-
ti razmake (beline) niti specijalneznakove. Primere dobrih imenarza promen-
ljive proiitajte u Sifarniku u dodatku. Tamo su navedena imentr promenljivih
koje su koriSiene u datotekama s podacima nirpravljenim za ovu knjigu. (Po-
jedinosti o tim datotekama videti na str. 12.)
Type
Kada upiSeteprvo ime promenliive,u koloni Type ie seautomatskipojaviti
podrazumevana vrednosttipa promenljive- Numeric.To ie vam odgovarati
za numeridkepromenljive,ali za tekstualneinformacije (recirno,prezime)
tip treba promeniti u String. Tip promenljive menjatetako 5to pritisnetede-
snu stranuielije; trebalobi da sepojavi okvir s tri tadkei da vam seprikaZu
dostupneopcije. U istom prozoru moZese podeiavatiSirinapromenljivei
mesta.
broj nienih decin-rah-rih
width
Podrazumevana vrednost Sirine je 8. To je dovoljno za veiinu numeriikih
podataka. Ukoliko vaia promenljiva moZe imati veoma velike vrednosti ili je
u pitanju tekstualna promenljiva tipa string, promenite podrzrzumevanu
vrednost. U protivnom, ostavite je na 8.
Decimals
Podrazumevanavrednost zabroj decimalnih mesta (koju sam zadala na kar-
dci Options opisanoj u prethodnom delu poglavlja) jeste 0. Ako va5a pro-
menljiva ima decimale, promenite ovu postavku kako god vam odgovara.
Label
KolonaLabel (duZeopisnoime) sluZida promenljivojdateduZiopis od onog
5tostaleu osamslovnihznakova,koliko le iznosilamaksimalnaduZinaimena
promenljivedo 12.verzijeSPSS-a. Dui.a,opisnaimenapromenljivihnavode
se u rezultatima svih SPSS-ovihanaliza.Primera radi, promenljivof kratkog
imenaUMAST mogli bistedodeliti duZeopisno ime Ukupno mastera.
Values
U koloni Values definiSeteznadenjebrojeva kojima ste Sifrovali tekstualni
sadri.ajpromenljivih, tj. zamenili ga. Pokazaiu taj postupak za promenljivu
pol (sex)u drugom redu tabelena prethodnojslici.
tri ta6kena desnojstranicelije(napresekukoloneValuesi drugog
1. Pritisnite
redatabele).Otvoricese okvirza dijalogValueLabel.
2. Pritisnite
poljeValuei u njegaupiSite7.
3. Pritisnite
poljeValueLabeli u njegaupi5ite,,mu5ki".
dugmeAdd. U zbirnompoljupisace'l:mu6ki.
4. Pritisnite
5. Ponoviteza Zenskipol:za Value upi5ite2, za Value Labelupi3ite,,2enski".
Pritisnite
dugmeAdd.
defini5ete svebrojevenavedene pritisnite
u Sifarniku, dugmeContinue.
Missing
PonekadistraZivadikoriste odredenebrojevekako bi pokazali da podatak
nedostaje, svakupraznuie-
tj. ne postoji.To ne morateda radite,poito SPSS
liju tumaii kao nepostojanje podatka.Dakle,ukoliko nameravateda ostavi-
te praznomestokada neki deli6informacijanije dostupan,u kolonu Missing
prikazaVariable View ne treba niStada upisujete.
S drugestrane,ako nepostojanjevrednostinameravateda kodirateodre-
denimbrojem (npr.99=nemavrednost),morategir upisatiu odeljakMissing
Values,inadeie ga SPSSu svim statistidkim analizamasmatrati za legitimnu
vrednost.U tom sludaju,izaberitestavkuDiscretemissingvaluesi upi5itetaj
broj (npr.99)u predvidenopolje.Mogu sezadarido rritroia koia ukazuju
na to da vrednostine postoje.Ukoliko upotrebljavatetakveposebnebrojeve
(5ifre),bilo bi dobro i da im dodeliteodgovarajuiaduZaopisnaimenau ko-
loni Values.
Columns
Podrazumevana Sirinakolona obidnoje B i to je dovoljno za veiinu nanena.
Izmeniteje samo ukoliko odekujeteogromne vrednostiili dugaika imena
prornenljivih.
Align
Vrednosti u kolonama obidno su poravnate ulevo. Nema potrebe da to
menjate.
Measure
Zaglavlje kolone Measure odnosi se na naiin merenja svake promenljive po-
jedinadno. Podrazumevana vrednost je Scale,5to znadi da se koristi interval-
na merna skala, pogodna za neprekidne (kontinualne) podatke. Kada se
promenljiva sastoji od kategorija (npr. pol, bradno stanje...), pritisnite tu ie-
liju i zatim dugme sa strelicom koje 6e se pojaviti. Zakategorijske podatke
izaberite nominalnu skalu (Nominal), a za one za koje je vai.an poredak mo-
guiih vrednosti, izaberite ordinalnu skalu (Ordinal).
Opcionepredice
Kada datotekas podacimaima mnogo promenljivih,opisanipostupakume
da bude zametan.ImaviSepredicapomo6ukojih ga moZeteubrzati.Ukoliko
vise promenljivih ima iste atribute (npr. tip, Sirinakolone, broj decimala),
definiSiteprvu promenljivu a zatim njene atribute kopirajte na ostale
promenljive.
Kopiranjeatributa iz definicijejedne promenljive
na drugu promenljivu
1. U prikazuVariableView pritisnitecehjusa atributomkojitrebakopirati(npr.
Sirinu,
Width).
2. OtvoritemeniEdit i u njemuizaberiteCopy.
3. Pritisnite
celijuistogatributakojapripadadrugojpromenljivoj (onojna koju
trebaprimenititaj atribu0.
4. OtvoritemeniEdit i u niemuizaberitePaste.
Kopiranjeatributaiz definicijejedne promenljivena vise drugih
Promenliivih
1. U prikazuVariable View pritisniteceliju sa atributomkojitreba kopirati(npr.
Sirinu,Width).
2. Otvoritemeni Edit i u njemu izaberiteCopy.
3. Pritisniteceliju istog atributakoja pripadaprvoj promenljivojna koju ga treba
primeniti,zadrlite levitaster miSapritisnuti prevucitekursorniz kolonu bira-
jucitako sve promenljivena koje taj atributtreba primeniti.
4. Otvorite meni Edit i u njemu izaberite Paste.
Zadavanje istih atributa nizu novih promentjivih
Kada podaciobuhvatajuskalekoje sesasrojeod vile pojedinadnihsravki,od-
jednom napravitesvere nove promenljivei definiiite njihove atribute.Kao
primer,slediopis tog postupkaza Sesrstavki (op1 do op6) skaleoptimizma:
1. u prikazuvariabfeview definisiteatributeprve promenrjive (opl) prema
prethodnim uputstvima. Trebalobi da zadatei duia opisnaimenakojaodgo-
varajumogucimiznosimate promenljive: 1:nimalo se ne slaiem,2:ne
slaiem se, 3:neutralno,4:slaZemse, S:potpuno se sla2em.
2. Dokje izabran variableview,pritisnitebrojredau komese promenljivanala-
zi (trebalobi da se timeizabereceo taj red).
3. OtvoritemeniEdit i u njemuizaberite Copy.
sledeciprazanred.
4. Pritisnite
5. OtvoritemeniEdit i u njemuizaberitepaste Variables.
6. u okviruza dijalogkojece se pojaviti,upisitebrojdodatnihpromenljivih
koje
trebanapraviti(u ovomsludaju5), njihovprefiks(op)i rednibrojkojimnove
promenljive trebada podnu(u ovomsludaju,2). pritisnitedugmeOK.
Dobiiete per novih promenljivih(op}, op3, op4, op5 i op6).
Vrednostina ostalim skalamadodajte prema opisanompostupku (reci-
mo, stavkeod spostl do spostl0 skalesamopoStovanja, engl.self-esteem).
Ne zaboraviteda je navedenipostupak prikiadan sa,nokada promenljive
imaju isteatribute;on ne moZeda sekoristi kada stavkeimaiu razliditeskale
odgovora, npr. kada su jednenominalne(nazivne,kategorijske),a drugese
mere u intervalima,ili kada se njihove vrednostirazliiito difruiu.
Uno5eniepodataka
Nakon ito zadate imena svil-rpromenljivih i, gde treba, duZ:r opisna imena
koja odgovaraju njihovim mogu6im vrednosrima, sve je spremno za unoSe-
nje podataka. Prethodno pripremite i Sifarnik.
Vaino Prilikomuno6enjapodataka ne zaboraviteda datoteku redovno snimate.
SPSS ni6ta ne snimaautomatski.Ukolikoto sami ne uradite,rizikujeteda izgubite
sve 5to ste uneli.Snimatetako 5to na paletisa alatkamapritisneteslidicudiskete
ili otvoritemeni File i u njemu izaberetestavkuSave.
Postupakunosenjapodataka
1. Podaci se unose u prikazuData View. Pritisnitejezidak kartice Data View na
dnu prozoraData Editor, levo. Pojavicese proradunskatabela sa imenima
novodefinisanihpromenljivihduZ vrha.
2. Pritisniteprvu celiju skupa podataka (u prvom redu prve kolone).Oko aktiv-
ne celije prikazacese tamna ivica.
3. UpiSitebroj (ako se radi o promenljivojlD, to bi trebalo da bude 1).
4. Pritisnitetaster sa strelicom nadesno; kursor ce preci u sledecu celiju de-
sno, u koju treba da upi6etedrugi podatak za analiziranisludajbroj 1.
5. U taj red unesitesve informacijeza sludajbroj 1. Pailjivo upisujteda bi svaki
podatak bio u odgovarajuiojkoloni.
6. Kada pritisnetetaster Home, kursor se vraca na podetak reda. Prelazaku
drugi red ostvaricetekad pritrsnetetaster sa strelicomnadole.U taj red une-
site podatke za sludaj 2.
7. Kada pogreiite i poielite da ispravite greiku, pritisniteceliju s gre5kom. Sa-
drZajielije ce se prikazatiiznadtabele.Tu upi5iteispravnuvrednost,pa priti-
snite taster sa strelicomnadesno.
Kada definiSeteprornenijive i unesete podarke, vai prozor Data Editor
trebalo bi da liii na onai sa slike 3.1.
Modifikovaniedatotekes podacima
Kada napravljenu datoteku s podacima poZelite da izmenite, npr. da doda-
jete, bri5ete iii premeitate promenljive, dodajete ili uklanjate analizirane
sludajeve(redove tabele), otvorite prozor Data Editor u prikazu Data View.
Uklanjanjejednog sludaja
Pronadite sludaj (red) koji treba ukloniti. Dovedite kursor na osendenideo s
leve strane u kome je prikazan broj reda (sludaja),pa pritisnite jeclnom da bi-
ste izabrzrliceo red. Pritisnite taster Delete nzl tastaturi ili otvorite meni Edit
i u niemu izaberite Clear.
Umetanieiednog sludaiaizme.du
postoiecih
u redu neposrednoispodmestagdeho6e-
i.u.dite kursor n,r bilo koju ieliiu
(red).Otvorite meni Data i u njemu izaberitestav-
L-d" ,rrn.rnetenov sluiaj
Pojaviie se prazan red u koii se mogu uneti podaci za nov
t-u inr"t, Case.
sluiaikoji analizirate'
UklanianiePromenliive
sa imenompromenljivekoiu treba
Douedii. kursor na osendenideo kolone,
kolonu tako 5to iete jednom pritisnuti to ime. Priti-
ukloniti. Izaberitecelu
ili otvorite meni Edit i u niemu izaberiteClear.
,nit. turt"t Deletena tastaturi
Umetanienove promenliiveizmedu postoiecih
Doveditekursor na bilo koju ieliiu u koloni (prornenliivoj)desnood onegde
bistehteli da umetnetenovu promenljivu.Otvorite meni Data i u niemuiza-
beritestavku lnsert Variable.Pojaviie sepraznakolona u koju semogu uneti
podaciza novu Promenljivu.
PremeStaniepostoiecihpromenliivih
Otvorite prozor Data Editor u prikazu VariableView. Izaberitepromenljivu
koju trebapremestititako 5toiete pritisnutilevu marginu (levood broia tog
reda).Pritisnite i zadri.itelevi taster mi5a, i prevucite promenliivu na novo
mesro.(Dok je budete prevladili, prlkaziva(e se crvena linija koia pokazuje
gdestetrenutno.)Pustitelevi tastermiSakada stignetedo Zeljenogmesta.
Unoienie podatakau Excelu
Datoteka s podacima se moZe pripremiti u Microsoftovom Excelu i zatim
uvestiu SPSSradi analize.To je odliino za studentekoji SPSSnemaju kod
kuie. Excelje obidno deo Microsoftovogpaketa Office. (Proveriteda li ga
imatetako 5to iete na Windowsovojradnoj povriini pritisnutidugmeStart,
otvoriti istoimeni meni i pritisnuti u njemu stavku Programs;prikazaie se
spisaksvih programa koji se nalazeu radunaru).Slediopis postupkapra-
vljenjanove datotekes podacimau Excelui njenogvYozau SPSS. Ukoliko
nameravateda iskoristiteovu moguinost,trebalo bi nauditeosnoverada u
Excelu,poito seto ovde neie objainjavati.
Upozorenie:ExcelmoZeda radi s najviSe256 kolona s podacima(ri. pro-
menliivih).Ako bi vaia datotekas podacimatrebaloda ima viSepromenlji-
vih, verovatno ie vam biti lakie da je napravite u SPSS-unego da je
naknadnokonvertujeteiz Excela.(Ako bisteipak morali da koristiteExcel'
to bisteuradili ovako: na svaki Excelovradni list stavitedo 256 promenlii-
vih, ali tako da je ID prva promenljivana svakomlistu. Zatim svaki list za-
sebnoprebaciteu SPSSi tamo ih spojite (obiedinite)'prema uputstvima
navedenimu sledeiemodeliku.)
I
I
Korak 1: zadavanjeimena promenljivih Kada dode vreme da analizirate te podatke u SPSS-u,
treba da otvorite
U prvi red praznog Excelovog radnog lista upiSite imena promenljivih. Th oznakom tipa .sav, a ne Excelovu datoteku sa oznakom
spss datoteku sa
imenir treba da su usaglalena sir SPSS-ovimpravilima za imenovanje (nave- tiPa .xls'
denim u poglavlju 2). (objedinjavanja) datoteka,obaveznonapravitenjihovu
Uoozorenje Pre spajanja
kopiju.Spojene datoteke 6uvajte u drugom direktorijumu.Proveriteda li
:;;;^t
Korak2: unoSenjepodataka podatakauspelo,tj. da li su dobijenipodaci jednakionima u prvobitnim
iJ
"p"i""i"
1. Unesitepodatke zaprvi analizirani
sludaju neki red Exceloveproradunsketa- datoteKama'
bele, pazeci da oni odgovarajukolonamau koje ih upisujete.
2. Ponoviteza svaki od preostalihsludajeva.Nemojte koristitiformule niti druge Spaianiedatoteka omoguiava
Excelovefunkcije.Ne zaboraviteda redovnosnimatedatotekutokom uno5enja. Deiuua se da zatrebaspojiti SPSSdatotekes podacima.SPSS
3. PritisniteFile, Save. U polju Save as Type treba da stoji Microsoft Excel datoteka dodavanjemredova (tj. analiziranih na kraj
sludajeva)
"naianie
Workbook. U odgovarajucepolje upi5ite ime pod kojim ie datoteka biti ntrtoi.i. datoteke,i dodavanjempromenljivihza svakiod postojeiihsluia-
je
snimljena. i.uu. npt kada postanudostupnineki novi podaci.Ova druga moguinost
naroiiio podesnakada imateExcelovedatotekes podacimana viSelistova,
koie treba spojiti na osnovuidentifikatora(ID-a) sludajeva(redova).
Korak 3: pretvaranjeu format SPSS
Spajaniedatoteka dodavaniemsludaieva
1. KadazavrSite uno5enje podataka,
snimitedatotekui zatvorite
Excel. Ovo je postupak spajanjadatoteka koje sadrZeiste promenliive,ali razlidite
2. Pokrenite SPSS i u prozoru
Data Editor,u glavnom menijuizaberiteredom analizftanesluiajeve;na primer, kada se isti podaci prikupljaju na dva mesta
File,Open,Data. (recimo,u dve bolnice)ili ih unosedve osobe.Obe datotekemoraju imati iden-
3. U odeljkuFilesof TypeizaberiteExcel.Excelovedatotekeimajuoznakutipa tidnaimenapromenljivih,madadrugi podaciu datotekamamogu biti razliiiti'
.xls.Pronadite je takoda se njenoime
va5udatotekus podacima.Pritisnite Ukoliko su ID broievi u datotekama koje treba spojiti isti (sludajevi
pojaviu poljuFile name. podinjusa ID = L,2, 3 itd.), moraieteih u iednoj ili drugoj datoteciizmeniti
4. PritisnitedugmeOpen.Pojavice se prozorOpeningExcelDataSource.U pre spajanja,tako da nakon spajaniasvaki analizirani sludai zadrLi svoj
poljuReadvariablenamesfrom the first row of data trebada stojikvadi- jedinstvenID broi. Evo kako seto radi: otvorite jednuod datoteka,otvorite
ca. Pritisnite
OK. meni Transform i u njemu izaberitestavku Compute Variable. U polie Tar-
get VariableupiSiteID, a u polje Numeric ExpressionID + 1000 (odnosno
ID + broj veii od postoje6eg broja sludajevau datoteci).PritisnitedugmeOK
DuZ vrha prozoraprikazaieseimenapromenljivihiiji su podaciuvezeni.
i zatim ponovo OK u okviru za drialogkoji ie vaspitati Zeliteli da promenite
tu promenljivu.Time ie novi ID brojevi u toj datotecipoieti od 1001, 1002
Korak4: snimanjeSPSS datoteke itd. ZapiSiteto u svoj Sifarnikda bi se znalo ubr.rduie.Sadaje svespremno
1. U glavnommenijupri vrhu prozoraizaberite
Filea zatimstavkuSaveAs. za spajanjedatoteka.
2. Upi5itenekoprikladnoime datoteke.U poljuSave as Typetrebada stoji
SPSS (*.sav).Pritisnite
dugmeSave. 1. Otvoriteprvudatotekukojutrebaspojiti.
3. U prikazuVariableView prozoraData Editor sadatrebada zadatesadriaj 2. Otvoritemeni Data, izaberiteu njemustavkuMerge files i potom Add
poljaVariablelabel,Valuelabel,Valuesi Measure(tj.duZaopisnaimena Cases.
promenljivih
i njihovih
mogucihvrednosti,
samete vrednostii njihovtip;videti An externalSPSS data file i zatimizaberite
3. U okviruza dijalogpritisnite da-
prethodnodatauputstva). totekus kojomtrebaspojitionu otvorenu.(Akoje vec otvorena,bice nave-
denau poljuAn open dataset.)
Continuei zatimOK. Novudatotekusnimite(File,Save As) pod
4. Pritisnite
nekimnovimimenom.
Spajanje datoteka dodavanjem promenljivih podeladatoteke s podacimana grupe
Ovo je postupak spajanjadatoteka koje sadrZeiste sludaieve.ali razlidite
pon"k"d datotekutreba podelirii zasebnoanaliziratitako dobiieneSrupe
promenl;'ive
(pri demuodgovarajuiisluiajevimoraju imati isti ID broi). obe Time datotckuneietetraino izmeniri;to ie opciia
i...i*o, mu5karcei Zene).
datotekemoraju poieti promenljivom ID ili nekom drugom zajednidkom i iskljuditi.Medutim' promeni6ese redosledprikazi-
f^i, r. moZeukljuditi
promenljivom,npr. prezimenomili bolniikim brojem. sludajeva. Datoteku vra6ateu prvobitni redosledsorti-
l^niu u"nt;tiranih
Sort Cases'
raniempo ID-u, komtrndom
1. sortirajteobe datotekerastucimredosledompo polju lD. (otvoritemeni
Data,u njemuizaberite stavkuSort CasesizatimlD.) stavkuSplit File'
1. U menijuData izaberite
2. u menijuData izaberite stavkuMergeFilesi pritisniteAdd variables. Compare
2. Pritisnite groups po kojojtreba grupisati
i zadajtepromenljivu
3. U okviruza dijalogpritisnite
An externalSPSS data file izatimizaberite da- OK'
(npr.sex)'Pritisnite
totekus kojomtrebaspojitionu otvorenu.(Akoje ve6 otvorena, bice nave-
denau poljuAn open dataset.)
Nakon podeledatotekena grupe (u ovom sludaju,muSkarcei Zene),sve
4' U poljuExcludedvariablestrebada je navedenapromenljiva lD, zatosto obavljajuza svakugrupu zasebno.Kada zavrSiteanalize,vratitese
analizese
postojiu obe datoteke, pa je dovoljnopreuzeti
je izjedneod njih,tj. ne treba
je preuzimati i iskljuditeoPcijuSPlitFile'
dvaput.Ukolikosu tu navedena imenajoi nekihpromenrjivih,
promeniteim imenapritiskomna dugmeRenameda bi sve promenljive u stavkuSplit File.
1. U menijuData izaberite
spojenojdatoteciimalejedinstvena imena.
prvu
2. Pritisnite tadku(Analyzeall cases,do not creategroups).Pritisnite
5. Pritisnitepromenljivu lD, potom polje Match cases on key variablesi
nlzad dugmesa strelicom.
oK.
Timece promenljivalD preciu poljeKeyVaria-
bles. To znadida ce biti objedinjenipodaciza analiziranesludajeve ozna-
deneistimlD bro.yevrma.
6. Snimitenovudatoteku(File,SaveAs) pod nekimnovimimenom. lzbor sludaieva
Za neke analizemoraiete da izaberetepodskup celog uzorkir (npr. samo
muikarce).

KorisnemogucnostiSPSS-a 1. OtvoritemeniData i u njemuizaberite stavkuSelectCases'

sPSSima mnogo korisnih moguinosti koje su podesneza analizei itede vre- 2. Pritisnite dugmeif conditionis satisfied.
me i trud. U narednimodeljcimanaveSiunekoliko glavnih. 3. Pritisnite dugmelF.
4. lzaberite promenljivukojadefinisegrupuod interesa(u na6emprimeru,pol,
Sortiranjedatoteke s podacima tj. sex).
sPSSmoie da sortira podatke po vrednostimaodredenepromenljive(npr. 5. Pritisnite dugmesa strelicom; izabrana promenljivace preciu odgovarajuce
polu, starosti). polje.Pritisnite dugmesa znakom jednakosti(:) prikazanounutartastature
na ekranu.
1. otvoritemeniData, izaberite u njemustavkusort cases izadajtepromen- 6. Upi5itebrojkojiodgovara izabranoj grupi(pro6itajte Primera
ga u Sifarniku.)
ljivupo kojojtrebasortirati.Potomzadajteda li ce se podacisortiratipo ra- radi,u uzorkusu mu$karci kodiranibrojem1, pa bisteupisali1. Na komand-
stucem(Ascending)iliopadajuiem(Descending)redosledu. pritisnite
oK. noj linijibi trebaloda piSe:sex:1'
2. Datoteku vracateu prvobitniredosledtakosto u ponovnom postupkuzadate 7.Pritisnite Continuei zatimOK.
sortiranjepo lD-u.
u analizama(npr. korelaciji)radenimposleovog postupkaizbora sluiir-
jeva,biie obuhvaienasamo izabranagrupa (npr. muikarci). Kada zavriite
analize,vratite se i iskljuc=ite
opciju SelectCases.

\
 1. Otvorite meni Data i u njemu izaberitestavkuSelect Cases. Komentariu datotecis podacima
2. PritisnitestavkuAll cases. PritisniteOK. U meniju Utilities, SPSSima i opciju snimanja opisnih komentara u datoteci
s podacima'

1. Otvoritemeni Utilities i u njemu izaberitestavku Data File Comments.

Upotrebaskupova
U velikim datotekamas podacimaponekadje zametnolistati kroz mnoirvo
pronrenljivih navedenihu SPSS-ovimokvirima za dijalog da bi se stiglo do
onih potrebnrhza analize.SPSSomoguiava definisanjei koriSienjeskupova
promenljivih. To je posebno korisno u datoteci survey3ED.sav, gde ima
mnogo pojedinadnihstavki koje sesabiraju,azbirovi su tek na dnu datote-
ke. U sledeiemprimeru napraviiu skup koji obuhvata samo demografske
promenljivei zbirove.
1. OtvoritemeniUtititiesiu njemuizaberite
stavkuDefineVariableSets.
2. U listi izaberitepromenljive.
Medu njimanekabudu lD, demografske pro-
menljive(od sex do smokenumber)i svi zbirovina dnu datoteke,od Total
Optimismnadalje.Premestite te promenljive
u poljeVariablein Set.
3. U poljeSet Name upi5itenekoprikladno imeskupa(npr.Totalsili Zbirovi).
4. PritisnitedugmeAdd Set izatimClose.
2. Upi5itekomentare.Ako Zeliteda se i oni prikazujuzajednos rezultatimaana-
liza,potvrditepolje Display comments in output. Komentarise snimajuza-
jedno s datumom kada su uneseni.
Informacijeo datotecis Podacima
U poglavlju2 pokazalasamkako sepre unolenjapodatakaformira Sifarnik.
ima i opciju DisplayData File Information,pomoiu koje sepravi saZet
SPSS
opis promenljivihu datotecii njihovih vrednosti.
1. U menijuFile izaberite
DisplayData File lnformation.
2.lzaberiteWorking File.Aktiviracese prozorzarezultale(Viewer)ipojavice
se dve tabele:Variablelnformationi VariableValues.U prvojce biti sve
promenljiveizdatotekes podacima,a u drugojbrojevikojimasu kodirane
ka-
promenljive.
tegorijske

Skupstenapravili,ali da bistega mogli koristiti, najprega nrorareaktivirati.

Prikazivanjeopisnih imena promenljivihumesto njihovih
1. OtvoritemeniUtilitiesi u njemuizaberite stavkuUse VariableSets. numeridkihvrednosti
2. U listidefinisanih
skupovapromenljivih, stavitekvadicuporedimenanapra- Kada sedatotekas podacimaprikaZeu prozoru Data Editor,obidnose pri-
vljenogskupa(Zbirovi), a zatimse vratitenavi5ei uklonitekvadicupored kazujui numeridkevrednostisvih promenljivih.Ukoliko hoiete da prikaZete
stavkeALLVARIABLES (jerbi se inadeprikazivale
svepromenljive).
Ostavite duZa,opisna imena promenljivih (npr. muiki, Zenski)umestonjihovih nu-
kvadicuporedstavkeNEWVARIABLES. Pritisnite
OK. meridkih vrednosti, otvorite meni View i u njemu izaberitesfavku View La-
bels. Ovu opciju iskljudujetena isti nadin (u meniju View izabereteView
Kada su skupoviaktivirani,samoizabranepromenljiveseprikazujuu da- Labelsda biste uklonili kvadicuispred nje.) Drugi nadin da ukljuditeili is-
toteci s podacima i u okvirima za dijalog potrebnim za obavljanjestatistid- kljuiite opciju View Labelsjesteda na paleti sa alatkamapritisneteikonicu
kih analiza. koja lidi na nalepnicuili karticu s deklaracijom.
Da bisteiskljudilipodelu na skupove:

1. OtvoritemeniUtilitiesi u njemuizaberite Use VariableSets.

2. Potvrdite
opcijuALLVARIABLES i pritisnite
OK.
f% l ^ r - \i
*s"il
Pronalahenje
'
;* \, "cl i uklanjanje
I r^-^:-

L",n*"ff pogtesnili podataka

Prenego5to podneteanalizupodataker,neophodnoie da iz njih uklonite gre-

5ke.Veomaje lako pogreSitiprilikom unoSenjapodataka,a nekegreike na-
Zalostumeju da upropastekasnijeanalize.Primeraradi, dovoljno je upisati
35 kada je trebalo uneti 3, pa da serezultati korelacioneanalizepotpuno po-
remete.Neke analizesu veoma osetljivena takozvaneneregularneili neti-
pidnetadke(engl.outlier),tj. vrednostikoje su mnogo veie ili mnogo manje
od onih dobijenih u svim ostalim analiziranimsluiajevima.Zato je bolje
utro5itivremena podetku,u traZen;'u i otklanjanjugreiaka,negonaknadno
u pokulajima da se otkloni Stetakoju zaostalegre5keprouzrokuju.Iako je
taj postupak dosadani naporan za oti kada se radi o velikim skupovima
podataka,on je neophodan,a uStedede vam mnogo nerviranja!
PostupakdiSdenja podatakaobuhvataviSekoraka:
. Korak 1: traienje greiaka. Prvo treba pregledatida li je vrednostneke
promenljiveizvan rasponamoguiih vrednosti.
. Korak 2: pronalaien'jei isprauljanjegreiaka w datoteci s podacima.U
datoteci s podacima treba pronaii tu greiku tj. analiziranisludal u
kome segreika javija, i ispravitiili obrisatitu vrednost.
Da bisteimali na demuda veZbateopisanipostupak,ubacilasam greike
u glavnu datotekus podacimasurvey3ED.sav i tako dobila datotekuerror-
3ED.sav,koja semoZepreuzetis prate6e'Web lokacijeove knjige (pojedino-
sti videti na str. xi i u dodatku). U dodatku je i 5ifarnik na osnovukoieg je
vrednost svake promenljive pretvorenau odgovarajuii broi tj. podatak.
Zato pokrenite SPSSi otvorite error3ED.sav.Proradujuii navedenekorake,
tumaieii rezultateSPSSanalizai rade6ina datotecis podacima,upoznadete
SPSS-ove menije.Za svaki postupak sam navela i odgovarajuieSPSSko-
mande.U poglavlju3 je detaljnijeopisanaupotreba prozoraSyntaxEditor
za beleZenje i snimanjeSPSSkomandi.
Prenego5topodnete,u menijuEdit izaberitestavkuOptions.Na dnu kar-
tice Output Labels nadite poslednjepolje (Variablevalues in labels shown
as:)i u njemu izaberitestavku Valuesand Labels.Time ste zadalida seza ka-
tegorijskepromenljiveprikazuju i tekstualniopisi (engl.labels)i nr-rmeridke
vrednosti(tj. 5ifre,brojevi),5toolaklavaprepoznavanje greiaka.
 ^eraK | : rrazenregresaka
Traienjegreiaka seprvenstvenosvodi na Sledi odabranideo rezultataprethodnog
postupka.
trazenj_eonih vred.osti koje su izvan
rasponamoguiih vrednosridate promenrjive. Statistics
Na prtd;ili" promenljiva
Pol kodiranasa 1=muiki, 2=Zsnskl,niiedna
n;enavrednost'e bi sesmelaraz-
likovati od 1 ili 2. vred'osti izvan;"r;;
moguiih vrednostikvarerezulrare
statistidkih analiza,pa je veoma vaino ispraviti
sve te greike pre nego sto
uopstepodneteda analiziratepodatke. rrizitrgreike
,r"E, fr.gr.dati udesta-
fosti (frekvenctje)suib pto-.niliuih, ukljudujuii
tu i svepojedinainevrednosri
od kojih se sastojemerneskare.cresk. ir.b"
rrpr"uiti pi. i;;;;""r"" ja z.bir_
nih rezultataza te skale.Bilo bi dobro da
u nekom podsetnikubelezitesve
pronadenegreike i izmenekoje ste sproveli
u a"ro,".i', fiil.i;".
U sPSS-upostoji viie moguinostiza trai.enjeg.";"L"iopirneu
- jedanpodesniji zakategoiijske aun naii.a
promenrjive(nir. poly, u-a'*gi za neprekid_
ne (npr.starost).

TraZenje_
g resaka u vrednostimakategorijski
promenljivih h marital status

u ovom odeljku predscaviiupostupak pre.traLivanja

kategorijskihpro-
menljivih. U sledeiemprimeru pr"t.riii.-t
darorekuerror3E"D.sav, koja se 2 STEADY
moie preuzeti s prateie rfeb rokacije ove RELATIONSHIP
knjige ("id;r; ;;i;TraZiiu gre_ 3 LIVINGWITH
8.4
ike u vrednosrimapromenrjivih poi (sex),
Bradno sranje (Marital status) i PARTNER 8,4 40,8
NajviSazavriena .kola (Highesreducarion 4 MARRIEDFIRST
completed).u datoteku error- TIME
3ED.savgre.ke su ubadene,,u-".r,o, pa njih Aa1
83.8
n.;u ;;ir;o]-d-"ror..i , po_ 5 REMARRIED
dacima,survey3ED.sav. 6 SEPARATED o,d 90,7
7 DIVORCED 2.3 s2.9
{4
8 WIDOWED 98.4
Total 1.6 100,0
PostupakpretraZivanjakategorijskihpromen
ljivih
1' U glavnommenijuna vrhu prozorapritisnite
Anaryze,zatimDescriptivesta- highest aduc completed
tistics i najzadFrequencies.
2.lzaberitepromenljive kojeielite da proverite(npr.pol,brak,skola).
t sa streticom,dimeizabranepromenljive prebacujeteu polje 2 SOME
ff|;:lfjugme SECONDARY 11,8
3 COMPLETED
4' Pritisnite dugmestatistics.U oderjkuDispersionpotvrdite HIGHSCHOOL
poljaMinimum 19,4 ?1 ?
iMaximum. 4 S O M EA D D I T I O N A L
TRAINING )7a
5. Pritisnite continueizatimoK (iripasteda bistesvesnimiri 5 COMPLETED
59,0
u syntax Editor). UNOERGRADUATE
Opisanipostupakgenerisesledecekomanoe; 2B.A 87,0
6 POSTGRADUATE
COMPLETED 12.8 99,8
22
FREOUENCIES Total 7 10 0 , 0
vARtABLES:polbrakskola 100,0
/STATISTICS:MtNtMUMMAXTMUM
/ORDER: ANALYStS

I
}
 Rezultatipostupkasu podeljenina dva dela.U prvol tabeli je kratak pre- 3. Pritisnitedugme Options. Ovde se moZe izabrativi5e statistidkihpokaza-
gledsuih traZenihpromenljivih.U preostalimtabelama,za svakupromenlji- telja; glavni su srednja vrednost (engl. mean), standardno odstupanje,tj.
vu pojedinadnodati su raSdlanjenirasponi odgovora. (Navedeni su i standardnadevijacija(engl.sfandard deviationili skracenoSTDDEV),mini-
tekstualniopis kategorijskevrednostii njemu odgovarajuiaSifra(broj); ta- mum i maksimum.Pritisnitepokazateljekoje SPSS treba da izraduna.
kav prikaz rezultatasedobija kada postavke(Options)izmenitepremapre- 4. PritisniteContinue izatim OK (iliPaste da biste sve snimiliu Syntax Editor).
porukamadatim u prethodnomdelu poglavlja.) Prethodnipostupakdaje ove komande:
. PogledajtenajniZei najviSevrednosti.Imaju li smisla?Jesuli unutar
rasponamoguiih vrednostidatepromenljive?U prvoj tabeli (nazvanoj DESCRIPTIVES
Statistics)vidi seda je za promenljivuPol minimum 1, a maksimum3. VARIABLES:starost
Ta trojka je neispravna,po5to bi najveia vrednosttrebaloda bude 2 - /STATISTICS:MEANSTDDEVMIN MAX
pogledajteSifarniku dodatku.Maksimalnavrednostza najviSuzavrie-
nu Skoluje 22 i to je pogreino,poStobi maksimumtrebaloda iznosi6. Opisani postupakdaje sledece rezultate:
o Proveritekoliki je broj valjanih (engl.ualid) i nedostajulh (engl.mis-
Descriptive Statistics
slzg) sluiajeva.Ukoliko nedostaju6ihsludajevaima mnogo, zapitajte
se zaito je tako? Da niste greiili prilikom unoienja podataka, npr. N Minimum Maximum Mean Std- Deviation
pobrkali kolone prilikom upisivanja?Deiava se da na dnu datotekes age 4JV z 82 ?7 ?A 13,2V3
Valid N (listwise) 43S
podacimabude praznih redova,nastalihtako 5to dovekgreSkompre-
dalekopomeri kursor i nenamernonapravi prazne6elije.Ako vam se
to desilo, otvorite prozor Data Editor, predite u red koji na sadrii
podatke,pritisniteosenienuieliju s brojem praznogreda,pa pritisnite Proveriteiznoseminimuma i maksimuma.Imaiu li smisla?U ovom slu-
taster Delete na tastaturi. Ponovite postupak Frequenciesda biste do- daju,raspongodina starosti1eod2 do 82. Minimum 2kazuje da je do5lo
bili ispravnevrednosti. do gredke,polto bi uzorak trebalo da sadrLisamo podatke o odraslim
r Ostaletabeles rezultatimaodgovarajupo jednojispitivanojpromenlji- osobama.
voj. U njima sevidi koliko je analiziranihsludajevaupalo u svaku od le- Ima li iznos srednjevrednosti (engl.mean) smisla?Svaki broj izvan ra-
gitimnih kategorija.Takodesevidi u koliko sludajeva(redova)postoje sponadozvoljenihvrednostikvari srednjuvrednost.Ako seradi o pro-
vrednostikoje su izvan opsega.Tu je jedansludaju kome je Sifrapol:r menljivojkoja semeri na nekoj skali,da li je srednjavrednostu skladu
3 i jedna osoba koja za najviSuzavrienu Skolu ima Sifrt 22. Te greike s vadim odekivanjimana osnovu prethodnih istraZivanjaobavljenih uz
svakakotreba pronaii i ukloniti, ali mi iemo najprepokazatikako se koriS6enje istemerneskale?Da li je srednjavrednostna srediniraspona
greike tral.eu promenljivamas neprekidnim (kontinualnim) vrednosti- dozvoljenihvrednostiili je bliZajednom kraju raspona?To seponekad
ma u datotecis podacima. deSavakada semereobeleZjakao 5to su anksioznostili potiStenost.

Proveraneprekidnihpromenljivih Korak2: pronalaZenje gregaka

i ispravljanje
u datotecis podacima
Postupak pretraZiva nih promenlj
nja neprekid ivih Stada radimo kada pronademoneki odgovorizvanopsegadozvoljenih(npr.
1. U glavnommenijunavrhuprozorapritisnite Analyze,zatimDescriptiveSta- Sifru3 za pol)? Prvo treba naii greSkuu datotecis podacima.Nemojte po-
tistics, pa Descriptives. kuiavati da je sami pronadetetako 5to iete ditati ceo skup podataka.Ima
2. lzaberite promenljive (npr.starost- age).Zatimpri-
kojehoceteda proverite viSedobrih naiina da SPSS pronadegrelku u datoteci;ovdeiu pokazatidva.
tisnitedugmesa strelicomda bisteizabranepromenljive prebaciliu polje
Variables.
 Kada ispravite greSke, ponovite postupak pretraZivanja kategorijskih
Prvi nadin
promenljivih (Analyze, zatim Descriptive Statisticsi najzad Frequencies)da
1. U prozoruData EditorotvoritemeniData i u njemuizaberitestavkusort
tiste utvrdili ima li u datoteci joi greiaka. DeSavase da dovek jednu greSku
Cases.
ispravi, a drugu napravi. Sve skupa ieste zametno, ali nema smisla poiiniati
2. U okviruza dijalogkoji ie se pojaviti,pritisnitepromenljivu(npr.por)koja
analize dok je skup podataka neispravan. Uspeh celog istraZivanja zavisi od
sadrzigreskui zatimstrelicukojomje premestateu poljesort By. U zavi-
toga. Nema predica!
snostiod toga2eliteli najvecevrednostina dnu ili na vrhu,pritisnite
ascen-
ding odnosnodescending.Hocemoda nademoosobuza kojupromenljiva
pol imaSifru3, pa bi trebaloda izaberetedescending(kakobi se ta trojka SaZet prikaz sludaieva
prikazalaodmahna vrhu,po5tosu prihvatljive samovrednosti1 i 2). U postupkudiSienjapodataka,jo5 jednaSPSS-ova proceduraume dobro da
3. Pritisnite
OK. posluZi;to je funkcija SummarizeCases,koja omoguiava da izaberete
odredenepromenljivei samonjih prikaZeteza svesludajeve.
U Data Editoru pritisnite jezidakkartice Data View tako da se prikaZu
vrednosti podataka. sludaj koji sadrzi pogrednuvrednosr izabranepro- 1. OtvoritemeniAnalyze,pritisniteReports,pa SummarizeGases.
menljive(5ifru3 za pol) trebalobi da je na vrhu datoteke.Pogledajtekolonu 2.lzaberilepromenljivu lD iostalepromenljivekojevaszanimaju(npr.pol,de-
promenljivepol. U ovom primeru,videieteda promenljivapol u prvom na- ca, pu5ad).UklonitekvadicuispredpoljaLimitcasesto first 100.
vedenomsludaju(ID=103)ima vrednost3. Da su ovo va5ipodaci,trebalobi 3. PritisnrtedugmeStatisticsi ukloniteNumberof cases iz poljaCell Stati-
da uzmeteupitnike i utvrdite da li je muikog ili zenskogpola osobasa iden- stics.PritisnitedugmeContinue.
tifikacionim brojem 103. Zatim bisteobrisalivrednost3 i upisaliispravnu 4. PritisnitedugmeOptionsi uklonitekvadicuispredpoljaSubheadingfor to-
vrednost.zabeleLitetaj podatak u svoj podsetnik.ukoliko su vam original- ContinueizatimOK (ili Pasteda bistesvesnimiliu Syntax
tals. Pritisnite
ni podaci nedostupni,uklonite pogreSnuvrednost,a SPSSie je zamenitisi- Editor).
stemskomoznakomza nedostajuiipodatak. (To je tadkakoju 6e SpSSsam Prethodnipostupakgeneri6eove komande:
upisati,pa vi ne treba da je upisujeterudno).
Nakon 5to otkrijete greiku u datotecis podacima,proveriteima li greiaka
SUMMARIZE
u susednimkolonama (promenljivama)istog analiziranogsludaja.U ovom /TABLES:idpol decapu5ad
sluiaju, osobaID=103 ima za starostpogreSnuvrednost,2. /FORMAT:VALI DLISTNOCASENUM NOTOTAL
Sledi prikaz drugog nadina pronalaZenjasluiaja s pogreino upisanirn /TITLE:'SaZetprikazsludajeva'
polom. /MISSING:VARIABLE
/CELLS:NONE.
Drugi nadin
1' U prozoruDataEditorpritisnite jezidakkarticeDataViewtakoda se prikaiu Ovako izgledadeo rezultataprethodnogpostupka.
vrednostipodataka.
Saiet prikaz sludajeva
2. Pritisnite imepromenljive(npr.pol)kojasadrZigre5ku.
3. NakonStopritisnete imepromenljive,trebaloje da celakolonabudeizabrana.
4. OtvoritemeniEdit i u njemuizaberite stavkuFind.
5. U poljesearch for upi5iteneispravnuvrednostkojutraiite(uovomsru6aju, 3).
6' PritisnitedugmeSearchForward.SPSS ce pretraiitidatotekui zaustaviti
se na prvomsludajukojisadriizadatuvrednost. ZapisitenegdelD brojtog 4
sludaja(broju prvojkoloni).
Trebacevamda bistega pronasri meduzapisima 2 ZENSKI
ili upitnicima
i tamoproditaliispravnuvrednost.
7.Ako trebada potrazite drugesludajeve sa istompogresnom vrednoscu, po-
novopritisnite search Forward.U ovomprimeru, kolonaFrequencyu tabeli
pol na str.45 kazujenamda postojisamojednaneispravna vrednost3.
 DEOill
U ovom poglavlju traLlli smo greike u nekoliko promenljivih u datoteci s
podacima, tek da bismo pokazali kako se to radi. Naravno, u sopstvenom
istraZivanju proverili biste sve promenljive. Da biste veZbali pronalaZenje
greiaka, ponovite opisane postupke za sve promenljive u datoteci error-

analize
3ED.sav. U nju su namerno ubadenegreike da biste zaista imali 5ta da traZi-
te. Ispravne vrednosti svake promenljive navedenesu u dodatku, u Sifarniku
za datoteku s podacima survey3ED.sav.
Ukoliko vam treba viSe informacija o pronalaZenju i uklanjanju greiaka
Preliminarne
u podacima, preporudujem poglavlje 4 u knjizi koju su napisale Tabachnik
i Fidell 2007\.

Pregleddatotekes podacimai istraZivanje prirode promenljivihmoZepoieti

tek kada je datoteka s podacima iista, bez greiaka.eiSienjeje pripremaza
primenu konkretnih statistidkihtehnika pomoiu kojih iete dobiti odgovore
napitanja koja bi istraZivanjetrebalo da rasvetli.Treii deo knjige sastojise
od pet poglavlja.U poglavlju 6 predstavljenisu postupcidobijanjaopisnih
statistiikih pokazateljai za kategorijskei za neprekidnepromenljive.U
njemu su objainjeni i proveranormalnostiraspodelevrednostineprekidnih
promenljivih i provera postojanja netipidnih tadaka (engl. owtliers).Za
upoznavanjepodatakaumeju dobro da posluZei dijagrami.U poglavlju 7
predstavljenje deo de5ieupotrebljavanihdijagramakoje SPSSume da nacr-
ta. Katkada datotekus podacimatreba obraditi da bi postalaprikladna za
odredeneanalize;recimo, sabrati iznosepojedinadnihstavki da bi se dobili
zbirni rezultati na skali ili podeliti neprekidnupromenljivu na manji broj
diskretnihkategorija.Te tehnikeobradepodatakaobjaSnjene su u poglavlju
8. Postupakproverepouzdanosti(unutraSnje saglasnosti)merneskalepred-
stavljenje u poglavlju9. To je posebnovaLnopri ispitivanjurezultataanketa
i u studijamau kojima sepomoduskalamerekarakteristike(obeleZja) lidno-
sti,njihovi stavovi,uverenjaitd. U ovom delu knjigeje i poglavljekoje bi tre-
balo da vas uputi kako da izaberetestatistidketehnike prikladne za trar.enje
odgovorana pitanja koja su predmetistraZivanja. U poglavlju 10 prikazane
su neke statistidketehnike dostupneu SPSS-ui svaki korak postupka izbora
statistidkihtehnika prikladnih za konkretne potrebe.Istaknuti su neki vaZni
aspektikoje treba uzeti u obzir (npr. vrsta pitanja, vrsta podataka, obeleLja
promenliivih).
 it\

. \ Opisnistatistidki
pokazatelji

Kada obezbediteda u datorecipodataka nema gre5aka(ili barem clavredno_

sti nijednepromenljivenisu izvan rasponadozvoljenihvrednosti),moZere
podetiopisnu (deskriptivnul fazu analizepodataka. opisne statistidkeana_
lizemogu seupotrebitina viSenadina,medu kojima i:
' za opisivanjeuzorka u odeljku Metodologija izveitaja
o obavljenom
istraZivanju;
' za proveru da li. neka od promenljivih krli pretpostavke
na kojima
podivajustatistidketehnikepomoiu kojih treba odgovoriti na piranja
koja bi istraZivanjetrebaloda rasvetli;
. za pronalaienjeodgovora na konkretna
istraZivadkapitania.
Informacijepotrebn.eza opisivanjeuzorka u odeljku
. Metodologija izve-
s-t"iio istraZivanju'daju i poirupci proverepodataka
pomenuriu poglavlju
j:^u":l9til1a koi3obuhvataju
ljuie, dobroje prikupitifoJ",r., o broju
u uzorku,.brojui procentualnom,rd"l,, orob" muikog
:::t^1]1 j]ue:aieva)
pola u uzorku, rasponu i srednjojvrednostistarostitih
::l"tno.Zensk.og
usoDa' nrvou njihovogobrazovanjai svim drugim
rerevantniminformacija-
prisrupitemnogimsratistidkimanalizama(kao Srosu r_resr,
Tftrli:^":g:Sto

i$"ftjff:"::fIiTimru::
u i,etvrtom i petom
*:#"ffi:i:;,:,"ffi
i";Tiffi
delu knjige.;
""'
t s p t t t v a n j eh i p o t e z a ( p r e t p o s t a v k i )
. o b i i n o p o d r a z u m e v ad a s u o p i s n i s r a -
l,f'jl'*:"::3:1t"ti1
-'Lqrrusr,standardno n'o*.r'iltuih vei izraiunati.Medu njima su srednja
odstupanje,rasponvrednostiprorr..r,iiiuih,asimetrija
lengl'sftstaaess)
i snljoitenost_
statistidki 1engr.[rriorlgraspodere. U spss-u seopisni
pokrrrt.lii mogu dobitl ,r" urs" nadina,
iz udesralosri(Frequen-
I'iif:::1'llh vrednosti
ili po-o.',, funlciiaDescriptives
ili Exprore.Sve
po.,uii t"1"?]1l::rnmeniju Analyze,sravka.Descriptive
Statistics.Medutim,

li*,l,lt' fr:iixx;'l.#rn##irr,',T
du..,;^if",'lltl"l
ho-il"jra
nrJep'menl;rv na kategoriiskepromenl;'ive.
prrkazaiemo razliditepristupeka.tegoriiskim
U naredna
i neprekidnimpro_
Ako biste Zelelida i iami na ,adu'ar., pratite pri^.r. iz ovog
p""ill]:*".
r-6ravlla, otvorite
datoteku survey3ED.sav.
KategoriiskePromenliive Tumadenjerezultatadobiienih iz udestalosti
opisnih statistidkih pokazateliakategoriiskiDpromenljivih
noiedinihvrednosti
Za d,obr1lan1e
niihovih vrednosti.Tako iete saz.ati L nrikazanihrezultatavidimo da u uzorku ima 185 muikaraca (42,1'pro-
udestalosti(Frequencies) ukupno tine 439 ispitanika.Treba
"p"*.trii. Zenskogpo- *ilrl i 254 Lena(57,9 procenata),koii
k;liill"-"roba dalo koli odgo.'or(npr.osobarnu5kogodnosno ispitanika u raznim podskupovima uzorka. U nekim analiza-
stanienemasmisla lf,VorcZnibroj
la).Zalategorijsk" pro-.,'f;it'e kao 5to su polili braino lakSeje kada su grupe (podskupovi)pri-
itd' ,n" tt u" ito je, iecimo, ANOVA)
izraiunavatfrr.dttlu vrednost,standardnaodstupania prikladne za grupe diie sevelidine
;fr;" jednakevelidine.Neke analizenisr-r
grupe male'
rnogo razlikuiu,naroditokada su
Postupakdobiianjaopisnih statistidkihpokazatelja
kategorijskihPromenljivih NeprekidnePromenliive je upotrebiti funkciju Des-
1.Ug|avnommenijunavrhuProzorapritisniteAna|yze,zatimDescriptiveSta. Za neprekidnepromenlfive (npr. starost) lakie
tistics, pa Frequencies. criptiues,kclja ie izradunati ,,zbirne" statistidkepokazatelie kao 5to su sred-
2.|zaberi|ekategorijskepromen|jivekojevaszanimaju(npr.po|)'Prebaciteihu nia vrednost(engl.mean),medijanai standardnoodstupanje(engI.standard
poljeVariables. d'euiation).Ne treba izlistavatisvevrednosti,postoih nekepromenliiveima-
pritisnite (ilidugmePasteda biste snimiliu
komande
3. continue i zatimoK ju vise storina.Opisni pokazateliisvih neprekidnihpromenljivih mogu se
Syntax Editor). dobiti jednimpotezon; ne trebaraditi jednu po jednu promenliivu,negosve
Prethodnipostupakgeneriseove komande: promenljiveod interesazaiednoprebaciteu polje Variables.Medutim, uko-
iiko i-ut. mnogo promenliivih,spisakrezultata6ebiti veomadugadak;tada
FREOUENCIES ie lakie raditi jednu po jednu grupu promenljivihi tokom postupkabeleZiti
UO*,O31-E5:pol 5taje uradeno.
/ORDER: ANALYSIS
Postupakdobijanjaopisnih statistidkihpokazatelia
je:
RezultatprethodnogPostuPka za neprekidnepromenljive
Statistics 1. U glavnommenijunavrhuprczorapritisnite Analyze,zatimDescriptiveSta-
tistics, pa Descriptives.
2. lzaberite neprekidnepromenljive (npr.starost,ukupansubjektivno
do2ivljen
N valid 435
stres)za koje2eliteda dobijeteopisne pokazatelje.
statistidke Prebaciteih u
Missing 0
poljeVariables.
1
XIMUM
3. PritisnitedugmeOptions. Potvrditepoljamean,standarddeviation,mini-
mum, maximum,skewnessi kurtosis (6imeste izabralida se izradunaju
srednjavrednost,standardno odstupanje, minimum, maksimum, asimetrijai
spljoStenost raspodele,redom).
4. PritisniteContinueizatimOK (ilidugmePasteda bistekomandesnimiliu
SyntaxEditor).
Prethodni postupakgeneriseovekomande:

DESCRIPTIVES
VARIABLES:starostusudstres
MEANSTDDEVMIN MAX KURTOSISSKEWNESS
/STATISTICS:
 Rezultatprethodnogpostupkaje: Nedostaiucipodaci
Opisni slatisliakipokazatelji
Kada seradi istraZivanje, pogotovoono s ljudima,retko seza svakiispitiva-
N Minimum Maximum Mean std. Skewness Kurlosis ni sludajdobiju potpuni podaci.Uvek treba pregledatida li u datotecine-
Statislic Statistic Statistic Stalistic Statistic Slatistic Std. Eror Statistic Std. Eror
439 18 82 37,44 13,20 ,606 117 ,203 ,233
dostajuneki podaci.Pokrenitefunkciju Descriptivesi za svakupromenljivu
Jkupansubjeklivno utvrdite koliki procenatpodatakanedostaje.Kada pronadetepromenljivu
lo:ivljenstes 433 12 46 26,73 117 ,234
kojoj neodekivanonedostajemnogo podataka, zapitajte se koji je razlog
,245 ,142

Jkupanoptimizam 435 7 30 22,12 4,43 ,494 117 ,214 ,234

436 I 28 3,97
,kupnoSSDOUS 20 88 60,60 1 1, 9 9
/alid N
istwise) 425
TumadenjerezultataprocedureDescriptives
U prikazanim rezultatima, sai.etesu informaciie koie su bile potrebneza sva-
ku promenljivu.Na primer,za promenljivu Starost,imamo podatkeo 439
ispitanika,rasponnjihove starostije od 18 do 82 godine,srednjavrednost
37,44 godine,i standardnoodstupanjeod te srednievrednostiiznosi 13,20
godina. To bi trebalo navestikao opis uzorka u odeljku Metodologila izve-
stajao istraZivanju.
Opisni pokazateljikazuju poneito i o raspodelivrednostineprekidnih
promenljivih(asimetrijii spljoltenostinjihoveraspodele).Te informacijesu
potrebne za parametarskestatistiike tehnike (kao 5to su t-test i analiza va-
rijanse,tj. rasturanja rezultataoko njihove srednjevrednosti).Asimetriia
pokazujeasimetrijuraspodele,a spljoitenostkoliko je raspodela,,5iljatija"
ili ,,spljodtenija"od normalne.U normalnoi raspodeli,asimetrijai spljoite-
nost (kurtosis)jednakesu 0 (sto se u druStvenimnaukamaretko sreie).
Pozitivne vrednosti asimetrijepokazuju da je ve6ina dobijenih rezukata
levo od srednjevrednosti, medu manjim vrednostima.Negativne vrednosti
asimetrijepokazuju da je ve6ina rezultatadesnood srednjevrednosti,medu
veiim vrednostima.Pozitivnavrednostspljoltenostipokazujeda je raspodela
Siliatiiaod normalne(ima viSerezultatanagomilanihoko centraraspodele),
te da ima tanke dugadkerepove.Spljo5tenost manja od 0 pokazujeda ie
raspodelapljosnatijaod normalne(ima viSesludajevana repovima).Asime-
triinost ,,nemaznatnijeguticaja na rezultateanalize"ako je uzorak razumno
velik (Tabachniki Fidell,2007, str.B0). SpljoStenost ponekadprouzrokuje
preniskuprocenuvarijanse(disperzije, rasturanjaoko srednjevrednosti),ali
sei taj rizik smanjujekod veiih uzoraka(preko200 sluiajeva;videtiThbach-
nik i Fidell,2007, str.80).
Dakle, asimetrijui spljoltenosttreba obaveznoizraiunati kada uzorak
sadrZimanje od 200 analiziranihsluiajeva.U velikim uzorcima,testoviza
izradunavanje asimetrijei spljoltenostipreviSesu osetljivi.Tabachniki Fidell
(2007, str. 81)preporudujuda se oblik raspodelepogledanpr. na histogra-
mu. PostupakdaljnjegocenjivanjanormalnostiraspodelerezuhataistraZi-
vanja objasniiemou nasravkuodelika.
,613 117 ,285
tome i da li podacinedostajunasumidnoili tu moZeteuoditi neku pravilnost
118 ,247 (npr.mnogo Zenanije odgovorilona pitanje o svojoj starosti)?
Kada dode vremeza statistidkeanalize,moraiete da razmislitei odludite
5taiete preduzetiu vezis nedostajuiimpodacima.U mnogim SPSS-ovim sta-
tistidkim postupcima, preko dugmeta Options pristupate moguiim naiini-
ma tretiranja nedostaju6ihpodataka.Tu treba paLljivobirati, jer izbor moZe
zna(ajno uticati na rezultate, narodito ako prilaZetespisak promenljivih i
iste analizeponavljate za svepromenljive (npr. korelacijeunutar grupe pro-
menljivih, t-testovi niza zavisnrhpromenljivih).
. Opcija Excludecaseslistwise znaii da ie biti analizirani samosludajevi
u kojima za sue promenliiue navedeneu polju Variables postoje sul
podaci.Svakiispitivanisluiaj za koji nedostajemakar i delii podataka,
uopite ne6ebiti analiziran.To moZe znatnoi nepotrebnoograniiiti ve-
lidinu uzorka.
. Opcija Excludecasespairwiseznadida ie sludaj(osoba)biti iskljuden
samo iz onih analizaza koje mu nedostajeneki neophodanpodatak.
Dakle, i takvi sludajeviie biti analiziranikad god je to moguie, tj. kad
god postojepodaci potrebni za datu analizu.
. Opcija Replacewith mean,dostupnau nekim SPSS-ovim statistidkim
postupcima (npr. viSestrukojregresijl), znaii da ie biti izradunatasre-
dnja vrednostsvih promenljivih i da ie njome biti zamenjenipodaci
koji nedostaju.Ovu opciju nikada ne bi trebalo da koristite, poSto
moie znatno da iskrivi rezultareanalize,narodito onda kada nedostaie
mnogo podataka.
Kad god sprovoditeneki statistiiki postupak, pritisnite dugme Options i
proveritekoja je od navedenihopcija potvrdena(jer sepodrazumevanaop-
cija menja u zavisnostiod postupka).Ako nematejak razlogda postupite
drugadije,preporudilabih vam da sludajeveiskljuiite samoiz onthanalizaza
koje im nedostajupodaci.Jedinasituacijakada bi vam moglo zatrebatida
analizeograniiite samona sludajevekoji imaju podatkeza svepromenljive
jesteona kada treba razmotriti samo podskup sludajevakoji daje potpun
skup rezultata.
Za iskusnijekorisnike,SPSSima naprednijei sloZenijemogu6nostiproce-
ne nedostajuiihpodataka,npr.pripisivanjem(engl.imputation).One su do-
stupne u SPSS-ovojanalizi Missing Value Analysis, koja je neobavezan
dodatansoftverskimodul. Njome bistemogli da otkrijetei pravilnostzajed-
nidku nedostaju6impodacima.
Procenanormalnostiraspodele Rezultat postupka je:
Mnoge statistidke tehnike predstavljeneu detvrtom i petom delu knjige podi- Dascriptives

vaju na pretpostavci da je raspodela rezultata zavisne promenljive normal- Statistic Sld Error
na. Normalna raspodela je simetridna, zvonolika kriva s najve6im brojem lotal PerCetVedstress Mean to,t J , 2 41
95o/oConfidence Interval Lower Bound 26,18
rezultata u sredini i manjim brojem rezultata prema krajevima (repovima) for Mean Upper Bound
27,28
zvona (videti Gravetter i \fallnau, 2004, str. 48). Normalnost se moZe do-
5% Trimmed [4ean 26,64
nekle proceniti na osnovu izradunatih vrednosti asimetrije i spljoitenosti Median 26,00
34,194
zvona,5to je opisano u prethodnom odeljku. Medutim, SPSSu meniju Des- Variance
5,848
Std. Devialion
criptive Statistics ima i stavku Explore koja nudi druge nadine. Opisaiu taj Minimum
Maximum 46
postupak na primeru procene normalnosti raspodele rezultata za promenlji- Range 34
vu Ukupan subjektivno doZivljen stres u celom uzorku. Na raspolaganju InterquartileRange
Skewness ,245 117
vam je i moguinost da to uradite zasebno za razne grupe u uzorku, tako 5to Kurtosis .182 .234
iete u spisku Factor List unutar okvira za drjalog Explore zadati jod jednu
dodatnu kategorijsku promenljivu (npr. pol). Extreme Values

Case Number id Value

total perceived stress Hlghesl 1 40
Postupakprocenenormalnostipomocu funkcije Explore 3
262 157 44
43
216 61
1. U glavnommenijunavrhuprozorapritisnite Analyze,zatimDescriptiveSta- 190
257 144
tistics, i najzadExplore. Lowest T 366 404 12
2. Pritisnitepromenljive kojevas zanimaju(npr.Ukupansubjektivno doZivljen 189 9 1t
3 247 127 13
stres)i zatimdugmesa strelicomda bisteih prebaciliu poljeDependent 4 244 119 't3
'13
List. 5 qR 3nl

a. U tabeli ekstremnihvrednostiprikazanje samo deo sluaajevas vrednoB6u42

3. U poljeLabelCasesby: stavitepromenljivu lD.
4. U odeljkuDisplaytrebada je potvrdenopoljeBoth. Iests of Nomality

5. Pritisnite dugmeStatistics,zatimDescriptives, pa Outliers. Kolmodorov-Smimov" ShaDirewilk

6. Pritisnite dugmePlots.U odeljkuDescriptivepritisnite
Histogram.Pritisni- Statistic df Siq. Statistic .if Sio
toEil prcerved stress ,Oti9 4J3 .000 992 433 021
te opcijuNormalityplots with tests. Pritisnite
Continue. u.*r"** oatislrdkeznadajnosti po Lillieforsu
ineslueajnosli)
7.Pritisnite dugmeOptions.U odeljkuMissingValuespritisnite Excludeca-
ses pairwise.Pritisnite ContinueizatimOK (ilidugmePasteda bisteko- _,,

mandesnimiliu SyntaxEditor).
Navedenipostupakce generisati sledecekomande: Tumadenjerezultatafunkcije Explore
NavedenirezultatisadrZeobilje informacija.To ume da uplali dovekadok
EXAMINE ne naudi 5ta da traLi.U ovom odeljku protumadidemote rezultatekorak po
VARIABLES:usudstres korak.
/lD: id
o U tabeli Descriptivesdati su opisni pokazatelji i druge informacije o
/PLOTBOXPLOTHISTOGRAMNPPLOT
/COMPAREGROUP analiziranimpromenljivama.Kada se u spiskuFactor List zada neka
/STATISTICS DESCRIPTIVESEXTREM
E promenljivagrupisanja,informacijeie biti izradunatezasebnoza sva-
/CINTERVAL 95 ku grupu, a ne za uzorak kao celinu.Deo tih informacijaiete svakako
/ M I S S I N GP A I R W I S E prepoznati(mean,median,std deviation,minimum, maximum itd., tj.
/NOTOTAL. srednjavrednost,standardnoodstupanje,minimum, maksimumitd.).
MoZda ne znate5taje 5% Tiimmed Mean. Da bi dobio taj broj, SPSS
zanemarigornjih i donjih 5% sludajevaibez njih izradunanovu sred-
 nju vrednost.Kada uporediteprvobitnu (26,73)i novu srednjuvred- Histogram
nost (26,64), shvatiiete da li ekstremnevrednosti mnogo utiiu na
srednjuvrednost.Ako sete dve srednjevrednostimnogo razlikuju,mo-
Ldabi ekstremnetadketrebalododatnoispitati.ID brojevinajekstrem-
nijih sludajevaprikazanisu u tabeli ExtremeValues.
Medu rezultatimasu i asimetrija(skewness) i spljo5tenost(kurtosis),
koji opisuju raspodelu rezukata unutar dveju grupa (videti opis
o
znatenjatih pokazateljadat u prethodnom odeljku). o
U tabeli Tests of Normality dati su rezultati ispitivanja normalnosri
L
raspodelekoje su izumeli Kolmogorov i Smirnov.Normalnost se po-
kazujestatistiiki neznadajnim(sludajnim)odstupanjemod normalno-
sti, tj. iznosomSig.ve6imod 0,05. U ovom sludajuSig.iznosi 0,000,
5to pokazujeda pretpostavkao normalnostiraspodelenije potvrdenir
i da je moramo odbaciti.To je sasvimuobidajenoza velikeuzorke.
tlean =:6,73
Stvarnioblik raspodelerezultatasvakegrupevidi sena njihovim histo- Sld.Dev.=5,848
l,l =431
gramima. U ovom primeru izgledakao da su rezultati prilidno normal-
no raspodeljeni.To potvrduje i izgled krive normalne verovatnoie,
Normal Q-Q Plot. Na njoj se opaZenavrednost rezultatacrta zajedno
saoiekivanomvrednoiiu kolu bi dala normalnaraspodela.Stoje linija
opaZenihrezultatabliZa pravoj liniji, to je raspodelabliZa normalnoi.
Kriva DetrendedNormal Q-Q Plot prikazuje stvarno odstupanjeopa- doZivljenstres
NormalQ-Q Plot of ukupansub.iektivno
ienih rezultataod horizontalnelinije koja predstavljanormalnu raspo-
delu.Trebalo bi da veiina tadakabude pribliZno simetridnorasporedena
oko te horizontalnelinije i da setadkenigde ne gomilaju.
. Na poslednjojslici je je pravougaoni dijagram(engl.boxplot) raspode-
le rezultataza dve grupe. Pravougaonikpredstavlia50 procenataslu-
dajeva, pri iemu repovi (linije koje izlaze iz pravougaonika) idu do
najveiih i najmanjih vrednosti. Katkada se vide i izolovani kruLiii iz-
6 l
E
o
van tog raspona;njih je SPSS razvrstaou netipidnetadke.Linija unufar z
pravougaonikaje medijana.U narednomodeljku, u kome se govori o o

otkrivanjunetipidnihtadaka,biie joi redio pravougaonomdijagramu. CL

llJ -t

U gornjem primeru, raspodelaje bila prilidno normalna. To se ne dogada

baSdesto.Na mnogim skalamai u meramakoje sekoriste u druitvenim nau-
kama, rezultati su raspodeljeniasimetriino, levo ili desnood srednjevredno-
sti (vrednostasimetrijepozitivna ili negativna).To uopite ne mora daznatida
je problem u mernoj skali, vei pokazuje stvarnu prirodu konstrukta koji se
meri. Primera radi, merezadovoljstvaZivotomdestosu negativnoasimetridne ,lii

u druitvima dija je veiina umereno zadovoljna svojom sudbinom. Klinidke ObservedValue

mere anksioznostiili potiStenosti(depresije)u opitoj populaciji destosu po-
zitivno asimetridne,jer veiina ljudi ima relativno malo simptoma tih pore-
me6aja.Neki autori u ovoj oblasti preporudujuda seasimetridnoraspodeljeni
rezultati statistidki,,transformi5u".O tome iemo jo5 govoriti u poglavlju 8.
64 D e o l l l : P r e l i m i n a r naen a l i z e Poglavlje6: Opisni statistidkipokazatelji

DetrendedNormalQ-Q Plot of ukupansubiektivnodo2ivljenstres Otkrivanienetipidnihtadaka

Mnoge statistidketehnike razmatraneu ovoj knjizi osetljivesu na netipidne
tadke(engl.outliers),tj. rezultatekoji su mnogo iznadili ispodveiineostalih
reztltata. Tehnikeopisaneu prethodnom odeljku mogu seupotrebiti iza ot-
0.4 krivanjenetipidnihtadaka.
oono . Najpre pogledajmohistogram.Bacitepogledna repoveraspodele.Ima li
=
E U,J tu usamljenihtadakaekstremnihvrednosti?Ako ima, to su potencijalne
z netipidnetadke.Ako prema krajevima raspodelebroj taiaka opada uz
F
O nr pribliZnojednak nagib, verovatno nemarazlogaza zabrinutost.
o o Drugo, pogledajtepravougaoni dijagram(engl.boxplof). Svevrednosti
o
0,1 koje SPSSsmatranetipidnimtadkama,tu se prikazuju kao kruLiii oz-
nadenibrojevima.(To su ID brojevitih sludajeva.) SPSSsmarranetipid-
nim sve tadke koje su od ivice pravougaonikaudaljenevi5e od 1,5
oo ooo "oo
njegovihduZina.Ekstremnevrednosri(oznadene zvezdicom")jesu one
oo
koji su od ivice pravougaonikaudaljeneviSeod 3 njegoveduZine.U
1r:r ft
gornjemprimeru nije bilo ekstremnihtadaka,ali jesudve netipidnetad-
:r:r
ke, diji su ID brojevi24 i 157. Kada nadetetakve radke,morare razmi-
ObservedValue
sliti 5taiete s niima.
. Treba proveriti da li je vrednostneripidnetadkezaistatolika ili je u pi-
tanju gredka.Proverite tu vrednost i da li je unutar opsegamoguiih
vrednosti date promenljive. Ponekad se isplati pogledati u upitniku
odnosnozapisupodataka da li je podatak pogrelno unet. Ako seradi o
greSci,ispravite je i ponovo nacrrajte pravougaoni dijagram. Ukoliko
nemanikakve greike,morate odluditi 5taiete s rom netipidnomtadkom.
Neki pisci knjiga o statisticisaverujuda sesveeksrremnenetipidnetadke
ukloneiz datotekes podacima.Drugi savetujuda sete vrednostizamene
manjeekstremnim,kako bi i one udestvovaleu analizama,ali tako da ne
mogu iskriviti statistidkepokazatelje.ViSeo rome videti u 4. poglavlju
knjige autorki Tabachniki Fidell (2007).
r Informacijeu tabeli Descriptivespokazuju koliki problem 6e predsta-
vljati sluiajevis netipidnimtadkama.Pogledajtesrednjuvrednosrizra-
dunatubezgornjih i donjih 57" sludajeva,tj.5oA TrimmedMean. Kada
seta i prava srednjavrednostmnogo razlikuju, te tadketrebajo5 ispi-
tati. U ovom primeru su te dve srednjevrednosti(26,73i26,64) veoma
bliske.Zl:ogtoga i dinjeniceda se te vrednostine razlikuju previie od
ostatkaraspodele,zadri.a(uih u datotecis podacima.
' Kada zateba da izmeniteili uklonite nekepodatke
iz datoteke,predite
u Data Editor i sortirajtepodatke po opadajuiemredosledu(da biste
pronaSlisludajeves najviSimvrednostima)ili rastu6emredosledu(za
stres
doZivljen
Ukupansubjektivno
sludajeves veomaniskim vrednostima).Na taj nadinie sludaievikoie
treba posebnorazmotriti dospeti na vrh datoteke s podacima. Predite
u kolonu s vrednosrimadatepromenljive i izmeniteili uklonite proble-
matidnuvrednost.Sve5to izmeniteu datotecis podacima-or"t. b.-
leZitiu svoj podsetnik.
 %
DodatneveZbe
Poslovnookruienje
Upotr"F"4ij"grama
Datoteka s podacima:staffsurvey3ED.sav.pojedinostio datotecivideti u za opisivanje
i analizu
dodatku.
1. sproveditepostupkeobjainjeneu ovom poglavlju da biste generisali
podataka
odgouarajuie opisne statistidkepokazatelje,pa zatim odgoiorite na
sledeiapitanja.
(a) Koliki procenarosoblja(engl.staffl te organizacijeiine sr.lno za_
posleni?(Upotrebitepromenljivuemploystatus.)
(b) Koliko je prosednotrajanje zaposlenjaosoblja u toj organizaciji?
(Upotrebitepromenljivuseruice.\
Numeridkevrednosridobijeneu poglavlju6 daju korisneinformacije
(c) Koliki procenarispitanika bi organizacijupreporudiokao dobro o t)zor-
ku i promenljivama,-aliseneki aspektibolje istrazujuvizuelno.SpsS
mestoza rad?(Upotrebitepromenljivurecommend.) ume da
nacr,taviSevrsragrafikona ili dijagrama(engr.grapis, cbarts,lutrl.u
2' Oceniteraspodelurezultatana skali Total Staff Satisfaction(totsatis) ouo-
poglavlju opisaiu osnovneportnpk" za dobllaile'rt.i.c*,
za stalnozaposlene(engl.permanent)u odnosuna one koji su privrs- aijJgrn*",
o histograma;
meno zaposleni(engl.casual)(promenljiva employstatus).
. stubidastihdijagrama(engl.bar
(a) Ima li na toj skali netipidnihtadakazbog kojih bi trebalo graphs);
da sezar_ . linijskih dijagrama(engl.linegraphs);
brinete?
. dijagramarasturanja (engl.
(b) Da li su rezultatiobe grupenormalno raspodeljeni? scatter plotsl;i
. pravougaonih(kutijastih)
dijagrama(engl.box plots).
Zdravstvo u 15' verziii sPSS-a,meni Graph ima viie opcija
za crnnje clijagrama:
Datotekas podacima:sleep3ED.sav.
pojedinostio datotecivideti 'dodatku. . Chart Builder
1. Sprovediteposrupkeobjadnjeneu ovom poglavlju da bistegenerisali r Interactive
o.dg.ouaraluieopisne statistidkepokazateile pa'zatim ocJgovo're . LegacyDialogs
, na
slede6apitanja.
U ovom poglavljupokazaiu kako radi opcija
(a) Koliki procenarispitanikasu Zene(promenljivagender)? LegacyDialogs,usaglaiena
s proceduramadostupnimu verzi;'a ma 12, 13 i 14 SpSS-a.
(b) Kolika je prosednasrarosfosobau uzorku? Kada steknereis_
kt'stvos dijagramimr,tr.b^lo bi da
malo eksperimentii.t", Jrugr- pristu-
(c) Koliki procenat uzorka naznatioda ima problema pima, da se neko vreme igrate s
ie sa spavanjen-l raznim dijagramim, i irtrnZr;"te njihove
(problem)? moguinosti.U ovom poglavrjudat je
tek k."tu"kpregled,,rli[" a, vasuputi
(d) Kolika je medijanabroja sati noinog sna proseinog u osnove.za pnkazivanjeraznih dijagrama
radnog dana .rpoti.b["na 1. dutot"ka s poda-
(hoununit)? na prateiojWeUl"t<n.iji k"t;. (pojedinosti
::T:,t:tl.y3ED.sav,.objavljena
vrctetru str.xi i u dodatku).Ako
2. ocenite raspodelu rezuhatana skali sleepiness zeliteda i sami nn ,ndrruro
and AssociatedSensa- tt t^l:q iratite primere
tions (torsAS)za o.sobekoje smatraju/nesmatraju pokr.nit" S'SS i o.rrorii. datoteku survey3ED.sav.
da imaju problema ry.*lavlia,,
sa spavanjem(problent). . l\a kraru poglavljadata su i uputstvaza doradu dijagramada biste ih
b-olieprilagodilisvojim potrebama'.
(a) Ima li na toj skali netipidnihtadakazbog To ie vam posluZitikada zarreba da di-
kojih bi trebaloda seza- Jagramstaviteu svorisrrazivandkirad. Detarjnoje
brinete? obja5nje'i for,,rput uuo-
za dijagramau Microsoftov Word.
(b) Da li su rezultatiobe grupe normalno raspocleljeni?
 Tumadeniehistograma
Histogrami promenllive (npr' Oblik histogramapokazuje raspodeluvrednosti neprekidnepromenljive.
Histograirima se prikazujeraspodelaiedne neprekidne Mnoge statistidketehnikepredstavljeneu ovom prirudniku zasnivajuse na
,tnroJi ili subiektivnodoZivljenogstresa)' prerpostavcida ie rirspodelavrednostisvih promenliivih normalna, tj. da
ima oblik Gausovekrive. U ovom poglavljusu vrednostipriliino normalno
pri demuje naiveii broj vrednostiu sredini,a prerla krajevima
Postupakcrtania histograma raspodeljene,
Graphs'zatimLegacyDialogs' krive sveih manje.Medutim, u druitvenim naukamaje sasvimuobiiajeno
je
1, U glavnommenijuna vrhuprozorapritisnite
Histogram'
lzaberite da promenljivene budu normalno raspodeljene. RaspodelamoLezadri.ati
pribliZnozvonastoblik, ali biti asimetridnaulevoili udesnood srednievred-
2.lzaberitepromen|jivukojavaszanimaiprebacitejeupo|jeVcriab|es.Totre-
nosti,ili poprimiti pravougaonioblik. O ocenjivanjunormalnostiraspodele
badajeneprekidnapromen|jiva(npr.ukupansubjektivnodoZiv|jenstres).
u odeljak
(npr.muskarci/zene), vrednostipromenljivihviSesegovori u poglavlju6.
3. Ako 2elitezasebnehistogrameraznihgrupa
(npr'
pol)' Rows
lzaberite da biste
Panelby: staviteodgovarljucupromenljivu
Column kadaZelite
iznaddrugog'
te zasebnedijagramlstavilijedan odnosno
Stubidastidiiagrami
daihstavitejedanporeddrugog.Jacupromen|jivupo|stavitiupo|jecolumn. Stubidastidijagramimogu biti jednostavniili veomasloZeni,u zavisnostiod
4.PritisniteoK(i|idugmePastedabistekomandesnimi|iuSyntaxEditor). broja ukljuienih promenljivih. Stubidastidiiagram moZe prikazivati broj
Navedenipostupakgeneriseove komande: sludajevau odredenimkategoriiamaili vrednostneprekidnepromenljiveza
razliditekategorije.U osnovi,potrebnesu dve glirvnepromenljive:jednaka-
GRAPH tegorijska,a druga neprekidna.Njima sepo ZeljimoZedodati io5 fednaka-
HISTOGRAM:usudstres tegorijskapromenljiva.
/PANEL COLVAR:polCOLOECROSS
Postupakcrtanjastubidastogdijagrama
Rezultatje prikazanna sledecoj slici' 1. U glavnommenijuna vrhuprozorapritisnite Graphs,zatimLegacyDialogs.
lzaberiteBar.PritisniteClustered.
MUSKI ZENSKI
2. U odeljkuDatain chartare pritisniteSummariesfor groupsof cases.Pri-
tisnitedugmeDefine.
3. U poljuBars representizaberiteOther summary function.
4. Pritisniteneprekidnu promenljivukojavaszanima(npr.ukupansubjektivno
doZivljenstres).Ona bi trebaloda se pojaviu poljuMean (Ukupansubjek-
tivnodoiivljenstres).To znadida ce na skaliSubjektivnodoZivljenstresbiti
prikazanesrednjevrednostiraznihgrupa.
5. Pritisniteprvukategorijskupromenljivu(npr.star3grp).Pritiskomna dugme
sa strelicomprebaciteje u poljeCategoryaxis. Ta promenljiva se prikazuje
na apscisi(horizontalnojosi,X osi)stubidastogdijagrama.
6. Pritisnitedrugukategorijsku promenljivui prebaciteje u poljeDefineClu-
sters by:.Ona ce biti navedena u legendidijagrama.
7.PritisniteOK (ilidugmePasteda bistekomandesnimiliu SyntaxEditor).
Prethodni postupakgeneriSe ove komande:

GRAPH
BY star3grpBY pol
/BAR(GROUPED):MEAN(usudstres)
 Malo modifikovanirezultatiprethodnogpostupka prikazanisu na slici. stubidastedijagrametreba tumaiiti paZljivo.Uvek pogledajteskalu Y
(vertikalne)ose.Ono 5to vizuelno izgledakao velika razllka,ponekadiznosi
je
pol iek nekoliko jedinica merne skale i zato Yerovatnomalo vaZno.To i"
odigledno i na gorniem stubidastom diiagramu. Kaclauzmeteu obzir njego-
l| MUSKT je razlika izmedu grupa sasvim mala. Razlika izmedu
uu ikrlr, videiete da
D ZENsr<l i viSe)i najveie vrednosti(iene sta-
naimanje(muSkarci starosti 45 godina
godina) iznosi samo tri jediniceskale.
roiti od 18 do 29
o
q)
Da bi seusranoviostatistidkiznaiaj razlikeizmedugrupa vidljivena diia-
.n sramu,trebaobaviti joI nekestatistidkeanalize.U ovom sluiaju, dvofaktor-
c26 Ika (e"gl. two-way) analizavariianse (uticai dva cinioca na rasturanie
o
rezultataoko srednjevrednosti)izmedu grupa (videti poglavlie19) otkriie
)N da li su te razlikestatistidkiznatajne.
o
!t
o
Liniiskidiiagrami
J
Q) 2d
Linijski dijagram prikazujesrednjuvrednostjedneneprekidnepromenliive
.cl zavt(erazliiitih vrednostinekekategoriiskepromenljive(npr.vreme 1, vre-
o me 2, vreme3). Linijski dijagramisu podesnii za grafidkoprikazivaniere-
(g zultatajednofaktorskei dvofaktorskeanalizevariianse(tj. uticaia jednog
odnosnodva diniocana rasturanierezultataoko srednjevrednosti).Oni su
CL
l<
neobavezandodatak rezultatima analizevarijanse(videti u poglavljima 18 i
(E^^ 19).U narednompostupkunacrtaiemolinijski dijagramza koji iemo kori-
o) zz
= stiti istepromenljivekoje smo prethodnoprikazaliu stubiaastomdijagramu.

Postupakcrtanjalinijskogdiiagrama
30-44 45+
starost:3 grupe
Tumadenjestubidastihdijagrama
Rezultatprethodneprocedureje saZetprikaz raspodelerezultatapo izabra-
nim grupama (u ovom sluiaju, njih dine muikarci i i.eneiz razlltitih staro-
snih grupa). Gornji dijagram navodi na pomisao da Zenepokazuju vedi
stepensubjektivnodoZivljenogsrresaod muikaracai da je ta razlika izraLe-
nija u starijim dobnim grupama.U grupi osobastarih izmedu 18 i 29 godi-
na, razlikaizmeduodgovarajufihvrednostiza muikarcei iene vrlo je mala.
1. U glavnommenijuna vrhu prozorapritisniteGraphs, zatim Legacy Dialogs,
pa Line.
2. Potvrditepolje Multiple. U odeljku Data in chart are pritisniteSummaries
for groups of cases. Pritisnitedugme Define.
3. U polju Lines represent izaberite Other summary function. Pritisnite ne-
prekidnu promenljivu koja vas zanima (npr. ukupan subjektivno doiivljen
stres) i zatim dugme sa strelicom.Tako cete je prebacitiu polje Mean (uku-
pan subjektivnodoZivljenstres). To znadi da ce na skali subjektivnodoiivlje-
nog stresa biti prikazanesrednjevrednostiraznihgrupa.
4. Prrtisniteprvu kategorijskupromenljivu(npr.star3grp).Pritiskomna dugme
sa strelicom prebacite je u polje category axis. Ta promenljivase prikazuje
na horizontalnojosi linijskogdijagrama.
5. Pritisnitedrugu kategorijskupromenljivui prebaciteje u polje Define Lines
by:. Ta promenljivabice predstavljenau legendidijagrama.
6. Ako dijagramuhocete da dodate stubice srazmerneodstupanjima,pritisnite
dugme Options.
7. PritisniteOK (ili dugme Paste da biste komandesnimiliu Syntax Editor).
 Ovaj postupakce generisatisledece komande: o Mogli biste razmotriti i razliku izmedu muikaraca ii.ena. Sveukupno,
kao da muSkarci subjektivno doZivljavaju manje stresaod iena. Iako je
GRAPH razlika za mladu grupu veoma mala, ona raste s poveianjem starosti
BY star3grpBY pol
/LINE(MULTIPLE)MEAN(usudstres) ispitanika. Da li su te razlike statistidki znaiajne moZe se utvrditi tek
dvofaktorskom analizom varijanse (tj. uticaja dva dinioca na rasrura-
Malo modifikovanirezultatiprethodnog postupka prikazanisu na slici. nje rezultata oko srednje vrednosfi; videti poglavlje 19).
Prikazani rezultati navode na pomisao da uticaj starosti na subjektivno
doZivljen stres treba razmotriti u odnosu na pol ispitanika. U analizi varijan-
- MUSKI se, ta vrsta odnosa naziva se uticaj interakcije (engl. interactit>n effect). Iako
+-.,^,-,
linijski dijagram ne kazuje da li je taj odnos statistidki znatajan, on daje
- - - Ztrl\5Kl
q
o
mnogo informacija i postavlja mnogo novih pitanja.
o
o
pol
.u
>N - MUSKI
O27 - ZENSKI
!t
o
o
.z o
l< o--
o c
lt o
o )N
Cze
(E-- o
E,,
CL o-'
f c
.:<
= .z
J
(E o
o lt
J
= (,26
c
(g
CL
3
ll
f
c(E
25
o
=

2s'32 41'4s 50+

o
"t"llnt
Tumadenjelinijskih diiagrama Pri tumadenjuSPSS-ovih rezultatakatkadarreba razmotririi neka druga
o Prvo pogledajte uticaj starosti na subjektivno doZivljen stres za svaki pitanja.U ovom sludaju,rezultatinavodenarpomisaoda bi vredelodublje
pol. Mladi muSkarci kao da pokazuju veii stepen subjektivno doZivlie- istraZitiodnos starosrii subjektivnodoZivljenogstresaza obegrupe (mu5-
nog stresa od sredovednih i od starijih muSkaraca. Za Zene, razllka iz- karce i iene). Zato sam odluiila da uzorak pod.lim na per rro.o.-r.rih
grupa,
medu starosnih grupa nije toliko izraLena.Starije Zenesu pod neznatno umestona tri kao na gornjemdijagramu.Time iu dobiti detaljniiir.rvidu uti-
maniim stresom od mladih. cai starosti.
 pro-
Nakon podele uzorka n21pet iednakih grupa (pravljenjem nove 6.SPSS mo2eda oznadisvakutadku ipo..nekojdrugoj
kategorijskoj pro_
rnenljive starsgrp; uputstva za taj postupak data su u poglavlju 8), nacrtan menljivoj.Prebacitetu promentjivu (npr.pot) u potjeSlifU"rf.Eii by:.
jasniju sliku o uticaju starosti od pret- ce tadkekoje odgovaraju Time
ie nov liniiski Jlpgtu-. On nam daje muslarcimaodnosno2enamabiti predstavljene
hodnog dijagrama sa samo tri starosne grupe' razliditim
markerima (oznakama).
7.U poljeLabelcasesby: prebacitepromenrjivu rD.Takocetedobitrpririku
broj anariziranog da
srudajaoditates drlagramakadapronadet"*tip,en, t"er.r.
Diiagramrasturania OK (ilidugmePasteda bistekomandesnimiliu
8. Pritisnite
Oijagrami rasturanja se obidno koriste za isttaLivanieodnosa izmedu dve SyntaxEditor).
Ovajpostupakce generisati sledecekomande:
,r.prlkidrr. promenliive (npr. starostii samopodtovanja).Preporuiliivo ie di-
(videtipoglavlie11). Di-
'jagta rasturanjanacrtatipre ra(unaniakorelaciie
jajran',
rasturanja predodava posmatradu da li ie odnos promenliivihlinearan
prikladni su samo linearniodnosi' /SCATTERPLOT(B|VAR):usdsus
WITH usudstresBy pol By id
ilikrivolinll ski.zi analizu korelacije
pozirivno (IDENTIFY)
Dijagram rasturanjapokazuie i da li su promenljive korelirane
iznosi druge) ili /MISSING:LISTWtSE
(velikiri vrednostima jedne promenliive odgovaraju v-eliki
negativno(velikim vrednostimaiedne promenljive odgovaraju mali iznosi
drIg. prornenljive).Kod pozitivnih korelacijalinija raste,ti. poiinje levo s Malomodifikovani
rezurtati
prethodnogpostupkaprikazanisu na srici.
-uriilnr vrednostimai rasier-rdesno. Kod negativnihkorelaciialinija opada,
tj.
. podinje levo s veiim vrednostima i opada udesno'
bil"grn* rastrrrania grubo pokazuie i iadinukorelaciiedve promenliive. pol

Kada'je korelacijaslaba, taike su bezreda rasuteposvuda,tj. ne dine pre- f vuSxr

por.,"rlliy geometrijskioblik. Kad:r ie korelaciia iaka, tadkedine pribliZno Q Zerusxr
valjkasioblik, tj. vidi segomilanjetadaka oko zamiSliene pravelinije. o
diiagram rasturania rezultata na dve skaleu o
u slede6em primeru.racrta6,, o o oo
anketi: Ukupan subjektivnodoZivljenstresi Ukupna subiektivno doZivljena o Oo
O9
da dve g.-rpeiz to oo tos
sa,nokontroiaunugainjih stanja(SDSUS).Zadalasam SPSS-u tr .)n
mog uzorka (muikarce'iLenelna istom diiagramurasturanja zaseb-
pre.dstavi o ocD o i)
O@*^
no f,omoiu razliiitih oznaka(rnarkera).Time dobijaminformaciie.e sanroc' + oo s oHo
OO {OImo .)
,,rork,, u celini, nego i o raspodelirezultataza muSkarcei zenezasebno.
,N

!t
o '*f&leTffiff- o*
Kada Zelite,ur.b".r dijagram rasturanja za svaku grupu, zadaitekateg,o- o ([ *@ co &DSO
c nBBD*lEf,_gHg) {D *
rijsku promenljivuu odeljku Panelby: umestou doleprikazanompoliu set
o
_!c[o@frx csD AD
za ceo uzorak (nc ptr _oo @ @ {BBDSjI {6 +
Markersby. ukoliko vam treba diiagramrasrurarria t(
o o +{ o {smmH@ B
grupama),prosto zanemarireuputsrvanavedena u odellku set Markers by' ct *
LA-AJ
@caD 6s@E8uB(BD *+
= -+rT {GlDffiEE*4rr O
at, r*9
r +19
0p
# + 6mqm ob -
* @+8*-
c s _{o cnl so@ m #
o u_ O OOSffiSO
Postupakcrtaniadiiagramarasturania a.
:
20 oo^
LXJ
o +doqoo m
+ Om+ rI
1. U glavnommenijuna vrhu ptozotapritisnite Graphs,zatimLegacyDialogs' T
f oooo *
pa Scatter/Dot. o * *1 ooo
2. Potvrditepoljesimple scatter izatimpritisnite dugmeDefine. oooooo
.IO^O
prvupromenljivu
3. Pritisnite kojavaszanima; to je obidnoona kojusmatrate
zavisnom (npr.
promenljivom ukupansubjektivno stres).
dozivljen
promenljivu u
prebacili
dugmesa strelicomda bisteizabranu
4. Zalimpritisnite
poljei axis.Ta promenljivace biti prikazana osi'
na vertikalnoj 50 60 70

5. prebacite drugupromenljivu (npr.ukupnu sDsus) u poljeX axis.ra pro- UkupnaSDSUS

menljiva na
se prikazuje horizontalnoj osi'
Tumadenjedijagrama rasturanja Rezultatitog postupka prikazanisu na slici.
Iz prethodne slike kao da se nazire umerena negativna korelacija izmedu dve
posmatrane promenljive (subjektivno doZivljenog stresa i SDSUS) u uzorku
a> E
kao celini. Ispitanici s visokim nivoom subjektivno doZivljene samokontrole r g3
(koja se prikazuje na horizontalnoj osi) subjektivno doZivljavaju niZi nivo stre-
sa (5to se prikazuje na vertikalnoj osi). S druge strane, osobe s niiim nivoom F;=
N.
m
z
subjektivno doZivljene samokontrole doZivllavaju znatno viSi nivo stresa. Ne a
x
nazfte se nikakav krivolinijski odnos medu njima, pa bi bilo umesno izradu-
r C C
nati Pirsonovu korelaciju tih dvaju promenljivih (videti poglavlje 11).
Ne zaboravite da dijagram rasturanja ne daje konadne odgovore; nakon - ro

njega jo5 treba izradunati odgovarajuie statistidke pokazatelje (u ovom

sludaju, koeficilent Pirsonove korelacile). a> E
U gornjem primeru ispitala sam uzajamni odnos samo dve promenljive.
MoZe se nacrtati i matrica dijagrama rasturanja za celu grupu promenljivih.
To se koristi za preliminarno ispitivanje hipoteza (pretpostavki) u analizama c
a,
kao sto ie MANOVA.
o

Postupakcrtanja matricedijagramarasturania '=p

1. U glavnommenijuna vrhuprozorapritisnite Graphs,zatimLegacyDialogs Ukupno Ukupno Ukupan

i najzadScatter/Dot. pozjtivnih negativnih subjektivno
osecanja osecanja doZivljen
2. PotvrditepoljeMatrixScatter,pa pritisnite dugmeDefine. stres

3. lzaberitesve Zeljeneneprekidne promenljive (negose,pozose,sudstres)i

prebaciteih u poljeMatrixVariables.
4. lzaberitepromenljivupol i prebaciteje u poljeRows.
5. Pritisnite
dugmeOptions i potvrditepoljeExcludecases variableby va- Pravougaonidijagram
riable. Pravougaoni(kutijasti) dijagram se upotrebljavaza poredenjeraspodele
Continuei zatimOK (ilidugmePasteda bistekomandesnimiliu
6. Pritisnite vrednostipromenljivih. MoZe seupotrebiti za ispitivanjeraspodelejednene-
Syntax Editor). prekidnepromenljive (npr.pozitivnih oseianja)ili serezultati mogu razdeliti
Ovajpostupakce generisati sledecekomande: na viSegrupa (npr. starosnrh).Zaporedenjese moZedodati joi jedna kate-
gorijska promenljiva (npr. muSkarcii Zene).U donjem primeru, istraZiiu
GRAPH raspodeluvrednostina skali pozitivnih oseianjaza muSkarcei Zene.
/SCATTERPLOT(MATRIX):u negoseupozoseusudstres
/PANEL ROWVAR:oolROWOP:CROSS Postupakcrtanja pravougaonogdijagrama
/M lSSlNG:VARIABLEWISE .
1. U glavnommenijuna vrhuprozorapritisnite Graphs,zatimLegacyDialogs
i najzadBoxplol
2. Pritisnite
Simple.U odeljkuData in chart are potvrditepoljeSummaries
for groups of cases.Pritisnite
dugmeDefine.
3. Pritisniteneprekidnupromenljivu koja vas zanima(npr.ukupnopozitivnih
osecanja). Pritiskomna dugmesa strelicomprebaciteje u poljeVariable.
4. Pritisnitekategorijsku
promenljivu kojavas zanima(npr.pol).Pritiskomna
dugmesa strelicomprebacite je u poljeCategoryaxis.
 5. PritisnitepromenljivulD prebaciteje u polje Label cases. Tako cete dobiti ' svaka raspodelavrednostipredstavljena je pravougaonikomi linijama
prilikuda s dijagramaoditatebrojevesludajevau kojimasu se javileekstrem-
(repovima)koje iz njega tzraze.pravougaoniksadrzi
ne vrednosti. 50 procenata
sludajeva,a njegovaduiina je srazmernainterkvartilnomrasponLi
6. PntisniteOK (ili dugme Paste da biste komandesnimiliu Syntax Editor). pro-
menljive.Linija unutar pravougaonikaje medilana.Repovi
Prethodnipostupak generi5eove komande: liinile ilo,e
izlazeiz pravougaonika)idu do najvedihi najmanjihopaienih
vredno_
sti promenljive.
EXAMINE . Svirezultatikoje spss smatranetipidnimtadkamaprikazani
VARIABLEs:upozosBY pol su kruiiii_
ma pored kofih su brojevi. (To su ID brojevi.tih siuiajeva).
/PLOT:B OXPLOT/STATI
STICS:NO NE/NOTOTAL/l
D:id Netipidne
tadkesu sludajevi.dije.sevrednosripreviie razlikuju od ostatka,r;r;,
bilo da su prevelikiili premali. SpSSsmatranetipidnimsve
radkekoje
Evorezultatatog postupka. su od ivice pravougaonikaudarjenevile od 1,5 njegovihduzina.
Ek_
srremneradke(oznadene zvezdicom") jesuone koi.lu od ivicepravo-
ugaonikaudarjeneviie od 3 njegoveduzine.Viie o netipiinim
tadkama
prodirajteu poglavlju6. u gornjemprimeru prikazanesu
za muikarce
i zenesveukupnotri netipiine tadkes malim vrednostimapromenljive
Pozitivnaosec.anja.
' osim informacijao netipidnimtadkama,
pravougaonidijagrampredo-
40 iava oblik raspodelerezurtataraznihgrrpo. on
fokazuje varijabirnost
(! rezsltata unurar svake grupe i omoguiava vizuelni
'(J
(l,
pregled razrrka
o izmedugrupa. u gornjem primeru, raspodelerezurtatafro-enljiue po-
o
E zitivna oseianja za muikarce i Zeneveoma su slidne.
c
30

Doradadijagrama
N
o
CL
o
Pre nego 5ro se dijagram itampa ili stavi
o- u izveitai, katkada treba doraditi
: natpise,mark-ereitd._Naprimer,neke od dijagrama
?0 :l:q:l: u ovom
zanrh l1.love. prika_
poglavljudoradilasamda bi postalijasniji
samlinije kojima je dijagramiscrtan podebrjara
l.ecirr-ri,
ili promenilapopunu stubidastogdija-
gf?l]:.?:'"qr.amisedoradujuo p.ororuChartEattir,k;ii;;;,r"ra tako
koji prikazai"," ,.,,r,,prozors
il:1,1t_::lntrsnete,diiagram trebadoraditi.
dodarnimopcijamamenijai ikonicama(slika7.1).Trebalo
;ji,::,119:"-om,
-":ji p:oz?r Properties,
koji sluZiza d,orad,u
dijagrama.
;,.:'":t-lt]il f, pritisnite
r\\u se ne poJavl'
Pol dijagram desnim tasterom mida i u priruinom
meni j u iza berite properties
Wind"ow.

Tumadenjepravougaonogdijagrama Ele Edit Uiew Qptions EleDents

Pravougaonidijagramdajemnogo informacijao raspodelivrednostineprc-
kidne promenljivei moguiem uticajudruge,kategorijskepromenljive(i kla-
:& fS HXYldfri-, Ilbl.. I]bl4L* [iHU$i1 Hii,
til
sterpromenljive,tj. promenljivegomilanja,ako seona upotrebi).
ryhlti:r r'{ U:'#

Slika7,1 Trakas menijimaChart Editora.

 U Chart Editoru mogu se sprovesti razne izmene i dorade: t dijasramkojitrebakopirati.Oko njesabi trebatoda
i:i:?ft:ritisnite se pri.
r Redi u natpisima menjate tako 5to jednom pritisnete natpis da biste ga
izabrali (oko teksta bi trebalo da se pojavi plava ivica). Pritisnite joi 4. Pritisnite Edit (u grav.nom
r9n'j, na vrhuprozora)izatimu tom menijuizabe_
jednom (trebalo da se pojavi crveni kursor) i tekst iete moii da menja- ritestavkucopy objects. Takoste dijagramkopirarinu
ctipoourJ (madato
te. Izmenite ga i kada zavriite, pritisnite Enter na tastaturi. ne vidite).
. PoloZaj natpisa duZ X i Y ose menjate (npr. da biste ga centrirali) tako 5. U listi minimiziranihprograma na dnu ekrana pritisniteprogram
za obradu
5to ga pritisnete duaput. U okviru Properties koii ie se pojaviti, priti- teksta (npr. Microsoftov Word). T i m es t e p o n o v oa k t i v i r a i i W i r d
iOouufig;J
snite jezidak Text. U odeljku Justify izaberire ieljeni poloi'ai (tadka oz- prviplan.
naiava centralni poloiaj, strelica ulevo pomera dijagram ulevo, strelic:t 6. U Wordovomdokumenrudovedite kursor tamo gde Zelite
da stavite diia_
udesno ga pomera udesno). gram.
e Da biste izmenili obeleZjateksta, linije, markere, boje, popunu pozadi- 7.Pritisnite
Edit u word3vomgravnom.meniju, pa izaberite paste.'i na pareti
ne ili skale,jednom pritisnite ono svojstvo teksta koje hoiete da menja- sa aratkama ikonicupaste (ridinu tubr, sa Stiparjkom
pritisnite
za papir).
te. Zavisno od svojstva koje pritisnete, u prozoru Properties ie se na 8. Pritisnite
Fireizatimsave da bistesnimiriwordovdokument sa uvezenrm di_
odgovarajuii nadin izmeniti opciie. Razne kartice u ovom okviru sluZe
jagramom.
za izmenu raznih svojstava dijagrama. Zelite li da menjate jednu od li- 9' Ako hoceteda se vratiteu spss i nastavitesa anarizama,
opet pritisnrtenje-
nija u viSelinijskom dijagramu (ili markere odredene grupe), tu katego- govuikonicu,kojabi trebaroda je na dnu ekrana.
Kadasu ob" frogr"n.'"ot-
riju treba da izabetete u legendi, a ne na samom dijagramu. To bi vorena' moZeteprerazitiiz jednog u drugi i prenositi
kril;";; tabere,
posluZilo npr. prilikom promene jedne od linija u isprekidanu, da bi dijagrameitd. Nemapotrebeda zatvarateifedan
od progrur" Jot nu
bila uodljivija kada se odStampa crno-belo.
zavr5ite.Samone zaboraviteda snimatedatoteku "uu
dok to iadite.
Najbolli nadin da nauiite kako se te opcije upotrebljavaju iesteda ih kori-
stite, tj. eksperimentiSetes njima. Zato samo napred, slobodno se poigrajte!
DodatneveZbe
Uvoz dijagramau Wordovedokumente PoslovnookruZenje
SPSS omoguiavaneposrednokopiranjedijagramau programza obradu tek- Datotekas podacima:siaffsurvey3ED.sav.
sta (npr. Microsoftov'Word).To biste radili kada priprematekonadnuver- Poiedinostio datotecivideti u do-
datku.
ziju izvedtajai deo rezukataZeliteda predstavitegrafiiki. Ponekaddijagram
predstavljarez'rkatejednostavnijei iasnijenego brojevi u tabeli. Nemoitc 1' Nacrtajtepomoiu.spss-ahistogram
koji prikazujeraspodelu
- -' vredno-
preterivatis tim; dijagrameupotrebliavajtesamo kao specijalneefekte.I're sti na skali zadovorjstvaosobljJ(promenrjiva
totsatisl-.'
prenosau \ford, dijagramtreba udiniti 5to je mogu6ejasnijim. 2' Nacrtajte pomoiu spsS-astubidasti
dijagram koji prikazuje zadovolj-
Napomena:Dolenavedenauputstvavai.eza verzlieWorda koie rade pod stvo stalno zaposrenogu odnosu .ru
orlbll. ,"i"ir.""
'Windowsom vrememanje ili jednakodve godine, odrede.ro
95 ili novijim operativnimsistemima. 3 do i godiru, i o i "'a
Upotrebite promenljive totsais, employstatus vise godina.
i seruicegp3.
3. Nacrtajte_ pomoiu.SpSS-adijagram rasruraniakoji
Postupakuvozadijagramau Wordovdokument broiaodina zaposlenja
prikazuje odnos
,oj organizacijii njihovog zadovorj-
Windows omogucavaistovremenoizvr5avanjevi5e programa.ISPSS iWord mo- "r"ui;ir
to,pokuiaite s promenriiivom seruice(ciia ie raspoderaja-
raju biti otvorenida bi razmenaizmedunjih bila moguca.lz jednog programau dru- l']i'^I"]fr:
u zarim s promenljivom pri dnu spiskapromenljivih
gi prelazitetako Sto pritisneteodgovarajucu ikonicu na dnu ekrana ili pomocu il^1t^1T:lrl.T),
Ia promenljiva je funkcijom log,u transforririru.,u
menijaWindow. To je kao preme5tanjepapira po stolu. l:f^:r:,:r).
Drtna pruo_
promenljivaseruice.log,obi trebaloda amortizuje
veliku asime_
1. PokreniteWord iotvorite datoteku u koju treba staviti kopiju dijagrama.Pri- tridnost.Postupakje objadnjenu poglavlfug.
tisnite SPSS-ovu ikonicu na dnu ekranada biste se vratiliu SPSS.
2. Dovedite u prvi plan prozorViewer.
 -'\
4. Nacrtajte pomoiu SPSS-apravougaoni (kutiiasti) difagram koji prika-
zuje raspodelu vrednosti na skali zadovoljstva osoblja (totsatis) za ra-
zne starosne grupe (starost). ffi -} Doradapodataka
5. Nacrtajte pomoiu SPSS-alinijski diiagram koii poredi zadovolistvo /
i -&t- 5
osoblja raznih starosnih grupa (agerecode) za stalno zaposlene r.rod- \'.r,"'\ " - , $ryD \
vt
nosu na one koji su privremeno zaposleni. 'h*ddEV

Zdravstvo
Pojedinostio datotecivideti u dodatku.
Datotekas podacima:sleep3ED.sav.
L. Nacrtajtepomoiu SPSS-a histogramkojiprikazuie raspodelurezultata
na Epvortovojskali pospanosti(ess).
2. Nacrtajtepomoiu SPSS-a stubiiasti diiagram koji poredi rezultatena Nakon dro uneseresvepodatke i uklonite
and AssociatedSensations
skali Sleepiness Scale(rotSAS)za tri staro- greike iz datotekeu kojoj su
smesteni,sledefi korak je prevodenje oni
snegrupe (agegp3)muSkaracaiLena (gender). sirov"ihpoaurut n u podesanza
obavljanje analizai ispitrvanjehp"t.ru. "ur'.
diiagramrasturaniakoji prikazujeodnosre- uj1:ilr;i-"i
3. Nacrtajtepomofu SPSS-a nih obelezja(promenljivih) i vrste istrazivadkih o"ir"ua, ispitiva_
zultatana Epvortovoj skali pospanosti(Epworth Sleepiness Scale,ess) pi;;;;"';; traLiteodgo_
vore,raj procesbi mogao da obuhvati:
and AssociatedSensationsScale(rolSAS).MLr-
i na skali Sleepiness ' sabiranjerezurtatadobijenih
5karceii.ene (gender)obeleLiterazliiitim markerima. za stavke(promenljive)od kojih
svakamerna'skara,kako bi sedobio sesastol.i
4. Nacrtajtepomoiu SPSS-a pravougaoni(kutijasti)diiagramkoji prika- rk';pr;;;;;rr"ii."gr bturscore)
na skaramana kojima se meri ,nmopo.touanje,
zuje raspodelurezultatana skali Sleepiness and AssociatedSensations no dozivljenstresi sr.spsSto radi optimizam,subjektiv-
Scale(rorSAS)za osobekoje su naveleda imaju/nemaiuproblema sa br.zo,r"k" i ;"d;;;;.." , pomiiljajte
da to radite rudno za svakogirpiturrika
spavanjem(problent). ,"r"l.roi"'"'
' rransformisanje asimerriinihpromenljivihradi
5. Nacrtajte pomo6u SPSS-alinijski diiagram koii poredi rezultatena hodno d a rezultari bl'rdu rrorrir"lno-raspodel anariza za k<>jejeneop-
and AssociatedSensations
skali Sleepiness Scale(rorSAS) za razne sta- j eni;
' svodenjeneprekidnih
rosnegrupe (agegp3)muSkaracai Lena(gender). promenljivih (npr. srarosr)
menljive(npr. mradi,siedoved,ri na kategorijskepro-
i ,t".i) ,uai ^n.ti^k;;:r" je anariza
varijanse;i
o smanjenjebroja
kategorija odredene,kategorijske
promenljive (npr.
statusana samoduekuteg"ori",
;::,q:i'bradnog ;;J; vezi,,/,,niieu

' Kada u ovom pogravrju,izmenite promenrjive iz darotekes podacima,za-

belezitero u svoi o<ld.sernik.
orrgi ,',ai;ocraprarlresve izmene
u datorecis
# il:ffi I :T:::,: :i::i :'oo" :';zatim
;;;; do,iup,'.
pokazati
u."i- t pisproce
dura -
,"aa i ri)",i"ffi;;:J#liil1 kakosereiirruju(engt.
re-

*t^"^,|t9ni" procedurapomocu
nao 5toje vei_SPSS
biroobjasnjeno,'
opcije Syntax
p"gri'rir:, spss;;;;r";ilnr"*
u koiemse mosu zabeleiiti Editor
r."*"tia. gJ..rirurr. pomoiu
menijau svakoj
1.,.:..9rri. Komiandama
odel - re prn"*Ci
prisrupa 'J;::;
Icimauk;;;,
pritisnitepaste.
opisani pos,; Xl!::; ff
o.',,11 tLTiT;,7
otvoriie se .ro'p.ort, sy.rru* Editor sa svim
komandama
koje ste prethodno zadali. Na slici 8.1 prikazan ie deo komandnog prozoral
upotrebljenog za relifrovanie stavki i izraiunavanje ukupnih rezultatir u da-
toteci survey3ED.sav. Cela komandna datoteka (surveysyntax3ED.sps)
mo|e se preuzeti s prateie'Web lokacije ove knjige. Komande prenete u Syn-
tax Editor ne izvriavaiu se automatski, ved treba vi da ih pokrenete' Da biste
izvrSili odredenu komandu, izaberite ie (ukljuiujuii i tadku koiom svaka ko-
manda zavrSava)i pritisnite Run u glavnom meniju ili strelicu (ti. trougao
iije ye teme okrenuto udesno) na paleti sa alatkama. Komandnoj datoteci
treba dodati komentare; to su redovi koji podinju zvezdicom (slika 8.1). Pre
i posle svakog reda komentara treba ostaviti po jedan prazan red'
File Edit Viet4, Dala Transform Anal},ze Graphs Utiliiies Run window
Help
& 6 '- ne k df, h O
* F e c o d en e g a t i u ewl yo r d e ditemsintt diflerent
variables
"rec,rdeoptimisrnitems
RECODE
op2op4 op6
(1=5)=4) (3=31(a=21 INTO Rop2 Rop4 RopE
EXECUTE
*recodernasteryitems
REC0DEI
rnastl mast3mast4ntast6mast/ (1=4) E=3) l3=2)
Rmastl Rmast3Rmast4RmastERmast/
EXECUTE
Slika8.1 ProzorSyntaxEditor.
za svakusPSS-ovuproceduru opisanu u nastavku,prikazaiemo i pri-
padajuiu komandnu datoteku(sintaksu).
ukupnihrezultatana skalama
lzradunavanie
Preobavljanjastatistidkihanalizaskupapodataka,trebaizradunafiukupne
rezultatena svim skalama.To seradi u dva koraka:
. Korak 1: obrnuti svenegativnoformulisanestavke;i
. Korak 2: uputiti SPSSda saberevrednostisvih stavki od kojih se pod-
s k a l ai l i s k a l as a s t o i i .
Treba razumeti skale i mere uporrebljene u istraZivanju. Proverite (u
uputstvu za skalu ili u ilanku u kome je skala bila objavljena) ima li na nloj
stavki koje treba obrnuti i kako se izradunava ukupan rezulrat na nioi. Neke
skale se sastoje od viSepodskala koje treba (ili ih se ne sme) sabrati da bi se
dobio ukupan rezultat. To se mora tadno uraditi, a mnogo je lakle uraditi
ispravno prvi put nego kasnije ispravljati pa ponavljati analize.
Upozorenje Pre sprovodenjaovih postupaka,uvek napraviterezervnukopijuda-
toteke s Podacima.
NakonSto dodate nove sludajeveili izmenitepodatke,SPSS nece automatskina-
novo izradunatirezultate.Naredne postupke sprovodite tek kada napraviteko-
nadnuverzijudatotekes podacima,kako zbog promeneskupa podatakane biste
morali da ponavljatesve analize.
Korak1: obrtanjenegativnoformulisanihstavki
Da bi se spreiio uticaj na ispitanike, na nekim skalama su odredene stavke
negativno formulisane. To se vidi na skali optimi zma u anketi. Stavka 1 je po-
zitivno formulisana, pa velike vrednosti rezulrata pokazuju ueliki optimizam:
,,U nesigurnim vremenima obiino odekujem da ie mi se desiti ono najbolje',.
Medutim, stavka 2 je negativno formulisana, 5to znadi da velike vrednosri re-
zultata pokazuju mali optimizam: ,,Ako iSta moZe da mi krene po zlu,
krenu6e." Negativno su formulisane i stavke 4 i 6. Pre izradunavanja ukup-
nog rezultata za ovu skalu, negativno formulisane stavke treba obrnuti tako
da velike vrednosti svih stavki pokazuju veliki optimizam. Posrupak obrtanja
stavki 2, 4 i 6 skale optimizma prikazan je nastavku. Za skalu optimizmir
upotrebljena je Likert skala sa 5 podelaka; dakle, rezultati za sve sravke
mogu biti u rasponu od 1 (nimalo se ne slaZem)do 5 (potpuno se slaZem).
Iako promenljive dije su formulacije obrnute mogu zadri,ati dotadadnja
imena, traLi(emo da SPSSod njih napravi nove promenljive, umesto da nove
podatke upiSe preko starih. To je mnogo bezbednije, a i osravlja prvobime
podatke neizmenjenim.
Ukoliko Zelite da pratite i odmah sprovodite dolenavedena upurstva, ot-
vorite datoteku survev3ED.sav.
1. U glavnom meniju na vrhu prozorapritisniteTransform, zatim Recode, pa
Into Different Variables.
2. lzaberitestavkekoje treba obrnuti (op2, op4 i op6) i prebaciteih u polje ln-
Put Variable-Output Variable.
3. Pritisniteprvu promenljivu(op2) izatim njeno novo ime upi5iteu odeljakOut-
put Variable na desnoj straniprozora.U postojecojdatotecis podatcima,ja
sam joj dala ime Rop2. Ako hocete da joj date neko drugo novo ime umesto
navedenoga,upi5itega (npr. revop2 ili obrop2). Ponoviteto za sve ostale
promenljivekoje treba obrnuti (opa i op6).
 4. PritisnitedugmeOld and new values.
U poljeValueu odeljkuOld valueupisite1.
U poljeValueu odeljkuNew value upisite5. (Takoste sve prvobitnevred-
nostil pretvorili
u5.)
5. PritisnitedugmeAdd da bistekomandu1e+5smestiliu poljeOld ) New.
Na primer:
6. Ponoviteistipostupakza ostalerezultate.
U Old valueupisite2; u New valueupisite4; pritisnite Add.
U Old valueupisite3; u New valueupisite3; pritisnite Add.
U Old value upisite4; u New value upisite2; pritisnite
Add.
U Old valueupisite5; u New valueupisite1; pritisnite Add.
7.Pritisnite (ili
ContinueizatimOK dugmePasteda bistekomandusnimiliu
Syntax Editor).Nakonpreno5enjau Syntax Editor,izvr5icete je kadaje pri-
tisnetei u menijuizaberete
Run.
PrethodnipostupakgeneriSe sledecusintaksu:
RECODE
op2 op4 op6
(1:5) (2:4) (g:g) (4:2) (5:1) INTORop2 Rop4Rop6
EXECUTE.
Nove promenljivesa obrnutim rezultatimatrebalo bi da su na dnu dato-
tekes podacima.U prozoru Data Editor proveriteda li ie tako - pritisniteje-
zidak kartice Variable View i spustite se na dno spiska promenliivih.
Vide6eteceoniz promenljivihkoje podinjuslovomR; to su promenljivekoje
samobrnula.Ukoliko stesproveliopisanipostupak,vaie promenliivebi tre-
balo da podinju sa ,,rev" ili sa,,obr". Dobro je proveriti reiifrovanepro-
menljive,videti promenu koju je reSifrovanieizazvalo.Za pwih nekoliko
sludajevau skupupodataka,trebazabeleZitirezultatedobijenes prvobitnin"r
vrednostimapromenljivihi potom pogledatida li su odgovarajuiepreokre-
nutepromenljiveisprevnoizmeniene.
Korak2:izraiunavanjeukupnihrezultatana skali
Nakon obrtanjanegativnoformulisanihstavki na skali, spremnisteza izra-
iunavanjeukupnih rezuhatana skali za svakogsubjekta(ispitanika).To tre-
ba raditi tek kada imate potpunu datotekus podacima.
Postupakizradunavanjaukupnih rezultatana skali
1. U glavnommeniju na vrhu prozota pritisniteTransform, zatim Compute.
2. U poljeTarget variable upiSitenovo ime promenljive,,ukupanrezultatna ska-
li'i Bilo bi dobro da svim ukupnimrezultatimadate prefiksU (odnosnoT ako
su imenapromenljivihna engleskom),jer cete ih tako lakSepronalazitiu abe-
cednim spiskovimapromenljivihprilikomobavljanjaanaliza.Ja sam ukupnom
rezultatuna skalioptimizmadala ime ,,TOPTIM|skracenood ,,totaloptimism".
Vaino: Ne sme vam se desiti da za novo ime upotrebiteneko od vec posto-
jecih; time biste izgubilisve prvobitnepodatkekoji se odnose na promenljivu
istog imena.Zato u Sifarnikuproveriteda li je va5e ,,novoime" zaistanovo.
3. Pritisnitedugme Type and Label. U polje Label upi5iteduZeopisno ime ska-
le (npr.ukupanoptimizam).PritisniteContinue.
4. U spisku promenljivihna levojstrani,pritisniteprvu stavku skale (op1).
5. Pritisnitedugme sa strelicom) da biste izabranustavku prebacili u polje
Numeric Expression.
6. Pritisnite+ na kalkulatoru.
7. Ponavljajteprethodni postupak dok sve stavke skale ne prebacite u to polje.
U ovom primerunajprebismo odabralineobrnutestavke (op3, op5), a zatim
prethodnimpostupkomdobijeneobrnute stavke (Rop2, Rop4, Rop6), sme-
Stenena dno spiska promenljivih.
8. Dovr5en numeridki izraz trebalo bi da glasi:
op 1+op3+op5+Rop2+Rop4+Rop6.
9. Ponovoproveriteda li je sve tadno uradenoi da li su znakovi* na ispravnim
mestima.PritisniteOK (ili dugme Paste da biste komandu snimiliu Syntax
Editor), Da biste je izvr5ilinakon preno5enjau Syntax Editor, pritisniteje i u
menijuizaberiteRun.
Prethodnipostupakgeneri5eovu sintaksu:
: op1+op3+opS+Rop2+Rop4+Rop6
COMPuTEtoptim
EXECUTE.
Na kraju skupa podataka napravili ste novu promenljivu TOPTIM.
Ukupni rezultati za svakog ispitanika na ovoj skali sastojaie se od zbira re-
zultata za svaku stavku (promenljivu) - od op1 do op6, reiifrovanih gde tre-
ba. Tamo gde pojedinoj stavki nedostaje podatak, ne6e biti ni ukupnog
rezultata. To se vidi tako 5to u odp;ovaraju6oi6eliii datoteke s podacima ima-
te tadku umesro rezultata. Videiete u literaturi da neki istraZivadi idu korak
dalje tako 5to ukupan rezultat na skali dele ukupnim brojem stavki od kojih
se skala sastoii. Tako olakiavaju tun-raienjeukupnog rezultata na skali, zirto
5to je skala vraiena u prvobitni oblik upotrebljen za sve stavke (npr. od 1 do
5 za stavove od potpunog neslaganjado potpunog slaganja). I to se radi po-
moiu SPSS-ovogmenija Transform, Compute. Novoj promenljivoj treba
dati novo ime i upisati odgovarajuiu formulu (npr. TOPTIM/6).
Ne zaboravite da pojedinosti o svim novim promenljivama upiSeteu 5i-
farnik. Treba upisati ime nove promenljive, Sta ona predstavlja i sve pojedi-
nosti o tome kako je izradunata. Ako je neka od njenih stavki bila obmuta,
to treba navesti zajedno s detaljima o tome koje su stavke bile sabrane kako
bi se dobio ukupan rezultat na skali. U Sifarnik bi trebalo upisati i moguii
raspon vrednosti nove promenljive (videti dodatak). Time ste sebi pripremili
jasan vodid za prepoznavanje vrednosti koje su greSkom izvan dozvoljenog
raspona.
Kada napravite novu promenljivu, pokrenite za nju proceduru Descripti-
ves kako biste proverili da li su njene vrednosti odgovarajuie (videti pogla-
vlje 5). Tako 6ete steii i ose6aj za raspodelu rezultata nove promenljive.
o Proverite u upitniku koliki je moguii raspon vrednosti koje se mogu
zabeleLiti? Za skalu sa deset stavki i ako se odgovori oznaiavaju bro-
jevima od 1 do 4, najmanji mogu6i ukupan rezultatje 10, a najveii 40.
Osoba koja na svaku stavku odgovori sa 1 imaie ukupan iznos 10 x 1
= 10. Osoba koja na svaku stavku odgovori sa 4 ima6e ukupan iznos
10x4=40.
o Proveriterezultat procedureDescriptivesda ne bi bilo vrednosti izvan
dozvoljenograspona.(Videtipoglavlje5.)
. Uporedite srednju (prosednu)vrednost ukupnog rezuhata dobijenog
na skali sa odgovarajuiimsrednjimvrednostimanavedenimu literatu-
ri. Da li ste dobili rezultatslidannjihovom?Ako niste,za5to?Da niste
pogreiili prilikorn reSifrovanja promenljivih?Ili je va5uzorakdrugadiji
od onoga upotrebljenogu drugim istraZivanjima?
Trebalo bi da obavite i druge analizeradi provere raspodelerezuhataza
novu promenljivu,,ukupanrezultatna skali":
o Proverite da li je raspodela rezultata asimetridna(sketuness)te da li
spoljoitenija(kurtosis)od normalne.(Videtipoglavlje6.)
o Napravite histogram rezultatai pogledajtenjihov raspon.Da li su nor-
malno raspodeljeni?Ako nisu, moZda bi za neke analizerezultatetre-
balo da transformiSete. (To ie biti obiainienou nasravku.)
Transformisanje promenljivih
eesto 6ete (na svoju Zalost!) prilikom pregleda raspodele rezukata na nekoj
skali, tj. pri nekom merenju (npr. samopodtovanja, anksioznosti) primetiti
da kriva raspodele nije ni lepa ni normalna. Ponekad su rezultati pozitivno
asimetridni, tj. veiina ispitanika je odgovorila malim vrednostima na skali
(npr.potiStenosti).Katkadaje raspodelanegativnoasimetridna;tu je veiina
rezukatabliZavelikim vrednostima(npr.samopoitovanja).Po5tose mnogi
parametarskitestovimogu obavljati samo na normalno raspodeljenimre-
zultatima,Stada radite sa asimetridnimraspodelama?
Jedno reSenjebi bilo da ne radite parametarsketestove(npr. pirsonovu
korelaciju, analizu varijanse), nego njihove neparametarskealternative
(Spirmanovukorelacijuranga,Kruskal-Volisovtest).u programskompake,
tu SPSSpostoji viSekorisnih neparametarskihtehnika, a razmotren",u u
poglavlju15.
Druga moguinost (kada nemate normalnu raspodelu rezultata)jeste da
transformiSetepromenljive. To znati da raznim matematidkim funkciiama
modifikujeterezultatedok raspodelupriblizno ne normalizuiete.Ima viie
vrstatransformacijakoje seupotrebljavajuukoliko to prvobitni oblik raspo-
delenalai,e.o ovom pristupu se vodi velika raspravau literaturi. Jedni zdu-
5no zagovarajutransformisanjepromenljivih da bi se bolle zadovoliile
polazneprerpostavkeraznih parametarskihtehnika (naideiie normalnosr
raspodele), a drugi navodezalroro nijedobro.Diskusijuo prisrupimarrans-
formaciji i pitanjima koje ona pokreie imate u 4. poglavlju knjige koju su
napisaliTabachnicki Fidell (2007).
Na slici 8.2 predstavljenesu neke od uobiiajenih problematiinih raspo-
delai transformacijekoje za njih preporudujuThbachtri.ki Fid.ll (2007, str.
87). Uporeditesvoju raspodelus prikazanimai utvrdite kojoj od njih je naj-
slidnija.Uz svaku od predlozenihtransformacijadala sam i njenu formulu.
Ne plaSitese- to su samoformule koje sPSSupotrebljava za transformaciju.
Vi 6eteod SPSS-a dobiti gotovu, nadajmo se normalno raspodeljenu,novu
promenljivu za analize.u narednom odeljku upoznaiete Spss-oveprocedu-
re
_zatransformisanje. Medutim, pre nego 5to sami pokulate da upotrebite
nektttransformaciju,trebadobro da proudite4. poglavljeknjigeauiorki rh-
bachnicki Fidell (2007) ili odgovarajuii deo n.kog slidnogudzbenika.
Postupaktransformaciiepromenljivih
1. U glavnom meniju pri vrhu prozora pritisniteTransform, zatim Compute
Variable.
2. Target variable. U ovo polje upi5ite novo ime promenljive.Poku5ajteda
njime naznaditevrstu transformacijei prvobitnoime promenljive.Na primer,
da sam iz promenljivetnegaff moralada vadim kvadratnikoren (engl.square
root), nazvalabih novu promenljivusqnegaff. Budite dosledni u primeni
skracenica kojima oznadavatetransformacije.
3. Functions. U ovoj listije mnostvofunkcijaza normarizaciju (transformaciju),
od kojih treba da izabereteonu najprikladnijuza svoju promenljivu.pogle-
dajte oblik svoje raspodelei uporeditega sa slikomg.2. Zapisiteformuluna-
vedenu pored slike koja je najpribliZnija
va5oj raspoderi.Nju cete upotrebiti
za transformaciju.

Kvadratni koren
Formula:nova promenljiva= SQRT (starapromenljiva)
Logaritam
= LG10(starapromenljiva)
Formula:novapromenljiva
Reciprodnavrednost
Formula:nova promenljiva= 1/ (starapromenljiva)
Preslikavanjei kvadratni koren
Formula:nova promenljiva= SQRT (K - stara promenljiva),
gde je K = najve6amogucavrednost+ 1
Preslikavanjei logaritam
Formula:novapromenljiva = LG10(K - starapromenl.iiva),
gde je K = najve6amogudavrednost+ 1
Preslikavanjei reciprodna vrednost
Formula:novapromenljiva = 1l (K - starapromenljiva)
gde je K = najvedamoguia vrednost+ 1
dovoljno, razmislite o tome da za analizu podataka upotrebite neparame-
tarske tehnike (videti poglavlje 16). Druga moguinost zaveoma asimetriine
raspodelejeste da neprekidnu promenljivu podelite na viie diskretnih grupa.
Slika8.2 Raspodelarezultatai preporudene
transformacije.
Sledeuputstva kako se to radi.
4.Zatranstormacije u kojima se izradunava kvadratni koren ili logaritam.
U polju Function group pritisniteArithmetic, pa premotavajtelistu u do-
njem polju sve dok u njoj ne nadete potrebnufunkciju(npr.SORT ili LGl O).
Pritisnitetu funkcijui potom strelicunavi5ekako biste izabranufunkcijupre-
bacili u polje Numeric Expression. Funkcijitrebasaopstitikoju promenljivu
Zeliteponovo da izradunate.Pronaditeje u listi promenljivihi pritisnitestreli-
cu da bisteje prebaciliu polje Numeric Expression. Ko hoce, moze sam da
upi5eformulu,a da uop5te ne koristiliste Functions i Variables.Jedinotre-
ba pazitida se ne pogre5iprilikompisanjaformule.
5. za transformacije u kojima se kriva raspodele preslikava. Treba da od-
redite vrednost K za svoju promenljivu.To je najvecavrednost koju ta pro-
menljivamoZe doseci (pogledajteu Sifarniku)+ 1. Upisite taj broj u polje
Numeric Expression. Dovrsiteostatak formule pomocu polja Functions ili
ga sami dopi5ite.
6. Za transformacije u kojima se izradunava reciprodna vrednost. Reci-
pro6navrednostse dobija deljenjembroja 1 sa rezultatom.Zatou polje Nu-
.l
meric Expression upisite , zatim kosu crtu i ime promenljiveili ostatak
formule (npr. 1/ tslfest).
7. Proveritezavr5enuformuluu polju Numeric Expression. Zapisiteie u sifar-
nik pored imena novonapravljene promenljive.
8. Pritisnitedugme Type and Label. u polje Label upisitekratakoprs nove pro-
menljive(ili upotrebljenuformulu).
9. Proveriteu polju Target variable da li ste novoj promenljivojdali novo ime
(da nijezaostalostaro).Ako gre5komupi5etestaro,izgubicetesve prvobitne
rezultate.Zato uvek proverite dvaput.
10. PritisniteoK (ili Paste ako tu komanduhocete da prebaciteu prozorsyntax
Editor). Da bisteje izvr5ilinakon prenoSenjau Syntax Editor, pritisniteje i u
glavnommenijuizaberiteRun. Bice napravljenanova promenljivai dodata na
kraj datoteke s podacima.
11. PokreniteproceduruAnalyze, Frequencies da biste uporediliasimetridnost
i spljo5tenoststare i nove promenljive.Da li su se poboljSali(pribliZilinuli)?
12. Ponovo u meniju Frequencies, pritisnitedugme Charts i izaberiteHisto-
gram da biste pogledali raspodelu rezultataza novu promenljivu.Da li se
raspodelapopravila(pribliZila normalnoj)?Ako nije,treba da nadeteneku pri-
kladnijutransformaciju.
Ukoliko nijedna od ponudenih transformacija ne normalizuje raspodelu
 L/eu lll. Tlclllllll lall le al lallze Poglavlje8: Dorada podataka 95

sludajeva. To su dve osobe koje su oznatlle 1.za prvobitnu promenljivu (os-

Postupak re5ifrovania kategoriiskepromenljive novna Skola) i 53 osobe koje su oznadile 2 (nezavriena srednja Skola).
1. U glavnommenijuna vrhuprozorapritisnite Transform,zatimRecode,pa Prikazantr proceduru Recode (re5ifrovanja) upotrebljavamo u razne svrhe.
lnto Different Variables. (Obavezno treba da piSe'different jer ce
variables', Kasnije, kada budemo radili statistidke analize, do6i 6ete u situaciju da reii-
samotako prvobitnapromenljiva ostati neizmenjena za druge analize.)
frujete vrednosti odredenepromenljive. Na primer, u poglavlju 14 (Logistiika
2. lzaberite promenljivukojutrebare5ifrovati (npr.Skola).U poljeNameupiSite regresija)reiifrovaiemo promenljive prvobitno Sifrovar-resa 1-da, Z=De DA
ime novepromenljive kojutrebanapraviti(npr.Skolare5if). U odeljakLabel nov sistemSifrovanja 1=da, 0=ne. To se radi onako kako je opisano u prethod-
upiSitenjenduii opis.Pritisnite dugmeChange. nom odeljku. YaLno je da pre nego 5to podnete reiifrovanje budete sasvim
3. PritisnitedugmeOld and New Values. naiisto 5ta predstavljaju prvobitne vrednosti, a 5ta treba da budu nove.
4. U odeljkuOld Valuenalazise poljeValue.Upi5iteprvuSifruili vrednostte-
kucepromenljive (npr.1). U odeljakNewValueupi5itenovuvrednostkoja
ce biti upotrebljavana(iliistuvrednost, ako ce i daljebiti upotrebljavana). U DodatneveZbe
'l
ovomsludajure6ifrovacu na istuvrednosti zatoupisati i u Old Valuei u
New Value.Pritisnite dugmeAdd. PoslovnookruZenje
Datoteka s podacima:staffsurvey3ED.sav.Pojedinostio datotecivideti u
5. Za drugu vrednost upisacu 2 u Old Value,ali 1 u New Value.Timecu sve
vrednosti1 i 2 iz prvobitnogSifrovanja u jednugrupunovepro-
re6ifrovati dodatku.
menljivekojace biti napravljena, s vredno5iu1. 1. VeZbajtepostupkeopisaneu ovom poglavljuda bisredobili ukupnere-
6. Za trecuvrednostprvobitnepromenljive upisacu3 u Old Valuei 2 u New zuhate na skali, koristeii stavke iz anketa o zadovoljstvu zaposlenih
Vafue kakobi vrednosti novepromenljive bileu neprekidnom nizu{1,2,3,4, (StaffSatisfactionSurvey).Saberitesravkekoje mere slaganjesa sva-
Add. Ponovite
5). Pritisnite za svepreostalevrednosti. U tabeliOld) New, kom stavkomskale(tj. Q1a+Q2a+Q3a.. . do Q10a).Novu promenlji-
u ovomprimerubi trebaloda viditesledeceSifre:1-+'l; 2+.1;3-+2;4->3; vu nazovitestaffsatis.
5-+4;6-+5. 2. Pogledajteopisne statistidkepokazateljenovog ukupnog rezuhata
7.Pritisnite ContinueizatimOK (ilidugmePasteda bistekomandusnimiliu (staffsatis)i uporedite ih sa istovrsnim pokazateljima za promenljivu
SyntaxEditor).Da bisteje izvrSili nakonpreno5enja u SyntaxEditor,priti- totsatis, koju vei imate u datoteci s podacima. To j" ukupan rezultat
sniteje i u menijuizaberite Run. koji sam ve( izratunala umestovas.
8. Prediteu prozorDataEditorna karticuVariableView UpiSite odgovarajuce 3. Koliki su najmanji i najveii moguii rentltat za novu promenljivu?
du2eopise novihvrednosti(1:nezavr6ena srednjaSkola,2:zavr5enasre- Uputstvo:treba uzeri u obzir broj stavki skale i broj kojim se 5ifruje
dnjaSkola,S:dodatnaobuka,4:zavr5enedodiplomske studije,5: zavr5e- odgovorza svakusravku(videti r-rdodatku).
ne postdiplomske studije).Ne zaboravite da se ove Sifrerazlikuju od Sifara 4. Pogledajteraspodelupromenljiveservice(staz)na histogramu.videie-
prvobitnepromenljive; ne smeteih pobrkati.
te da je ta raspodelaveomaasimetridnajer ve6inaljudi ima malo staZir
Prethodni postupakgeneri5eovukomandu: (manjeod 2 godine),a jedanrnali broj veomamnogo (viie od 30 godi-
na). Uporeditetu raspodelusa onima na slici 8.2 i isprobajtenekoliko
RECODE transformacija.Ne zaboraviteda svakiput pogledateraspodelutrans-
skola formisanihpromenljivih.Da li je ijednaod transformisanihpromenlji-
(1:1) (2:1) (3:2) (4:S) (S:+) (6:5) lNTOskolaresif vih normalnijeraspodeljena ?
EXECUTE. 5' Podelitepromenljivukoja se odnosi na broj godina rad'og staZa(ser-
vice) r.rtri grupe postupkon-r visual Binning iz menija tansform. pri-
tisnitedugmeMake cutpoints i izaberiteEqual percentiles. u odeljku
Number of cutpoints zadajte2. Novu promenljivu nazoviregp3ser-
Kada reSifrujetepromenljivu, obavezno pokrenite proceduru Frequencies
vice kako bi se razlikovalaod promenljivekoju sam istim postupkom
i za staru promenljivu (skola) i za novu (skolaresif:),smeStenuna dno dato-
napravila u datoteci s podacima (seruice3gpl.pomoiu p.o..d,r.. Fr"-
teke podataka. Proverite da li su frekvencije nove promenljive ispravne. N:r
quenciesprebrojteudestalostinove promenljiveda bistevideli koliko
primer, nova promenljiva skolaresif bi u prvoj grupi trebalo da ima 2+53=5-5
je ispitivanihsludajevau svakoigrupi.

Zdravstvo
Datotekas podacima:sleep3ED.sav. Pojedinostio datotecivideti u dodatku.
1. VeZbajtepostupkeopisaneu ovom poglavlju tako Sto iete izradunati
ukupnerezultatena skali pospanostii srodnihoseianja(Sleepiness and
AssociatedSensationsScale).Saberitestavke fatigue, letbargy, tired,
sleepy,energy.Novu promenljivu nazovite sleeptot. Vodite raduna o
tome da nijednuod tih stavki ne treba obrnuti pre sabiranja.
2. Proveriteopisne statistidkepokazateljeza novi ukupan rezultat (sleep-
tot) i uporediteih sa istovrsnim pokazateljimaza promenljivu /orSAS,
koju vei imate u datotecis podacima.To je ukupan rezuhatkoji sam
ve( izraiunala umestovas.
3. Koliki su najmanji i najveii moguii rentkat za novu promenljivu?
Uputstvo: treba uzeti u obzir broj stavki skale i broj kojim se Sifrujc
odgovor za svakustavku (videtiu dodatku).
4. Na histogramupogledaiteraspodelupromenljivekoja meri koliko ci-
garetadnevno popuie puladi u uzorku (smokenum).Videiete da je ta
raspodelaveoma asimetridnajer veiina ljudi malo puSi (manjeod 10
cigaretadnevno),dok je mali broj osobana samomkraju skale's vi5e
od70 cigaretadnevno.Uporeditetu raspodelusa onima na slici 8.1 i
isprobajtenekoliko transformacija.Ne zaboraviteda pogledateraspo-
delu transformisanihpromenljivih.Da li je ijedna od transformisanih
promenljivihnormalnijeraspodeljena?
5. Podelitestarosnupromenljivu (age)na tri grupe pomo6u procedure
Visual Binning iz menija tansform. Pritisnitedugme Make Cutpoints
i izaberiteEqual Percentiles.U odeljku Number of Cutpoints zadaite2
zabroj preseinihtadaka.Novu promenljivunazovitegp3agekako bi
se razlikovalaod promenljivekoju sam istim postupkomnapravilau
datotecis podacima (age3gp).Prebrojteudestalostinove promenljive
pomoiu procedureFrequencies da bisteproverili koliko je ispitivanih
sludaieva u svakojgrupi.
I
ffi
,x
\
\ Proverapouzdanosti
merneskale
Kada birate merne skaleza svojeistraZivanje,uzmite one pouzdane.pouz_
danostse moze posmatratis vi5easpekata,sro je bilo ,ur-otr.rro u pogla-
vlju 1. Jednood glavnihpitanja odnosisena unurrainju saglasnost skalelq.
stepensrodnostistavki od kojih seskalasastoji.Da li sveorr" ,'"r. isti kon_
strukt?Medu najdeSier'.potrebljavanim pokazateljimaunutralnjesaglasno_
sti je Kronbahov koeficijent alfa. U idealnom sluiaju bi Kronbahov
koeficijenttrebaloda budeveii od 0,7 (DeVellis,2003). Medutim, vrednosti
Kronbahovog koeficijenta alfa veoma su osetljive na broj stavki na skali.
Kratke skale (tj. skale sa manje od desetstavki) destoimaju priliino male
Kronbahove koeficijente (npr. 0,5). U tom sludaju, moidai. prlklud.riy" du
seizradunasrednjavrednostkorelacijeizmedu sravki (engl.'iean inter-item
correlation).Briggsi cheek (1986)preporudujuvrednostfod0,2 doO,4kao
optimalanrasponkorelacijeizmedustavki.
Pouzdanostskalese menja zavisnood uzorka za koii se koristi. zato ie
pouzdanostsvakeskaleneophodnoproveriti na konkretnom
uzorku. To se
obidno stavlja u odeljak Metodologija tezeodnosno izveitaja (dlanka)
o
istraZivanju.Ako skala sadrZin.g"tiu.ro formulisane stavke (ito je
iesto u
psiholoSkimistraZivanjima),njih rreba obrnuti pre provere
pouzdanosri.
Uputstva o rome su dara u pogiavlju g.
. lt. nego5to nastavire,u prirudnikuza skalu (ili strudnomdlankuu kojem
je skalabila opisana)obaveznoproditajte
treba li obrtati sravkeskalei sve
slo,se.od.nosina nieneevenrualnepodskale.Katkada skaleimaju viie pod-
st<alakoje treba ili ne treba kombinovati da
se dobije ukupan rezultat na
skali-Po potrebi iere izradunatipouzdanosrsvih podskala
i ukupneskale.
Ako za svojeistrazivanjerazvijatesopstvenuskal,r,treba mnogo toga da
proditateo nadelimai postupcimarazvojaskala.
o tome ima dobrlh i dtt;l-
1r[knjiga, medu kojima su i one koje su napisali
Streiner & Norman (2003),
DeVellis(2003)i Kline (2005).
Obiainienjeprimera Scale: Life Satisfaction
Pokaza6uvam ovu tehniku na primeru datoteke s podacimaa survey- Case Processing Summary
3ED.sav,dostupnojna prateioj Web lokaciji knjige.SvepojedinostiistraZi- N

vanja, upitnik i upotrebljeneskale dati su u dodatkr.r.Ukoliko Zeliteda uases vatru 43699 :J

Excludeda 3 7
pratitei odmah sprovoditenavedenauputstva,pokreniteSPSSi otvorite da- Total 43q
1 0 00

toteku survey3ED.sav. U narednompostupku ispituje se unutrainja sagla- a L,slwrse cleleton based on all vanables In the prccedure

snost jedne od skala u tom upitniku. To je skala Satisfactionwith Life Reliability Statistics
(zadovoljstvoZivotom)(Pavot,Diener,Colvin & Sandvik,1,991.), koja sesa-
Cronbach's
stoji od pet stavki. U datotecis podacima one su nazvanelifsatl, lifsat2, Alpha Based
on
lifsat3.lifsat4.lifsat5. Cronbach's Siandardized
lle,ns N of Jtems
.890 .895 5

Postupakproverepouzdanostiskale Item Stati6lics

Vaino:pre negoStopodnete,trebalobi da proverite da li su svenegativno formu- Mean

4.37
Sld Devrelion
1,5211
N
436
lisanestavkeskalepreokrenute (videtipoglavlje8). Ako to ne uradite,dobicete lifsat2 4.57 1.554 436
lifsal3 4,69 1,519 436
veomaniske(i netadne)vrednostiKronbahovog koeficijentaalfa.U ovomkonkret- lifsat4 4.75 1.641 436
lifsat5 3.S9
nomsludaju,ne trebaobrtatinijednustavku. LB55

1. U glavnommenijuna vrhuprozorapritisnite Analyze,zatimScale i najzad Inter-ltem Corelat'on Mat.ix

ReliabilityAnalysis. lifsll litsat3 lifsat4 tIsat5

nSaIt 1,000 ,/ttJ
2. Pritisnite svepojedinadne stavkeod kojihse skalasastoji(npr.lifsatl,lifsat2, litsa12 .763 1,000 .727 .606
,52b
.481
lifsat3,lifsat4,li{satS).
Prebaciteih u poljeltems, li{sat3
l,fsat4
.720 .721 1,000 .721
.573 ,606 .721 1.000 .594
3. U odeljkuModeltrebada je izabrana opcijaAlpha. litsat5 441 .587 5g{ I 000

4. U poljeScalelabelupi5iteopisnoimeskaleodnosnopodskale(Zadovoljst- Summary ltem Statistics

vo Zivotom).
5. Pritisnitedugme Statistics.U odeljkuDescriptivesfor redom pritisnite Mean Mrnlmum Max{mum Rano N ol ltems
.630
Item,Scale i Scale if item deleted.U odeljkuInter-ltempritisnite Corre- Correlalrons ,481 763 .282 1,58/ 009 5

lations.U odeljkuSummariespritisnite Correlations.

Item-Total Stalistics
6. Pritisnite ContinueizatimOK (iliPasteda bistekomandusnimiliu Syntax
Scale Corfecled Squafed
Editor). Sqle Mean if Vanance rf ttem-Total Muilple
Cronbach's
Alpha rl llem
ilsal1
Ovajpostupakgeneri6esledecusintaksu: 'ifsat2
1 8 00
17.B.l
./5t3 861
30.436 752 ,654 .Bti2
lrfsal3 17.69 29 852 .824 .847
lrfsat4 29 Sr54 .734 866
RELIABILITY l,16al5 18.39 29.704 ,627 .896
/VARIABLES:Iifsatllifsat2lifsat3lifsat4lifsat5 Scal StEtislics
/SCALE('ZadovoljstvoZivotom')ALL/MODEL:ALPHA Meal vaIan Sld. Oevialiof N ol llems
/STATISTICS:DESCRI PTIVESCALECORR '22
38 45 821 ri.7t0 5
/SUMMARY:TOTAL CORR.
 vYrqvrjv rvorr rrrettts DN4tc

Tumadenjerezultataproverepouzdanosti Predstavfjanjerezultata provere

. Proveriteda li je tadanbroj sludajeva(u tabeliCaseProcessing Summa- pouzdanostiskala
ry) i broj stavki (u tabeli ReliabilityStatistics).
uobidajenoje da se unutrainja saglasnosr skalaupotrebljenihu istrazivanju
r Proveriteima li negativnihbrojeva u tabeli Inter-ltem Correlation Ma-
izraiuna i navedeu izveitaia Metodorogiju, poi nasrovomMerila,
trix (korelacijeizmedustavki skale).Svi ti brojevi bi trebalo da budu 9d9t1k_u
Metrika ili Materijali. Nakon opisa skale (broj-stavii, upotrebrje.rn,t
pozitivni,5to pokazujeda stavkemereisto obeleZje.Prisustvonegativ- ui"
odgovora,istorija upotrebe),treba saieto navestiita su o nje.rojpouzdano_
nih brojevamoglo bi da ukaZena to da nekestavkenisu bile ispravn<r sti napisaliprojektant skalei drugi istrazivadi,a zarim u jednoj'recenici
preokrenutepre izradunavanjarezultata.Netadan rezultat bi se po- re_
zultatedobijene na sopstvenomuzorku.
kazao i u tabeli Item-Total Statisticstako ito bi se pojavile negativne Na primer:
vrednosti za Corrected-ItemTotal Correlation. Svenjih treba paZljivo
proveriti kada se dobije Kronbahov alfa manji od odekivanog.(Pogle- Prematvrdnjiautora Pavot,Diener,Colvin i Sandvik(1gg 1), skala
dajte 5ta su o toj skali pisali drugi istraZivadi.) Satisfaction
with Life ima dobru unutrasnjusagrasnosti Kronbahovkoeftijent
r Proveritekoliki je Cronbach'sAlpha (Kronbahov koeficijent alfa) na- arfaoo o,as.
U ovoj studijije izradunatiKronbahovkoeficijentalfa imao vrednost
0,g9.
vedenu tabeliReliabilityStatistics. U ovom primeru on iznosi0,89, 5t<r
pokazujeveoma dobru pouzdanosti unutrainju saglasnostskale za
ovaj uzorak. Prihvatljivevrednostialfe su iznad0,7; medutim, poZeljne DodatneveZbe
su vrednostipreko 0,8.
. Broievi Correctedltem-Total Correlation prikazani u tabeli Item-Total Poslovnookruienje
Statisticspokazuju stepenkorelacijesvakestavke sa ukupnim rezulta- Datotekas podacima:staffsurvey3ED.sav.
pojedinostio darorecivideti
u do_
tom. Mali brojevi (manji od 0,3) ovde pokazujuda stavkameri neito datku.
drugo, a ne ono 5to meri cela skala. Ako cela skala ima premali Kron- 1. Proveritepouzdanostskale staff SatisfactionSurvey,
koja se sastojiod
bahov alfa (npr.manji od 0,7), a vi steve6uklonili svenetadnoizraduna- stavki Q1a do e10a za izrai.avanjerazliditogrr.p#u
.ingnrln. Nijed_
te rezultate,razmisliteo tome da uklonite stavkes niskom korelacijom nu stavkute skalenije potrebno obrnuti.
stavka- ukupan rezultat.
r U koloni Alpha if Item Deleteddat je uticaj uklanjanjasvakestavkesa Zdravstvo
skale na iznos koeficijentaalfa. Uporedite te vrednostis konainom Datotekas podacima:sleep3ED.sav.
pojedinostio datotecivideti
vrednodiualfe. Ako je ijedan broj u toj koloni ve6i od konadnevred- u dodatku.
1' ProveritepouzdanostskaleSreepiness and AssociatedSensations,
nosti alfe, rnoi.dabi tu stavku trebalo izbaciti sa skale jer bi se time koja
sesastojiod stavki fatigwe,lethargy,tired, sleepy,
koeficijent alfa pove(ao.Za etablirane,dobro validirane skale,o tome energy.Nijednustav_
ku te skalenije potrebnoobr.r.rti-'
bi semislilo samoako je alfa mali (manliod 0,7). Medutim, uklanjanjc
stavki s postoje6eskaleznadida svojerezultateneietemoii da upore-
dite sa ostalimistraiivanjimau kojima je ta skalaupotrebljena.
c Za skales malim brojem stavki (npr.manjim od 10), ponekadje teiko
dobiti pristojnu vrednostKronbahovogkoeficijentaalfa.Tada bisteu
izvedtajumogli navestisrednjuvrednostkorelacijeizmedustavki' na-
vedenu u tabeli Summary Item Statistics.U ovom sludaju,srednie
vrednostkorelacijeizmedustavkiiznosi0,63, a korelacijeparovastav-
ki od 0,48 do 0,76.To bi znadiloda ie korelacija(veza)medustavkarna
veomasnaZna,5to za mnogo skalane vaLi.
ffi lzborprikladnih
statisti6kihtehnika

Za ve(inu studenataistraZivaikihtehnika, jedan od najteiih (moZdadak i

zastraSujuiih)delovaistraZivadkog procesajestepronalaienje(izbor) stati-
stiike tehnike prikladne za analizu datih podataka.Na veiini statistiikih
kursevauii se izraiunavanjekoeficijentakorelacijei kako se radi t-test,pa
im obiino ne ostaiedovolinovremenada studentenaudeda izaberustatistid-
ki pristup prikladan za pronalaLenjeodgovora na konkretna istraiivadka pi-
tanja.U veiini istraZivadkihprojekataupotrebljavajuse razliditestatistidke
tehnike,u zavisnostiod pitanja na koja treba odgovoritii prirode podataka
koje treba analizirati. Zato je vaLno da steknetemakar i elementarnopoz-
navanjerazliiitih statistidkihtehnika,vrsta piraniana koja one mogu odgo-
voriti, njihovih zahtevai pretpostavki na kojima podivaju.
Zato iskopajtesvojeudZbenikestatistikei pregledalteosnovnetehnikei
nadelana kojima one poiivaju. Isto tako, trebalobi da prelistateilanke u da-
sopisimao vaSojtemi i identifikujetestatistidketehnikeupotrebljeneu rim
studijama.Raznimoblastimastatistiiki se pristupana razliditenadine,pa je
vaino da utvrdite kako su drugi istraZivaii analizirali podatke. Traiite
dugadkei detaljnedlanke u dasopisimau kojima jasno i jednostervno piSe
koje statistiiketehnike su koriSiene.Sakupitetakve dlankei spremiteih u
zasebnufascikluradi lakieg koriSienja.Dobro ie vam doii i kasnije,kada
budeterazmatrali kako da predsraviterezultaresvojih analiza.
U ovom poglavlju razmotriiemo raznedostupnestatistidketehnikei korak
po korak proii kroz procesizbora.Ukoliko vas vei i samared statistikabaca
u paniku, smatrajte sveovo izborom receptapo kome iere veieraspripremiti
lelo.Staimateu friZideru,5tavam sejede(supa,peienje,nedtoprZeno,kuva-
no jelo) i koji je postupak?Statistidkimjezikom redeno,razmorridemovrsre
tstraZivaikihpitanjakoja postoje,promenljive(obelezja, karakteristike)koje
trebaanalizirarii prirodu samihpodataka.Proditekroz ovaj proceskorak po
rorak i videieteda je konaina odluka destoiznenadujuiejednostavna. Kada
utvrdite5taimate i 5taZeliteda uradite,destopreostajesamojedannadinda
seto posrigne.NajvaZnijideo ovog procesaje jasnonapisati5taimatei ita s
ttm ffeba da uradite.
104 D e o l l l : P r e l i m i n a r naen a l i z e Poglavlje10: lzbor prikladnihstatistidkihtehnixa 105

Pregfed raznihstatistidkihtehnika tehnike istraZi-

Faktorska analiza
oual idelyak ima dva osnovnadela. Prvo iemo razmotriti Faktorska analiza sluLi za svodenje velikog skupa promenljivih ili stavki
promenliiuih (npr. srarosri i optimizma), a porom naiine skalena manji broj dimenzijaili faktora, s kojima je lakie ,aditi. To seposti_
u^^i'^r"zi izmedu
grupa (npr' polnih razlika u stavovima o opti- Le saLimanjemoblika korelacijekoji leZeu njihovoj osnovi i pronalaZenjem
irtruZirrunlurazlika izmedu
zato 5to je tako ustroiena vedina grupa tesno.povezanihstavki. Ova tehnika sedestokoristi priliko- razvoJa
-ir-n). t"hnik. sam ovako podelila
su tako udili osnove statistike. skalai merila,za identifikacijupripadnesrrukture.videti poglavlie15.
udzbenlkaiz statistike,a i veiinu studenata
u stvari,
Ti-. ,. pomalo veStadkiistiderazlikaizmeduta dva skupatehnika.
se na prvi pogled SaZetak
izmedu iaznlhstatistiikih tehnika ima mnogo slidnosti,Sto
Ko o tome zeli sve navedeneanalizeobuhvataju istraZivanjeveza izmed,uneprekidnihpro_
ne vidi. celovito razmatranieteteme nije predmetove knjige.
kniige koju su menljivih.Kada imate samokategorijskepromenljive,za ispiiivanjenjihove
da saznavi5e,preporuiuiem da najpre proiita 1'7' poglavlie
i Fidell (2007). Tu dat prikaz opiteg linearnog mode- uzajamnevezemoi.eseupotrebiti hi-kvadrat test vezai nezavisnosti(npr. za
,r"pirul. Tabac'hnick ie
pod koji se mogu svrstati mnoge statistidke tehnike' odgovorna pitanjeda li pol klijenatautidena stopunjihovogodustaja.rja od
la,'Rurn"
statistidketehnikenamernosam opisalasaZetoi jednostavnoda bi odredenogprogramatretmana).U toj situacijizanimavas bioi osobau sva-
svedo- koj kategoriyi(broj mulkaraca ii.ena koji odustajuod tog programaili ga
ih podetnicilakSerazumeli.U ovom poglavljunisu dak ni nabrojane
da dovek podne da ih zavriavaju), a ne njihove prosednevrednosti na nekoj rkuii ptr-nrranog
,r.rpr" tehnike,ali su date osnovekoje su dovoljne
obeleLja.spomenuiu jo5 neke tehnike o kojima rreba barem ziati da oortol
upotrebljavai tako steknesamopouzdanje'
je. ViSeo njima naii iete u Tabachnicki Fidell (2007).To su:
. Diskriminaciona analiza (engl.discriminant
lstraZivanjeveza izmedu raznih obeleZia function analysis) sluziza
nego jadina
U anketnom istraZivanjudestonisu vaLnerazbkeizmedu grupa, ispitivanjemoguinosti da se pomoiu skupa nezavisnihpromenljivih
predvidi vrednosr jednog kategorijskog zavisnog obeleila, tj. da se
vezeizmedu obeleLla(promenljivih). Moze se upotrebiti viSetehnika.
odredikoje promenljivenajboljepredvidajupripadnostgrupi. (Diskri-
Korelaciia minacionafunkcija je linearna kombinacija nezavisnihpromenljivih
upotreblia- koja najbolje razdvajasludajevena a priori definisane
za istraLivanjejaiine vezeizmedu dve neprekidnepromenljive $upe.) U ovom
Korelaciiapokazuje smer (pozi- sludaju'zavisnapromenljivaje obidno neki jasan krite*rr;um(polozio/
u"jo ," Pirsonovai Spirmanovakorelacija.
korelaciia pokazuie da ob.c pao, prekinuo/nastaviorrerman). videti poglavlje 9 u knjizi rabach-
tivan ili negativan)i iurin,, veze. Pozitivna
korelacijapokazujeda jed- nicka i Fidella (2007).
pr"-*fii"Jrajedno i opadaiui rastu.Negativna
je poglavlja' c Kanonska korelacija (engl.canonical
,ru proln.nliiva opadakada d.,,ga rastei obrnuto' To tema 11' correration) sluij za analizuuza-
jamnih veza dva skupa promenljivih. Na primer,
moglo bi se istraziti
Delimii,na korelaciia kako razne demografskepromenljive utiSu na merir"aopiteg raspo-
Pomocu
Delimidna(parcijalna)korelaciiaie proSirenjePirsonovekorelaciie' lol'enja i sposobnostiprilagodenya.videti poglavlje 12, Tabachnick i
korelacila
,-r1.irklluf,.rjemo'uticajtre6e,remetiiadkepromenliive. Delimiina Fidell (2007).
promenljive(npr.svesnodavanje netainih,ali dru- c strukturno modelouanje(engl.
utlanjauticaj remetiladke structural equationmodeiling)relativno
je
pozeljnihodgouoru;,dime omoguieno dobijanie tadniieslike vezetz- je nova i veoma sofisticiranatehnika za ispitivanje
Srveno raznih iodela me-
korelacija tema 1.2.poglavlia'
medudve promenljiveod irt.r"ru. Delimidna ie dYu:?" u skupu promenljivih. Zasnovanaje na viiestrukoj regresiji i
tehnikamafaktorske analize.sluLi za izradunavanievaznostisvakene-
Viiestruka regresiia zavisnepromenljiveu modelu i testiranjekoliko dobro ceo model od-
seizracunir-
viSestrukaregresiiaie sofisticiranijepro5irenjekorelacijel.kgli- govara podacima, kao i za poredenjealternativnih modela. sam SpSS
predvidi vred-
va mogu6nostda se pomoiu skupa nezavisnihpromenljivih nemamodul za strukturno.modelovanje, ali podrZavaodgovarajuiido-
viSestrukeregresiie
,,or, 1.?nog neprekiinog t"vi,noi obeleZia'Ralng,vrs.tl datni programAMos. videti poglavlje14, Tabachn;ct< i"pldelle007\.
mogu6nosti (predvidanja) nezavis-
slui.e'zapo"r.d.t|.predi"ktivne 3dredenih
,tilUolltg 'kup" promenljivih za predikciiu
,.ih p.o*"nljivih i pronalaZenle
jednezavisnepromenliive.Videti poglavlje13'
lspitivanierazlikaizmedu gruPa (npr'pola, starosti).postojedve vrsredvofaktorske
analizevari;.anse:
Postoyi joi jedna porodica statistidkih tehnika za utvrdivanie statistiiki ANovA
razliitih grupa (engl.betweett_groups AN,OVA),kudu ,1-irpit";, grupe
zna(ajnrh razlika izmedu grupa. U nastavku iemo prikazati parametarske semedusobnorazlikuju, i ANovA ponovljenih;"r;;;i.d koje
I. repeatecr
mea_
verziie tih testova prikladne za podatke na intervalnim skalama s normal- suresANovA), kada seisti ljudi ispituju u_viienavrar".
N.Eu istraiivanja su
nom raspodelom rezultata i njihove neparametarskealternative. proiektovana tako da u istoj studiji kombinuju ,,rrntlr.'uui;urrr"
razliditih
grupa i ponovljenih merenja.Tb se onda ,u *gl.rk;;
T-testovi ;;;;"" Mixed Ber_
ween-within Designsili sprit flot, tj. kombinovin" ANov;.
T-testoviseupotrebljavajukada imateduegrupe (recimo,muikarce i iene) ili Dvofaktorska
ANovA obradenaje u pogravljv'r-9, a kombinovan"aNove , pogravrju
dva skupapodataka(pre i posle),i Zeiiteda uporeditesredujevrednostine- 20.
kog neprekidnogobeleZja(promenljive).Postojedve glavnevrste t-testova. Multiva rijaciona anaIiza varija nse
Tltestoveuparenih uzoraka (ili ponovljenih merenja,engl. repeatednxeasu- Multivarijaciona analiza.varijanse(engl. mwrtiuariate
anarysisof uariance,
res)upotrebljavatekada vas zanimaiupromenevrednostiposmatranogobe- MAN o vA) sluii za poredenje srednj e viednosti
.posmarra nog obelezja grupa
leZjadobijene od subjekatatestiranih u Vreme 1 i zatim ponovo u Vreme 2 u viSerazliditih, ali pouezanih,zavisnihpromenrjivitr;
,ru prirri"r, porediteuri-
(obidnoposle neke intervencijeili dogadaja).Ti uzorci su povezanipodto se caj razliditih rrermana.na raznemerrjiveishodei"p;l;;fri;riorr,
radi o istim ljudima testiranim u dva navrata. T:testovi nezavisnihuzoraka fizttke simprome.Multivarijaciona ANovA moz. depresiju,
b;ti ,r"i.* uz jednofak_
upotrebljavajuse kada imatedve razliiite (nezavisne) grupeijudi (muikarce torske,dvofaktorskeili viSefaktorskeanariz. u"ri;".,r.
* il;;-, dve iri viie
i Zene)i Zeliteda uporeditenjihove rezultateza posmatranoobeleZje.U tom nezavisnih promenljivih.MANOVA je obradena'"
sluiaju informacijeprikupljatesamoiednom,ali od dve grupelludi. T:testovi O.*f"i,fr'ir.
su obradeniu poglavlju 17. Njihove neparametarskealternative,Man-Vitni- Analiza kovarijanse
jev U testi Vilkoksonovtest ranga,predstavljenisu u poglavlju16. Analizakovariianse(ANcovA) sluii zastatisridku
ja dodatne, remet'adke (engr. kontrolu moguiih utica-
confotrnding)pro-"nt;ru.
Jednofakto rska analiza variianse Ovo je korisno kada posumnjateda se lengr.couariate).
vaie grup. ,ori;krj,,; nekom obe_
Jednofaktorskaanalizavarijanse(engl.one-way ANOVA) sliina je t-tesrtr. leiju koje utide na delstvo ,r.rurrrrr,rh-promenrjivih
na zavisnu.Kako biste
ali se koristi kada imate due ili uiie grupa i i.eliteda uporedite njihove sred- bili sigurni da uticaj potideod nezavisie
promenrjive,ANcovA statistidki
nje vrednostiza jednu neprekidnupromenljivu (obeleZje). Jednofaktorska uklanja dejstvo ..-.iil"dk. pr"-""tiiu..
AnalizakovarijansemoZe se oba_
zna(.ida se istraZujeuticaj samo iedne nezavisnepromenliivena zavisnu. k"? dvofakiorrk. ilr -"ttrunril J.io* analize vari-
ll]
yanse. -ll.lednofaktorske,
ANOVA kazujeda li segruperazlikuju,ali ne kazuiegde je razhkaznerdajna ANCOVA je obradenau poglavlju 22.
(gp1/gp3,gp2lgp3itd.). NaknadnimporedeniemmoZeseutvrditi koje grupe
se medusobnoznadainorazlikuju.Umestoda se poredesvegrupe,mogu sc
ispitati i razlike izmeduodredenihgrupa; to su planiranaporedenj:,r. Sliincr
Procesdono5enjaodfuka
jednofaktorske po- Poito ste videli ita vam stoji-na
t-testovima,postojedve vrste analize ANOVA
varijanse: raspolaganju, je
koje odgovaraiuvaiim potrebama.prililom vreme da izaberete tehnike
novljenihmerenja(kadaseisti ljudi ispitujuu viSeod dva navrata) i ANOVA izboraodgovarajuie statistidke
analize,ffeba uzeri u
razliditih grupa (ili nezavisnihuzoraka),kada se porede srednievrednosti obzir uii. tinria.".-rb ,r vrsta pitanja na
odgovore,vrsta stavki koja *aLrte
posmatranogobeleZjau dve ili viSegrupa.JednofaktorskaANOVA ie obre- i merneskaleu 'ous.- upitniku, priroda podataka
stupnihza svaku do-
denau poglavlju18, dok su njeneneparametarske alternative(Kruskal-Voli- oromenljivui p..,p"r,uuie koje moraju biti zadovoljene
svakustatisridkutehniku.proii za
sov test i Fridmanovtest)predstavljene u poglavlju 16. 6;;k;;;'[ po korak kroz procesodrudivanja.

Dvofakto rska anaIiza varij anse 1:.nakoja pitanjatraiite odsovore?

$::,:*
"oprsrr sprsak
Dvofaktorska analiza varijanse (engl. nuo-tuay ANOVA) sluZi za ispitivenic sa svim pitanjirna na koja bi istrazivanje
trebalo cla odgovo_
rt' videiete
uticaja dve nezavisnepromenljive na jednu zavisnu. Prednost dvofaktorskc da se neka fit".rj" mogu postaviti na
,n.rititrr,"!in..
o b l a s t io d i n t e r e s a , u svakoj
analize varijanse je to 5to omoguiava ispitivanie iaiine interakcije, tj. uticrt.r p i t " n ; . p o k u i a i " t ej " p o r r " u ; , " n a v i s e
t t v ei e t e u p o r r e b i t i n a d i n a .T e a l t e r n a -
druge nezavisne promenljive na dejstvo pfve; na primer' kada posumnjate da k a d a b u d e t e, ^ r ^ ^ r r n l i
se optimizam pove6ava s godilama, ali samo kod muikaraca. Ona meri i
st.moel
i i.i;;;; X" prime r, zanima
osnovne, zasebne uticaje, tj. celokupan uticaj svake nezavisne prolrenljive moZe postaviti na vi5e naiina:"",';,'t::i::iiff
pttanje se f n*Tiff,i:: ?"
 . Postoiiliveza izmedusfarostii nivoa optimizma?
menljivenezavisnea koje zavisne.za druge anarize,kao
r Da li su stariieosobeoptimistidnijeod mladih? sto je ANovA, to
vam mora biti jasno. Korisno je nacrtati -."a."f ,r",;;;;;'Jd.,oru
" promen_
Ova dva pitanja serazlikuiu i za dobijanjeodgovorana niih potrebnesu ljivih kako ga sami vidite (pogredajtekorak 4 r ;;;k;i
-l'nuirnood
razliditestatistidketehnike.Od prirodeprikupljenihpodatakazavisikoje pi- za svakupromenljivu tr.bn ,r,"ii i njen nivo merenja.
li su promenljivekategorijskeiri neprekidne,upor..ui;"*jl toga da
tanje 6emoproglasitiza prikladnije.Zato za svakuoblastod interesapost2r- serazliditesra_
vite viSepitanja. tistidke anarize,pa morare znari s dim radite. o, rr ,,
i,ls"'iro-..,r,iu.,
. kategorijske(nominalnipodaci,
npr. pol: muiki/ienski);
Korak 2: pronaditestavke i skale koje 6ete upotrebiti . ordinalne(rangiranipodaci:prvi,
drugi, tre6i);ili
za traienje odgovorana ta pitanja ' neprekidne(intervalnipodaci,
npr.
Vrsta stavki i skalau upitniku i studiji igra veliku ulogu pri izboru statistii- - starostu godinamaili vrednostina
skalamaoptimizma)?
kih tehnikakoje su prikladneza traLenjeodgovorana istraZivadka pitanja.
u nekim prilikamarrebapromenitinivo merenja
Zato je prilikom projektovanjaistraZivanjatoliko vaZnoimati u vidu pred- odredenihpromenljivih.
odgovori za neprekidnepromenl;'ive mogu sesvesrinamanji broj kategorija
videne analize.Na primer, nadin prikupljanja informacija o starostiispitani-
(videti8. poglavlje).Na primer,siarostse
ka (videtiprimer u 1. koraku) odrediie koje su statistidkeanalizedostupne. moie podeliti na razliditekatego_
rije (npr. ispod 35 goiilti:ko 35 godina). T"'bi tilo
Ako od ispitanikazatraLireda izaberujednu od dve opcije(ispod35 godina/ ;;0.r"" z.a analizs
varijanse(proceduruANovA), a i risrudaju
preko 35 godina), tzbor analiza bi6e vrlo ograniden,zato 5to promenljiva du ,r.pr"kii"" p.".."rjiva ne
zadovoljavaneku od poraznihpr"rportr',rki
starostmoZeimati samodve vrednosti.S drugestrane,ukoliko od ispitanika ma asimetriinu raspodelu).Medulim,
n"}irir"p.. ima veo_
"a*a"tii-r-,
saziman,.
zatraLiteda svoju starostnaveduu godinama, izbor ie biti Sirizato Stopro- p"d;;;l-; ima odigredan
nedostatakjer senjime gubeinformacije.'sabija_"p-'rr"Ji-"
menljivamoZepoprimiti vrednostiu Sirokomopseguod 1B do 80 i vi5e.U kada se gube vazne t^tlik" izmedu n1ih. istu grupu kat_
toj situaciji, mogli biste za neke analize(kao 5to je ANOVA) svestiraspon zato' <robr. i io!. ,*nr," treba pa_
Zljivoodvagnuti.
vrednostina manji broj kategorija,a za drugeanalize(npr.korelaciju)zadr-
Zaticeoopsegvrednosti. Dodatne informacije potrebneza neprekidne
Ako steza svojeistraZivanje razdeliliupitnik ili anketu,vratite sena kon- i kategorijske promenljive
kretne stavke upitnika i Sifarnikai pronadite svakopojedinadnopitanie (npr. za neTtrekidnepromenryivetrebalo
starost)i ukupne vrednosti posmatranih obeleijana skalama(npr.optimiz- bi da prikupire informacije o raspodeli
rezultara(npr' da li im je raspodela
ma) koje iete upotrebiti u svojim analizama.Identifikuite svakupromenlii- .ror','nlnnili lako Koji ie
rasponnjihovih mogufih vrednosti? "ril;#""?).
vu, kako ie bila merena,koliko je bilo moguinosti za odgovor i moguc'i (Kako sero racriobjainjeno je u pogla_
vlju 6.) Kada promlnljiva
rasponvrednosti(brojeva,Sifara)u koje su odgovoripretvoreni. (npr. grupa t/gropa2, mn_
Skarci/iene)'uivrdite.korlko"brh*;"'i;;gor;1"
Ukoliko le studilaobuhvatalaeksperiment,proveritekako je bila merena .r"u"-rp"l" u svakuod kategorijai da ri
pri9.ljZnojednakeili veoma,rilidir" su te
svakazavisnainezavisna promenljiva.Da li sevrednostipromenljivesastoie: i:T po broju dlanova?).Da li je neka
oo moguiih karegorija prazna?
od broja tadnih odgovora,opservatoroveocenekonkretnog pona5aniaili (vicreti pogravrje6.) sve i.rio..rru.r1. koj.
o'll"oite o lromei,jj"; i;;;;.c. se koristiri za suiavanje izbora
duZinevremenakoje je subjekatproveo bave6ise odredenomaktivnoSiu? l]^d:
oostupnih sratisriikih analiza.
Bez obzirana prirodu istraZivanja,trebada vam je jasnokako ie svakapro-
menljivabila merena.
Korak4: nacrtaitedijagram
zasvako
Moji studentiiesto .r.tnju istrazivadkopitanje
Korak3: identifikujteprirodusvakepromenljive t"it.krtu krda trebada objasneita istrazuju.po-
nekadje lakde,a i
Sledeii korak je identilikacija prirode svake promenljive u studiji, tj. za sva-
iasnrje,saieti kljudnetadkepomoc.udijagrama.Ideja je
cleoinformaciia prikupljenih
ku promenljivu treba utvrditi da li je nezavisnaili zavisna. Te infornraciie ne
u koracima.t i 2 objediniti u jecrnostavnom
,-'epo-oii pri izboru prikradnestatistidke
potidu od samih podataka, nego od vaieg shvatanja oblasti i teme studije, re- ,loj:"'u,kgji
lednu tehnike ilj jzabrati
od viie opcija.
levantnih teorija i prethodnih istraZivanja. Mora vam biti jasno u glavi (i u Trebalobi da razmisrire o jednomod kludnih pitanja:da
pitanjima postavljenim u istraZivanju) kakva ie veza izmedu vaiih promen- j".;;;ilJ'bjd#, Ii me zanima
?.!:"'!y:r:.dve promenljive
riiporedenje
ljivih - koje (nezavisne)utidp na druge, a koje (zavisne)trpe uticaj drugih.
i varn biti lakie da odgovorite kada za svako pitanje MoZdaie
Ima nekih analtza (npr. korelacija) gde niie neophodno utvrditi koje su pro- htormacije i nacrrate dijagram. Ilustrovaiu saZmeteprikupljene
;" i'ro._u.i,n
t crtanjem dijagrama za vrie istraZivadkihprranla. ";;";;,"",ri
 111

pitanje 1: PostoiiIi vezaizmedu starostii nivoa optimizma? Promenliive:

Promenliive: o Pol - nezavisna,

kategorijska: mulkarci/Zene;
. Starost- neprekidna:starostu godinamaod 1 8 d o 8 0 ; i o Starosr * nezavisna,
kategorijska: subjekti podeljeni
grupe; i na tri jednake
. Optin-rizam - neprekidna:vrednostina skali optimizma, u rirsponu od
o Optimizam - zavisna,
6 do 30. kategorijska; vrednosti na
skali optrmizma,
raspon od 5 do 30.
Iz literatureste izvukli hipotezuda optimizamraste s21Zivotnim doborn.
Tavezaizmedudve neprekidnepromenliivemoZese ilustrovati ovako: Dijagram bi mogao izgledatiovako:

Srednja vrednost na skail

** MuSkarci
Optimizam optimizma
*** 2ene
** rk*

** Pitanje 4: Kotiki se.d9ovarijanse u

zadovorjsfuuiivotom moze
** '#;;:;::::!,?:i!"1::I*ii,:v:;",tii;;;ii6;Jp'ostovan je,
a' IIap esrovante'
Starost imizam, subjektivan a iiri ii i i' ; ;;;i;; ;;;o
??t
"
Mozda treba da uporediteprediktivnu "
moguinost
Kada odekujete da vrednost na skali optimizma raste sa Zivotnim dobom, visnu promenlfivu.Thkodevas zanimakol'iki viie nezavisnih za jednuza_
tadke crtate podev od donieg levog ugla dijagrama prema gornjem desnom d.o uurilurr. rruirn" pro-"rrt,i_
ve potideod varijansetog skupa.r"ruurrr,ih
uglu. Ukoliko prognozirate da vrednosr na skali optimizma opada sa Zivot- promenljivih,tj. objaSnjenje njom.
Promenliive:
nim dobom, tadke crtate podev od gornieg levog ugla dijagrama prema
donjem desnom uglu. . Samopo5tovanje_
nezavisna,neprekidna;
. Optimizam -
nezavisna,neprekidna;
Pitanje2: Da li su muikarci skloniii optimizmu od iena? ' subjektivan doZivljai
s.amokonrrore- nezavisna, nepreki
Promenljive: voljstvo Zivotom _ zavisna, .,.pr.kidrru. ana; i zado-
. Pol- nezavisna'kategorijska(dve grupe):muSkarcii Zene;i Vai dijagranr bi mogao da izgleda
ovako:
. optimizam - zavisna,neprekidna:vrednosti na skali optimizma, u
rasponuod 6 do 30. Samopo5tovan," ----_-_-,

Rezultatidobijeni kao odgovor na ovo pitanje,s jednom kategorijskonr Optimizam Zadovoljstvo2ivotom

promenljivom (sa samo dve grupe) i iednom neprekidnompromenliivor-n'
Subjektivan j
mogu sesaZetiovako: do2ivtjaj
samokonvote

Mu5karci Zene
,T.j: uditeag li ie priktadna parametarska
I ^u_._3klj
Srednjavrednostna skali optimizma ilt neparametarska statiatidkatehnika
Samoda bi studentimabiro teze,
-"r;rt" a"stupnih statistidkihtehnika
Pitanje3: Da li se starost razliiito utii'e na optimizam deljenoje u dveglavne-grupe: po-
paramerarske i neparametarske. parametarska
muskaraca ihena? statistikaje moinija, trripodiva
ris.-;;;;posravki, tj. njeneprerpostavke
oPl- podacimasu srroze'Na primeq""r"" o
Kada biste istraZivali zaiedniiki uticaj starosti i pola nzrvrednost na skali p"ion-.,.,arske metodepoi.ivaiuna prer-
grupe (ispod 30.
timizma, mogli biste podeliti svoj uzorak na tri starosne rezulrata n"nrir" u populaciji
iz koje je izvuden
31.49 godina i 50 i viSe). #:::i.l;l;Iraspodela
Svakaparametarskatehnika (kao ito su
t_tesrovi,ANOVA, pirsonova
korelacija)ima i svojedodatnep."rporrnuke.
Da Ii ,r.,o.r. r"-dorroty..r.iti ,r".
 I vvf dvfJe I w, tLvvr [r I orquouv^u I tvilt ilKa I t\t

treba proveriti pre sprovodenja analiza. Za svaku tehniku obradenu u pre- u poloZajuda razmotriresve moguinosti. u narednom tekstu
ostalim poglavljima, bi6e navedene konkretne pretpostavke na kojima podi- saZelasarn
klf udneelementeosnovnih statistidkih anarizaskojima c.r. r. rr"tnti. prodi_
va. Sta ako pretpc,tstaukena kojima poiiua statistiika tehnika koju ielite da rc dtL rog spiska,naditeprimer vrsteistraiivadkogpitanja ,r" r.o;.
upotrebite nisu zadouoljene? Nai.alost, to se iesto dogada u istraZivanjima iz treba da
odgovoritei proveriteimate li svepotrebner"rto;k.. Thkocierazmislite
obiasti dru5tvenih nauka. Mnogi od atributa koje ho6emo da izmerimo irisu ima
li i drugih nadinana koje bistemogri posra.vitiisio pitanje; ,;rg"
normalno raspodeljeni. Neki su jako asimetridni, pri iemu veiina rezultata primeniti
drugadijistatistidkipristup. kraj poglavrjastavila,u- roi.*u taberu
ima maiu vrednost (npr. depresija); drugi su asimetriini tako d:r vedina re- )a
(e vam pomofi u procesuodluiivania. koj.
zultata ima veliku vrednost na skali (npr. samopoitovanje). potraLitedodatneinformacijeo tehnikama_za
koje ste se odluiili i po_
Kada pretpostavke na kojima poiiva statistidka tehnika koiu Zelite da starajte seda dobro shvatitenadelai pretposravkena kojima oe
upotrebite nisu zadovoljene, na raspolaganju vam je viSe mogu6nosti koje je dobro upotrebiti viderazliditihizvora: razni aurori f i vaju.za to
imaju iarlitrtlnJ*,;:
iemo sadapodrobno opisati. nja. Treba dobro da shvatitesporna pitanja - moLdaiete
dak morati da
opravdarekorilienje odredenestatistidketehnike u ,rrolof siiuaci]i_
1. mogucnost zato
obaveznomnogo toga proiitajte.
Mogli bisteipak upotrebititu parametarskutehniku i nadatiseda time niste
ozbiljno naruiili valjanostsvojih nalaza.Neki autori tvrde da je veiina sta-
tistidkihpostupakaprilidnorobusna,tj. da one dobro podnosemanjaodstu- osnovneosobineglavnihstatistidkihtehnika
panja od pretpostavki, narodito kada je uzorak pristojne veliiine. Ak<r Ovaj odeljakje podeljenna dva pododeljka:
odluditeda ipak uradite neku parametarskuanaltzu,to iete morati nekako 1' tehnike za istraLiu.anje veza (odnosa)izmedu promenljivih (obradene
da opravdateu izveitaju,pa prikupitepodesnecitateautora statistidkihknji- u
aetvrtom delu knjige); i
ga, prethodnih istraZivadaitd. koji podrZavajutakvu odluku. Proverite5ta , za istrai.ivanjerazlika izmedu grupa (obradene
kaZu dasopisio oblasti koju istraZujete,pogotovo oni dlanci koii opisulu i:llf: u perom delu
K nJlge).
upotrebuistih skala.Pominju li slidneprobleme?Ukoliko ih pominju, 5tasu
ti autori preduzeli?Jednostavani ditljiv prtkaz robusnosti raznlh statistidkih
testovaproditajteu knjizi Coneai Fostera(1.993).
lstraiivanjeveza(odnosa)izmedupromenljivih
Hi-kvadratza nezavisnost
2. mogucnost istraiivaikog pitania:Kakav je odnosizmedu
ItiT": pora osobei stopeodu-
Mogli biste modifikovati podatke tako da zadovolje pretpostavke na kojimar stajanjaod terapije?
podiva statistidki test (npr. normalnost raspodele). Neki autori predlaitr Trebavam:
transformaciju promenljivih dija raspodela nije normalna (videti poglavlje 8).
' jednakategorijska
MiSljenja o tome su podeljena, pa iete morati mnogo toga da proiitate kakcr nezavisnapromenljiva(npr.pol: muikarci/Zene);
i
' jednakategorijska
biste uspeino opravdali svoj postupak (videti Tabachnick & Fidell, 2007). zavisnapromenljiva(npr.odustajanje:Da/Ne).
Zanima vas brojosobau svakojkategoriji(ne
vrednostina nekoj skari).
3. mogucnost Dijagram:
Kada podaci ne zadovoljavaju pretpostavke parametarskih tehnika, moZete
umesto njih upotrebiti neku neparametarsku tehniku. Mnoge iesto koriSiene MuSkarci Zene
p a r a m e t a r s k et e h n i k e i m a j u s v o j e n e p a r a m e t a r s k ea l t e r n a t i v e .J o n c p o i ' i v e 1 u troustalanje
Da
na nekim pretpostavkama, ali manje strogim. Te neparametarskealternatrve Ne
(npr. Kruskal-Volisov test, Man-Vitniiev U test, hi-kvadrat) najde5iesu matric
moine, tj. manje osetljive prilikom otkrivania veza i razlika izmedu grupa. LI Korelacija
poglavlju 16 obradene su neke od uobidaienih neparametarskih tehnika. Primer istraiivaiko g pitania: postoji
li veza izmedu starosti i vrednosti na
skali oprimizma?Risie li optimizam
s poveianjemZivotnedobi?
Korak6: donoSeniekonadneodluke vam: dve neprekiclne promenljive(npr. starost,vrednosrina
Nakon 5to prikupite informacije koie se odnose na istraZivadkapitanja, nivo I It!"
trrnizma) skali op-
merenja ,',rih pro-"nljivih i karakteristike dostupnih podataka, konadno ste \de
-
--
 t v' t've -
r"

ldllru al rqrr4s
ugo llt. rlclllllll
114

Tieba vam:
Dijagram: r jednakategorijskanezavisnapromenljivasa samodue grupe(npr.pol:
muSkarci/Zene):
o jednaneprekidnazavisnapromenljiva(npr.vrednostna skalioptimizma).
Subiektimogu pripadati samoiednoi grupi.
Optimizam **
*t( tr*
Diiagram:
** Mu5karci Zene
*t
Srednjavrednostna skalioptimizma
Starost
Neparametarskaalternativa:Man-Vitniiev test
korelaciia ranga
Neparametarskaalternadva:Spirnanova Ttest uparenih uzoraka (ponovljenih merenia)
Primer istraiivaikog pitanfa: Smanjujeli 10-nedeljnaobuka u meditaciji
Delimii,na korelaciia ti:Xf netainih, ali
i it""i"' *i\:: :\l^,?i
Pri-",istraiivadkog ;[::: optimizma t
anksioznostudesnika?Da li se nivo anksioznostimenia od vremena1 (pre
postolrlr l( :ff intervencije)do vremena2 (posleintervencije)?
dru5tvenopoZelinihodgovora'
zadovoljstva Zivotorn? Thebavam:
(npr' optimizam, zadovoljstvo Ztvo- o jedna kategorijskanezavisnapromenljiva (npr. vreme 1,I vreme2l; i
Trebavam: Tri neprekidnepromenliive
ali dru5tvenopoZelinih odgovora) . jednaneprekidnazavisnapromenljiva(npr.vrednostna skali anksioz-
a* ,u.r,to dauunj" netadnih'
alternativa:Ne postoii' nosti).
Neparametarska
Isti subiekti ispitani u dua zasebnanavrata: vreme 1 (pre intervencije)i vre-
ViSestrukaregresua me 2 (posleintervencije).
Primeristraiivadkogpitanja:Kolikideovarijansepriispitivanjuzadovoljstva
vanjansi) slede6egskupir Diiagram:
zivotom potiie "d #;;il tu. ,""2. biti pripisan
oromenliivih,rumopoitovan,e'optimizam'"'b1"k'iuutt'doZivljaisamokot.t- Vreme 1 Vreme2
tolie prei"ida'zadovolistvoZivotom?
irole? Koia od ovih pt""t"^fr*lh Srednja vrednost na skali anksioznosti

Treba vam: Neparametarskaalternativa:Vilkoksonov test ranga

(npr' zadovoljstvoZivoto-)11.-
r iednaneprekidnazavisnapromenljiva
.dveilivi5eneprekidnihnezavisnihpromenljivih(npr.samopostovanlc, Jednofaktorska analiza varijanse razli6itih grupa
loii*iru*, doZivljai samokontrole)' Primer istraZivadkogpitanja: Postoji li razllka u vrednostimana skali opti-
"'bitk'iuut' mizmakod osobamladih od 30, izmedu 3149, i starih 50 i viSegodina?
Dijagram:
Tieba vam;
le --------1
SamoPo5tovan r jednakategorijskanezavisnapromenljivasa dve ili viSegrupa (npr.sta-
Optimizam ZadovoljstvoZivotom rost: ispod 3A13149150i viSe);i

Subjektivando2ivljaisamokontrole
-J ' jednaneprekidnazavisnapromenljiva(npr.vrednostna skali optimizma).
Diiagram:
Ne postoji'
Neparametarskaalternativa: Starost
grupa lspod 3O 34-49 5O i viSe
lstraZivanierazlika izmedu Srednja vrednost na skali optimizma
I-fest nezavisni h uzoraka optimizmu od Zena?
Primer istraiivaikot J*t"i"t oa li su muikarci skloniii Neparametarska alternadva: Kruskal-Volisov test
Dvofaktorska analiza variianse razliEitih grupa M u ltiva rija ciona an a liza va riia
nse
Primeristraiivadkogpitania:Koliko starostutidena rezultatena skali opti-
pitanja: Da li su mu5karci bolje prilagodeni
miz.nraza muikarce i za Lene? l:'*::::f:lvad\op
opstem telesnomi duievnom zdravrju(meri se od Zenapo
u,rt riJrn*ti, depresijei
Sta vam treba: subjektivnodoZivlfenogsrresa)? "r"o
o dve kategorijskenezavisne
promenljive(npr.pol: mudkarci/Zene; staro- Treba vam:
snagrupa:ispod30/3149150i viSe);i ' jednakategorijskanezavisna
promenljiva(npr.por: mulkarci/iene);
r jednaneprekidnazavisnaprornenliiva(npr.vrednostna skali opfirnizma). r dve ili viSezavisnihpromenrjivih i
(npr. anksi,crnosr, depresija,subjek-
Dijagram: tivno doZivljensrres).
Starost Dijagram:
lspod 30 34-49 50 i viSe
Srednja vrednost na skali MuSkarci
optimizma
Zene
Subjektivno do2ivljenstres
Neparametarska alternativa: Ne postoji.
Napomena: analiza varijanse se moZe proSiriti tako da obuhvati tri ili viSe ne- Neparametarska alternativa: Ne postoji.
zavisnih promenljivih. (To se najdeiie naziva faktorskom analizom varijanse). Napomena:multivarijaciona analizavarijanse
moze sekoristitr uz jednofak_
rorsku (jednanezavisnapromcnrjiva),
Kombinovana analiza varijanse razliiitih grupa dvofakto.rk; i;";';ezavisne pro_
menljive)i videfaktorskuanalizuvarijanse.
iponovljenih merenja Moze se uzeri u ouri. r dejstvo
drugih promenljivih(kovarijansi).
Primer istraiivaikog pitanja: Koja intervencija (poveianje matematic'kog
znanjalrzgradnja samopouzdanja)delotvornije smanjuje strah uiesnika od Analiza kovarijanse
statistike,merenLltri navrata(preintervencije,odmah posleintervencije,tri Primer istraiivadkog pitanja: Postoji
Ii znahjna razlikau rezultatima ispiti_
mesecaposleintervenciie) ? vanjastrahaod statistikeizmedu
dlanovagrupekoja povefavamatematidko
Tieba vam: znaniei ilanova -.rli-.-k:li gradi
samopouzdanie, l"d" ,. oduzmeuticaj
njihovihprerhodnih rezufiatana
r jednanezavisnapromenljivarazliiitih grupa (npr.vrsta intervencije); rom resru?
r jednanezavisnapromenljivaponovljenihmerenjaistih grupa (npr'.vre- Treba vam:
me 1. vreme2, vreme3); i ' jednakategorijska
nezavisnapromenljiva(npr.vrsta intervencije);
o jednaneprekidnazavisnapromenljiva(npr.vrednostina testukojim se ' jedna neprekidna
r""]:n? promenljiva (npr. vrednosti
ispitujestrah od statistike). od statistikeu vreme2\: i na skali srraha

Dijagram: ' j:d?," ili viie neprekidnih

remetiradkihpromenljivih (npr. vrednosri
skali strahaod itatistike u u."*" na
Vreme ij.
Neparametarskaalfernativa:
Vreme 1 Vreme 2 Vreme2 Ne postoji.
Napomena: analiza kovarijanse
Srednjavrednosl Intervencijapovecanjem se moze obaviti kao deo jednofaktorske
(jednanezavisna
na testu kojimse matematidkogznanja nromenrjiva),d"ofnk;;;rke (dvenezavisnepromenljive)
viSefaktorsk" ili
ispitujestrahod Intervencijaizgradnjom
varijanse(dveili viie zavisnihprome'liivih).
",-rulir.
statistike samopouzdanja

Neparametarska alternativa: Ne postoji.

 tehnika
Zbirnatabelasvoistavaosnovnihstatisti6kih
Zavisna Glavnasvoistva
NezavisnaPromenliiva
Primer Pitania Parametarska Neparametarska promenliiva
Namena alternativa
tehnika
jedna kategorijska Gledase brojsluda
Hi-kvadrat jedna kategoriiskaPromenlji-
Koja je veza izmedu pola i stope
Ne postoji promenliiva va u svakoikategor
lstraZivanje PoglavljeI6 VA
Odustaie/zavrdava na skalt
ne rezultati
vezalodnbsa odustaianjaodterapije? Pot:Ml2
terapiju: DalNe
Jedan uzoraksa rez
Spirmanov koefici- dve nePrekidnePromenljive
Postojili vezaizmedustarostii Pirsonov koefici- tatima dva razliditan
jent (r) linearne jent (rho) korelacije Starost, Vrednosti na skali
vrednostina skalioPtimizma? renja ili isto merenje
ranga optimizma
korelacije vremel ivreme2
P o g l a v l i e1 1 P o g l a v l i e1 1
Jedan uzoraKsa rez
Ne PostoJl dve neprekidnePromenljivei
Nakon oduzimanjauticala svesno Delimidna tatima dva razlidita
iedna nePrekidnaPromenlji-
datih netadnih,ali druStvenopoZel.l-
korelaci.ia merenjaili isto me-
va za koju treba oduzeti uticaj
nih odoovora, da li.io5 uvek Postoji
Poglavlje12 renleuvremeli
neregularnihodgovora
veza iimedu optimizmai zadovoljst- - vreme 2
O ptim izam, zad ov olistvo 2i
va Zivotom? votom, rezultati na skali dru-
itveno PoZelinih odgovora
Jedan uzoraksa re
Ne postolt skup dve i vi5e nePrekidnih .jednanePrekidna
Kolikideo varijanseu vrednostima ViSestruka zavisna Promenliiva tatima svih merenj
nezavisnihPromenljivih
na skalizadovollstvaZivotommoze regresija - Zadovolistvo
S amo poitov anie, s u bi ektiv
P o g l a v l i e1 3
biti objaSnjenvartjansomsamo- n o do1i vliena s am okon trola, 2ivotom
poStovanja,sub.iektivnodoZivljene optimizam
samokontrolei oPtimizma?Koja od
.lenaiboljiprediktor?
tih promenljivih Jedanuzorak,viSe
NePostolt skuppovezanih nePrekidnih
Kola je pripadna struktura.stavki Faktorskaanaliza illa
promenliivih
koie sadinlavaiuskalu pozitivnihi Poglavlie 15
Stavkena skaliPozitivnihi
negativnihosecan.ia?Koliko {akto- negativnih osedania
ra postoji? Zanimavas broj ljt
nezavtsna jedna kategorilska
Ne postoji Hi-kvadrat .iednakategorijska u svakoj kategoriii
Poredenle Da li su mu6karci skloniji od Zena promenlliva zavisna Promenljiva
Poglavlje16 vrednostina neko
grupa da odustanu od teraPi.ie? Pol Odustaje/zavriava
terapiju skali

jedna nePrekidna lsti ljudiu dvana

Vilkoksonovtest jedna kategorijskanezavtsna
T-test uParenlh
Menlaiu li se rezultatiispitanika na promenljiva zavisna Promenljiva
uzoraka ranga
skali anksioznostiod vremena 1 do P o g l a v l j e1 6 ( d v an i v o a ) Vrednosti na skali
vremena 2? P o g l a v l i e1 7 anksioznosti
vreme 1/vreme 2

H- Namena Prlmer pitanja Parametarska

tehnika
Neparametarska
alternativa
Nezavisna promenliiva Zavisna Glavna svoistve
promenliiva
Postoji li razlikau vrednostima na Jednofaktorska Kruskal-Volisov
test jedna kategorijskanezavisna jedna neprekidna Tri ili vi5egrupa;r
skali optimizma izmedu ljudi mladih ANOVA razliditih Poglavlje16 promenljiva(tri iviSe nivoa) zavisna promenljiva 6iti ljudiu svakoj1
od 35 godina,osoba starih 36-49 i grupa Starosna grupa Vrednosti na skali
onih od 50 i vi6e godina? Poglavlje 18 optimizma
Menjaju li se rezultati ispitanika na Jednofaktorska Fridmanovtest jedna kategorijskanezavisna jedna neprekidna Tri ili vi5e grupa; ir
skali anksioznostiod vremena 1 do ANOVA pono- P o g l a v l j e1 6 promenljiva (tri ivi5e nivoa) zavrsnapromenljrva ljudi u dva navrata
v r e m e n a2 i v r e m e n a 3 ? vljenih merenja vreme 1/ vreme 2/ vreme 3 Vrednosti na skali
Poglavlje 1B
anksioznosti
Postoji li razlikau vrednostima na Dvofaklorska Ne postoji dve kategorijskenezavisne jednaneprekidna Dve rli vi5e grupa z
skalioptimizmaizmedu muikaraca ANOVA razliditih promenljive zavisna promenljiva svakunezavisnupr
i Z e n am l a d i ho d 3 5 g o d i n a ,o s o b a grupa (dva i vi5e nivoa) Vrednosti na skali menljivu:razliditilju
s t a r i h3 6 - 4 9 , i o n i h o d 5 0 i v i S eq o - Poglavlje l9 Slarosna grupa, pol optimizma svakojgrupi
dina?

Koja intervencija(povecanje mate- Kombinovana Ne postoji .1ednanezavisnapromenljiva jedna neprekidna Dve ili vise grupa s
matidkogznanjalizgradnjasamo- ANOVArazliditih razliditihgrupa zavisnapromenljiva razliditimljudimau
pouzdanja)delotvornijesmanjuje grupai ponovlje- (dva i vi$e nivoa) Vrednosti na skali svakoj grupi, od kc
strah udesnikaod statistike,meren nih merenja ledna nezavisnapromenljiva straha od statistike se svaka meri u dv
u tri navrata? Poglavlje20 iste grupe (dva i vise nivoa) viSenavrata
Vrsta intervencije, vreme
Postoji li razlikaizmedu mu5karaca Multivarijaciona Ne postoji jedna ili vi5e kategorijskih dve ili vi5e poveza-
i iena, podeljenihu tri starosne gru ANOVA nezavisnihpromenljivih n i h n e p r e k i d n i hz a -
pe, u pogledu raznih merila (MANOVA) (dva i vise nivoa) visnih promenljivih
prilagodenosti(anksioznosti,oe- Poglavlje2.1 Sfarosna grupa, pol Vrednosti na skala
presije i subjektivnodoiivljenog
ma anksioznosti,
stresa)?
depresije i subjek-
tivno do2ivljenog
slresa
Postoji li znadajnarazlikau rezulta- Analizakovarijan- Ne postoji jedna ili vi5e kategorijskih jedna neprekidna
tima ispitivanjastraha od statistike se (ANCOVA) nezavisnihpromenljivih zavisnapromenljiva
izmedu pripadnika grupe koja po- Poglavlje22 (dva i vrSenivoa) Vrednosti na skali
vecavamatemati6koznanje i grupe jedna neprekidna,kovarijant straha od statistike
koja gradi samopouzdanje,kada se
na promenljiva u vreme 2
ukloni uticaj njihovihrezultata na Vrsta i nterven cije, vredn osti
tom testuu vreme 1?
na skalistraha od statistikeu
Literatura za dalie usavriavanie
Statistidketehnikeobradeneu ovom poglavljusamosu mali deo
naiina analizepodataka. Morate
velikog broja tehnika
biti
kako
svesni
biste
postojania
mogli da
i mogu6ih
izaberete
dostupnih

onu
naiina
najpri-
DEO IV
"prrr"rr" za vaiu situaciju.Citajte 5to viie moZete'
kiadniju
osnovne tehnike (t_iest, analizuvarijanse,korelaciju) udite
benikastatistikeili iz kniiga koje su napisali cooper i schindler
iz svog udz-
(2003); Gra-
Statisticketehnike
vetter i \Tallnau (2004); Peat, J' (2001); Runyon, Coleman
(2000);Norman i Streiner(2000).Podrobnijeinformaciie,.narodito
iivarijacionoi statistici,videti u knjigama Hair' Black, Babin'
i Pittenger
o mul-
Anderson i
za istraZivanje
veza
Tatham Q006\ ili Tabachnicki Fidell (2007)'
izmedupromenlj ivih
u poglavljimaiz ovog dela knjige, razmorriiemoneke spss-ovetehnikeza
istraZivanjeveza izmedu promenljivih. usredsrediiemo se na otkrivanie i
opisivanjetih veza.sve ovde objainjenetehnikezasnovanesu na korelaciji.
Korelacionetehnike 6estokoriste istraZivaii angai.ovaniu neeksperimental-
nim projektima- za razliku od eksperimentalnihprojekrtu, oud. se pro-
-vei
menljive namerno ne modifikuju niti kontroliiu, se opisuju u ,uo-
prirodnom stanju.Tim tehnikamasemoZe:
. istraZiti veza izmeduparova promenljivih (korelacija);
o predvidetivrednostijednepromenljivena
osnovuvrednostidruge (bi-
varijantnaregresija );
' predvidetivrednostizavisnepromenljive
na osnovuvrednostiviie ne-
zavisnihpromenljivih(videstrukaregresija);i
' identifikovari strukruru grupe povezanih
promenljivih (faktorska ana-
liza).
ovgm porodicomtehnikaresriramomodelei teorije,predvidamoishode,
.
t ocenjujemopouzdanosti valianostskala.

Tehnikeobradeneu detvrtomdelu knjige

ceo niz tehnika za istraLivanieveza. one se razlikuju po vrsti
lltl.t*1.
tstraZivadkog pitanja na koje rrebaodgovoritii vrsti dostupnihpodataka.U
ovoj knjizi su obradenesamoone koje senajdeiie
.,potr"bij".raju.
.- Korelacija(poglavlje11) upotrebljavaseza opisivanjejadinei ,-.rn .r"r.
rzmedudve (obiino neprekidne)promenljive.
MoZe se uporrebitii kada je
ledna od tih promenljivih dihotomna, tj. moZe imati samo dve vrednosti
 -" --* r 123

(npr.pol: mubkarci/Zene). Statistiiki pokazateljkoji se dobiia nazvanie Pir- Cini-oci.

koje treba uzeti u obz,rpritikomtumadenja
rotron koeficijent linearne korelaciie(r)' Izradunavase i statistidkazna(a1- koeficijentakorelacije
nost pokazatelja (veze izmedu dve promenljive)r. Parcijalnaili delimiina Kada tumaditerezultatekorelacioneanalizeili drugih tehnikazasnovanih
na
korelacija(pogiavlie1.2)sluLi isrraLivanievezeizmedu dve promenljiveuz
za korelaciii,moratevoditi radunao nekolikostvari.ovde su navedenekljuine
statistiiku iorittolu uticaiatre6e.To ie prikladno za situaciiekada su[rnjate teme,ali vam savetujemda u svojim udzbenicimaiz staristikepronadete
od_
da na vezudve promenljivemoida utiie treia. Delimidnakorelaciiastatistii- govarajuta objainjenja (na primer, pogledajteGravetrer ac wnllr,n.,,
zoo+,
ki uklanja utical tre6epromenljive,dime dobijate iasniiu sliku vezedvaiu str. 520-576).
promenljivihod interesa.
ViSesirukaregresijar (poglavlje13) sluZiza predikciju(predvidanie)vred- Nelinearna veza
nosti jedne zaviine neprekidnepromenljivepomo6u grupe nezavisnihpro- Koeficijenrkorelacije (npr. pirsonov r) pokazuje linearnu (pravolinijsku)
menljivih. Njome se moZe ispitati prediktivna mo6 skupa promenljivih i vezuizmedupromenljivih.Kada su promenljivepovezane.reiinearno'1.rpr
ocenitirelativandoprinos svake promenljive poiedinadno' krivolinijski),Pirsonovr ie pokazivatida je vezamnogo slabijanego sto je-
Logistidka,"gr..iju (poglavlie 14) koristi se umestoviSestrukeregresiie ste.zato uvek pogledajtedijagramrasruranja,naroditokada dobifutemaru
kada fe zavisnapromenliua kategorijska. Niome semoZeispitatiprediktir'- vrednostr.
na mo6 skupa iromenljivih i oceniti relativandoprinos svakepromenljive
pojedinaino.
' Netipi6netaike
Faktorska analiza(poglavlje15) sluZi za istraZivanjestrukture velikog Netipiine tadke (diie su vrednosti znatnomanje ili veie od vrednostiostalih
broja povezanihpromenliivih(npr. stavki od kolih se sastoiiskala).Koristi taiaka u skupu podataka)mnogo kvare koeficijentkoreracije,pogotovo
u
,. zn ,uod.nje velikogbroja povezanihpromenljivihna manji broj dimenziia malim uzorcima. u nekim okolnostima, netipidnetaike dine vrednost
r
ili komponenata,s kolim je lakie raditi. U ostatkuuvoda u ietvrti deo knji- mnogo veiom nego Sto bi ona trebalo da buie, a u crrugimpocrbacuju
u
gr, d".L pregled osnov'ih naiela korelacije zajed'idkih za sve tehnike ocenijadineveze.Netipidnetadkeselako uodavajuna dijagramlrrasruranJa;
Ibrade,1e o"orn delu kniige.To trebaprouditipre negoito pokuiateda pri- to su usamljenetadke, izuzeci.MoZda su posledicagreike
" frilikom unolenja
menitebilo koii od postupakaobradenihu ovom delu' podataka(upisano11 umesro1), netainog odgouira ispitanika je
ili u pi-
tanju stvarni odgovor neobidneosobe! Kada pronadetenetipidnutadku,
proveriteda li se radi o greici i ispraviteje ako treba. Inade,
Pregledosnovnihnadela uklanjanjuili re5ifrovanjute neobiine vrednosrida bi sesmanjio
razrnisliteo
n;en uticaj
i
KoefiJlent korelacije(npr. Pirsonovelinearnekorelacije)pokazujesmer na koeficijentr. (Videtiraspravuo netipidnimtaikama u poglavliu
jaiinu iin."rn, vezeizmftu dve promenljive.Pirsonovkoeficijentkorelaciie 6.)
-1 da li ie korelaciia
ir) ima vrednosru opseguod do +1. Predz'ak pokazuie OgraniEen opseg rezultata
pozitivna (obe promenljivezajednoi opadaju i rastu) ili negativna(iedna Koeficijentekorelacijemorate veomapailjivo tumaditi kada potidu
Apsolutna vrednosttog ko- od ma-
promenljivaop"d" kada d.uga rastei obrnrrto). rog podopsegastvarnomogu6egrasponarezultata(npr.
jadinu veze'SavrSe- kada koeficijentin-
(kadazanemarimonjegovpredznak)pokazuie IQ' proudav.lrena uzo.ku univerzirerskih
"fl.;'"ttru -t pokazuie da se vrednost jedne felis;ncjje, studenata).Koeiicijenti
na torelaciiu, tj. koeficiient i iti korelacije dobijeni proudavanjemogranidenogpodopsega rezuhatadestose
promenljivemozetadnoutvrditi kada znamovrednostdruge.S drugestrane, ra-zlikujuod onih kada je uzorkom obuhvacenpun
opr"g rezurtata. Da bi se
tor.lu.iiu 0 pokazuieda izmedute dve promenljivene postoji nikakvaveza' dobio,taiani pouzdanpokazateljjadineveze
nimalo ne pomaZeu predvidaniu izLedu iu""pro-"nrjive, svaka
Poznavanjeurednostijedne pron-renljive od njih bi rebalo da ima najiiri moguii opseg
rezurtntu.{.ikolikoproudavate
vrednostidruge. grupe (npr. klijente , uitkim'nivoom anksioznosri),ne uopSta-
ra- -t\t.1.nnt
Vezu dve promenliivetreba ispitati i vizuelno,crtanjem dijagrama va;tekorelacijuna sluiajeveizvanopsegapodataka
vrednosti promenliivifi dobijeni upotrebljenih, urorku.
sturanja.Na njemu su svi parovi rezultantnih
od subjekatau uzorku,Iznosiprve promenliivese.crtajuduZX.(horizontalne) Korelacija u odnosu na kauzalnost
ose,a odgovarajuii rezultatidiuge duZ Y (vertikalne)ose.Pregledomdijagre- Korelacijaje pokazateljda postoji vezaizmedudve promenljive;
jadina(5to.ie medutim,
-"'r"r,,rinn'a vidl sei smerveze'(pozitivanili negativan)i njena ona.nepokazujeda jednapromenljivaprouzrokuje onu drugu.
Korelacijaiz-
podrobnijeobjasnjenou poglavlju11). Dijagram rasturanja savrSene korela- j rnedudvepromenljive(A i B) moZebiti posledicadinjeniced"a
je r=0' diiagram rasturania iz- A prouzrokuje
.i;. 1r=1iii -t;j..t. pr"u"iirril". Medutim, kada
gi"d" k"o oblak taiaka kole ne dinenikakav geometrijski oblik'
B, da B prouzrokujeA, ili da (kako bi stvari bile joi komplikovanije)treia
promenljiva(C) prouzrokujei A i B. Moguinost da treia promenljivaprouz-
tr
rokuje obe opserviranepromenljivenikad ne trebagubiti iz vida. To ilustruje
duvenaprida o jakoj korelacijikoju je neki istraZivadotkrio izmedupotro-
Snjesladoledai broja prijavljenihubistavau Njujorku. Da li konzumiranje
sladoledaprouzrokujenasilnoponaianjeljudi?Ne. Na obe promenljive(po-
trodnjusladoledai stopu kriminala) utidu vremenskeprilike. Tokom letnyih
vruiina rastu i potroinja sladoledai stopakriminala.Uprkos dobijenojpo-
zitivnoj korelaciji,time nije dokazanoda lizanjesladoledaprouzrokujeubi-
ladko ponaianje.Sto je odlidno,poStobi proizvodadisladoledainaie brzo
zatvorili svojefabrike!
Upozorenjeje jasno - pazite se moguieg uticaja tre6e,remetilaike pro-
menljivekada projektujetesvojeistraZivanje. Ako sumnjateda bi nekedruge
promenljive mogle uticati na rezultat,pogledajtemoZeteli ih izmeriti u isto
vreme. Delimidnom korelacijom (opisanom u poglavlju 12) moi,e se stati-
stidki kontrolisati uticaj dodatnih promenljivih i tako steii jasniji i manje
kontaminiranpokazatellvezedvepromenljiveod interesa.
Statistiika znaiainost u odnosu na praktiinu
Nemojte sepreviSeuzbudivati kada dobijete statistidki znaiainekoeficijente
korelacije.Na velikim uzorcima,statistiiku znadajnostmogu doseii iak i
sasvimmali koeficijenti korelacije.Praktiian zna(aj korelacije0,2 veoma je
ograniien, makar njen statistidkiznadaj bio dokazan.Usredsreditese na
stvarnu veliiinu Pirsonovog koeficijenta r i iznos zajednidkevariianse dvc
promenljive.Prilikom tumadenjajadinekorelacijemorate uzeti u obzir dru-
ga istraZivanjau istoj oblasti.Ako su drugi istraZivadiu toj oblastiuspelida
predvidesamo9 procenatavarijanse(jer su dobili koeficijentkorelacije0,3)
odredenogishoda (npr.anksioznosti),onda bi vaia studijakoja obja5njava
25 procenatau poredenjus tim bila impresivna.U nekoj drugoj oblasti,25
procenataobjainjene varijanse moi.eizgledatikao mali i nevaZanrezultat.
Pretpostavke
Svetehnikeobradeneu detvrtomdelu knjige imaju nekoliko zajednidkihpret-
postavki, koje 6emo sada razmotriti. Kada budete radrli analizeobradeneu
poglavljima1.1,12,1.3,1.4 i 15, trebalobi da sevradatena ova objainjenja.
Nivo merenja
Skalaza merenjepromenljivihu veiini tehnika obradenihu detvrtomdelu
knjige trebalo bi da bude intervalna(neprekidna).lzuzetakod toga bi bile
jedna dihotomna nezavisnapromenljiva(sasamo dve vrednosti:npr. pol) i
jedna neprekidnazavisnapromenljiva.Medutim, u svakoj kategorijidiho-
tomne promenljivetrebalo bi da imate pribliZnojednak broj osobaili ana-
liziranih sluiajeva.
Spirmanov koeficijent ro, 5to je koeficijent korelacije prikladan za ordi-
nalne ili rangirane podatke, obraduje se u poglavlju 11 zajedno sa svojom
parametarskom alternativom, Pirsonovim koeficijentom korelacije r. Ro se
3"tto upott.bllava u zdravstvenoj i medicinskoj literaturi, a sve viSei u psi-
holoikim istraZivanjima) zato Sto su istraZivadipostali svesniji moguiih pro-
blema koje ume da prouzrokuje pretpostavka da su numeridke udaljenosti
izmedu rangova (npr. Likert skale) pribliZno jednake ili srazmernerazlikama
u intenzitetu posmatranih obeleZja,5to je svojstvo intervalnih skala.
PovezaniParovi
Svakisubjekatmora dati svoju ocenui promenljiveX i promenljiveY (po-
vezaniparovi). Oba podatkamoraju poticati od istog subjekta.
Nezavisn ost opseruacija
Opservacije od kojih se podaci sastoje moraju biti uzajamno nezavisne,tj.
na bilo koju opservaciju ili merenje ne sme uticati nijedna druga opservacija
ili merenje. Stevens(1996, str.238) tvrdi da je krSenje ove prerpostavke ve-
oma ozbiljna stvar. Tu pretpostavljenu nezavisnost naruiava nekoliko situ-
acija, sto je dokazano u sledeiim istraZivanjima (videti Srevens,1,996, str.
239;i Gravetter & Wallnau, 2004, str. 251):
o Istraiivanje udinka studenata koji rade u parovima ili malim grupama.
Pona5anjesvakog ilana grupe utide na sve ostale dlanove, dime se krii
pretpostavka o nezavisnosti.
. IstraZivanjenavika i preferencija dece u vezi s gledanjem TV-a, kada su
decaiz iste porodice. Ponaianje jednog deteta u porodici (koje, recimo,
gleda program A) najdedie utide na svu ostalu decu iz te porodice; zato
o p s e r v a c i j en i s u n e z a v i s n e .
o IstraZivanje metoda poudavanja u udionici i njihovog uticaja na po-
naianje i performanse studenata. Prisustvo malog broja problematid-
nih studenata moi.e uticati na sve ostale; zato merenja ponaianja i
performansi pojedinaca nisu nezavisna.
Treba sumnjati na svaku situaciju gde se opservacijeili merenja prikuplja-
iu grupnom okruZenju ili su subjekti podvrgnuti nekom obliku medusobne
u
interakcije. Kada budete projektovali istraZivanje,pokuiajte da obezbedite
nezavisnostsvih opservacija. Ako sumnjate da je ova pretpostavka naruie-
na, Stevens(1996, str.241,)preporuduje da zadate stroZu vrednost alfa (npr.
p<0,01).
Normalnost
Rezultatidobijeniza svepromenljivetrebalo bi da su normalno raspodelje-
ni. To semoZeproveriti pregledomhistogramarezultataza svakupromenlji-
vu (uputstvavideti u poglavlju6).
Linearnost
Vezaizmedudve prornenljivetrebalobi da je linearna.To znac.ida bi na di-
jagramurasturanjatrebaloda vidite (pribliZno)pravu liniju, a ne krivu.
lu
;i
Kad god sprovodite
neki statistidki postupak,
p.roverirekoja od navedenih pritisnite dugme options i
opciia ;" p'"iu.a'..J a.r"r. plarli,r_"u".r,
-razl0gda
cr;a menja u zavisnostiod postupk").'ato oo_
.,..1r,are
jak postupire
drugadije,prerrorud'abih r;;l;"r;:;;;;.
Homogenost variianse iskrjuiitesa-rl, ,r""', anariza
koje im nedosiaiuoodaciJpair;i;;j:'j;i;;a za
Promenljivostrezultatadobijenihza promenljivuX trebalobi da je slidnaza situacijakrt;; J"_ _ogro ,n_
rrebati da anarizeogranidiie,"-o'.,"u
,iue.;.u" koji imaju podatke
svevrednostipromenljiveY. Proveriteda li je tako na dijagramurasturanja promenljive(listwise)jesreona za sve
k"du tr.b,a razmotriti samo podskup
(uputstvavideti u poglavlju6). Trebalobi da po celojduiini izgledakao pri^ ieva koji da,.;;;p;; skup rezultata. sluda-
bliZnojednakodebelacigara.

Nedostajucipodaci Froievi.koji dudnoizgledaju

Rezultatkoji dobiiat" s'Fss*, irtkudu bi
U istraZivanju,naroditoonom koje obuhvataljude,veomaretko seu svakoj oblikaL,24E-02. Tosu"amariur"i.ti r"i. iJ spss -mogaosacrrZatiiudne brojeve
opservaciji(od svakeosobe)dobiju svi podaci.Zato je vai.noda usranovrtc p"rr."r""
5ta nedostaje u datoteci s podacima. Pokrenite proceduru Descriptivesi
aciji' Da vam se to ne bi deSavalo,
;;;;".r" "irrrilout'o; ,,or_
meniju izaberite
Edit, zatim
utvrdite procenat nedostaju6ihpodataka u svakoj promenljivoi. Kada
No,i*,?ri.
fiijTl ?#t.13#::r.p.i;, for,_"ri _uers inra_
pronadetepromenljivuzakoju nedostajeneodekivanomnogo podataka,za-
".,"tion ""
pitajte sezaito je tako. Trebalobi da razmislitei o tome da li su nedostajuii
podaci raspodeljenisludajnoili tu postoji neka pravilnost(npr.rnnogeienc
nisu odgovorilena pitanje o svojoj srarosri).SPSSima proceduruMissing
ValueAnalysiskoja olaklava pronalaienjepravilnostiu nedostajuiimpoda-
cima (videtiposlednjuopciju u meniju Analyze).
Trebalobi da razmislitei o tome 5ta iere s nedostaju6impodacimakada
dode vremeda uradite statistidkeanalize.U mnogim sPSS-ovimsratistidkim
procedurama,pomoiu dugmetaOptions biratenadinena koji ie SPSStreti-
rati nedostajuiepodatke. Birajte paLljivo,polto time znatno utidetena sta-
tistidkerezultate.To je posebnovazno kada prilazetespisakpromenljivihi
za sve njih ponavljateiste analize(npr. korelacijeizmedugrupe promenlji-
vih, t-testovi niza zavisnihpromenljivih).
' opcija Exclude caseslistwise znadida ie se analizftatisamo sluiajevi u
kojima za suepromenl,iiue navedeneu polju Variablespostojesui poda-
ci' svaki ispitivansludajkome nedostajemakar i delii podatakauopire
neie biti analiziran.Tako bistemogli znatnoi nepotrebnoda ogranidi-
te velidinuuzorka.
opcija Excludecasespairwiseznadida ie sludaj(osoba)biti iskliuie'
samoiz onih analizaza koje nedostajeneki od neophodnihpodatakrr.
Dakle, i takvi sludajeviie se analiziratikad god je to -ogui", tj. kad
god sadrZepodatke potrebne za pojedinu analizu.
Opcija Replacewith mean, dostupna u nekim SpSS-ovimsratistiikim
postupcima(npr. u videstrukojregresiji),znati da ie biti izradunata
srednjavrednostsvih promenljivih i da ie niome biti zamenjenine-
dostajuii podaci. Ovu opciju nikada ne bi trebalo da koristite,poito
moie znatno da iskrivi rezultateanalize,narodito onda kada nedostaie
I
mnogo podataka.
 Korelacija

Korelacijaopisujejaiinu i smer linearnevezeizmedu dve promenljive.Po-

moiu SPSS-a se moZeizradunativiSestatistidkihpokazatelja,koje korisnik
bira u zavisnostiod nivoa merenjapromenljivihi prirode podataka.IJ ovom
poglavljupredstaviiupostupkedobijanjai tumadenjakoeficijentar Pirsono-
ve linearnekorelacije,kao i koeficijentaro Spirmanovekorelacijeranga.
KoeficijentPirsonovelinearnekorelacijeprikladan je za intervalne(nepre-
kidne) promenljive.MoZe se upotrebiti i kada imate jednu neprekidnupro-
menljivu (npr. rezultate merenja samopoitovanja) i jednu dihotomnu
promenljivu (npr. pol: MIZ). Spirmanovakorelacijaranga je prikladna za
ordinalnevelidine(koje semogu rangirati)i naroiito sekoristi kada podaci
ne zadovoljavajukriterijumeza Pirsonovukorelaciju.
SPSSizraiunava obe vrste korelacije.Prvo iete dobiti jednostavnubiva-
rijantnu korelaciju (tj. korelaciju izmedu dve promenljive),poznatu i kao
korelacijanultog reda (engl.zero-ordercorrelation).U SPSS-utakode moLe-
te istraZivatiodnos izmedudve promenljive,uz kontrolu treie promenljive.
Ta tehnikaie poznatakao parcijalnakorelacija.U ovom poglavlju,predsta-
vljena je proceduradobijanja koeficilentaPirsonovekorelacijeproizvodl
momenati neparametarskog Spirmanovogkoeficijentaro. Parcijalnakore-
lacijaje obradenau poglavlju 12.
KoeficijentiPirsonovekorelacije(r)mogu poprimiti samovrednostiod -1
do +1. Predznakpokazujeda li je korelacijapozitivna (obepromenliiveza-
jedno i opadajui rastu) ili negativna(jednapromenljivaopadakada druga
rastei obrnuto).Apsolutnavrednosrtog koeficijenta(kadazanemarimonje-
gov predznak)pokazujejadinuveze.Savrienakorelacija,koja iznosi 1 ili -1'
pokazujeda sevrednostjednepromenljivemoZetadnouwrditi kada znamo
vrednostdruge.Dijagramrasturanjakoji ilustrujetakvu ve^t pravaje linija.
S drugesrrane,korelacijajednakanuli pokazujeda izmedute dve promenlji-
I ve ne postoji nikakva veza.Poznavanjevrednostijednepromenljivetada ni-
malo ne pomaZeu predvidaniuvrednostidruge. Dijagram rasturanjatada

II izgledakao oblak nasumidrrorasporedenihtadaka.

1
 To su
Za rumadenjekorelacije potrebno ie znati odgovore na viSepitarnia' Postupakcrtanjadijagramarasturanja
tadaka, ograniienosti opsega uzorka' od-
uticaj neline"rnih u"r", netipidnih
(o."l".ije i praktidne znaiajnosti izra- 1. U meniju na vrhu prozorapritisniteGraphs, zatim Legacy Dialogs.
,ro, i kauzalnosti, i odnos statistiike
uvodu u ietvrti 2. PritisniteSimple Scatter i potom Define.
iunzrtih ko"ii.il.nnta korelacije. Te teme su razmotfene u
pogl:rvlia, trebalo bi da prodi- 3. Pritisniteprvu promenljivu(npr. Ukupan subjektivnodoiivljen stres, usud-
deo knjige. Pre nego 5ro nastavite iitanie ovog
tirte tal uvod' stres) i prebaciteje u poljeY-axis. (Ona ce biti prikazanadui vertikalneose.)
Po konvenciji,zavisnapromenljivaobidno se prikazujedu2 Y-ose.
4. Pritisnitedrugu promenljivu(npr. Ukupan SDSUS) i prebacite je u polje
ObiainieniePrimera vezanekih
X-axis. (Ona ce biti prikazanaduZ horizontalneose.) Tu se najdeSceprika-
Upotrebuktr"la.ile pokaza6una primeruistraZiva'iauzajamnih zuje nezavisnapromenljiva.
survey3ED.sav, s prateie Web
pi.-."fil"ih rnd.iut-tlhu datotecis podacima 5. U polje LabelCases by:stavite promenljivulD da biuz svakunetipidnutad-
iinioce
istraZi koji utiiu na
iokacijeove kniige.Ta anketaie proiektovanada ku bio njen lD broj.
ispitanika (celovitopis studiie
p'fr"f"Sf." prila[od.nost i opSteraspoloZenie 6. PritisniteContinue i zatim OK (ili dugme Paste da biste komandusnimiliu
uid.ti ,, doi"tk,r). U ovom primeru, hoiu da ocenim korelaciju izmedu Syntax Editor).
dozivljenog
oseianjasamokonrroleispitanikai niihovog nivo:rsubiektivno Ovaj postupak generi5esledecu komandu:
promenliive detaljno su opisane u sledeioi tabeli.
,*.r^. Dve upotrebliene
iodmah sprovoditenavedena uputstva, pokrenite
Ukoliko Zeliteda p."tit" GRAPH
SPSSi otvorite datotekusurvey3ED'sav' WITH usudstresBY id (IDENTIFY)
/SCATTERPLOT(B|VAR):usdsus
/MISSING:LISTWISE.
Kratak pregled korelaciie
primer istraiivaikog pitanja: Postoji li veza izmedu nivoa samokontrole Rezultatopisanog postupka prikazanje na slici.
rt"r,ii-" i njihovog nivoa subjektivnodoZi-
lju6i nad njihovim u-n,rtraSniim
doiivliavaiu
;ii;;"; ;.t;sa? Da li osobe'savisokim nivoom samokontrole
maniestresa ?
jednaneprekidna'a dru-
Stnro"r.,treba:Dve promenljive,obe neprekidne;ili
ga dihotomna (moie imati samodve vrednosti)'
o

pronrenllive.i
Stasepostiie:Korelaciiaopisujevezuizmedudve 'eprekidne : l n

to i iaiinu te vezei niensmer' c

pretpostavke:Pretposravke na kojima poiiva korelacijapodrobno su obia- .91 .^

Snjeneu uvodu u detvrtideo kniige' J

(ro)'
Neparametarskaalternativa:Spirmanovakorelaciiaranga
r0 20

Preliminarneanalizeza korelaciiu Ukupan SDSUS

pre izradunavaniakorelaciietreba nacrtati diiagram rasturanja.Na njernu

va-
oroveriteda li su zadovolienepretpostavkeo linearnostii homogenosti
u detvrti jeo lnjige). Pregledomdiiagramarasturanja
i;;";;'i;td.a
""oa Tumadeniediiagramarasturania
steii iete i bolju predstavuo prirodi u.r" ir*.d.l ispitivanihpromenliivih'
Na dijagramu se moZe sagledati vi5e svojstava raspodele dve ispitivane
promenliive.
 Podto ste istraZili raspodelu rezuftatana dijagramu rasturanja i utvrdili da
Korak 1: provera netiPiEnih ta6aka
je veza izmedu promenljivih pribliZno linearna i dtr su rezultati ravnomerno
Pogledajteima li na diiagrarnurasturanianetipiinih tadaka,tj' taiaka iz-
rasporedeni u obliku cigare, moZete nastaviti izradunavanje koeficijenta Pir-
dvJjenihod ostalih, izuzetaka,eventualnomnogo veiih ili manjih od osta-
sonove ili Spirmanove korelacije.
lih. kacta netipiine taike imaiu ekstremnevrednosti,treb:rproveriti da li su
tadkezr-rat- Pre nego 5to podnete slede6i postupak, u glavnorn meniju izaberite Edit,
ti podaci,rop5r"bili ispravnouneti?Dir to nisu greike?Netip-idne
no utidu na neke unilir", pa to vredi ispitati. Pojedini udZbenici statistike zatim options, i proverite da li je potvrdena opcija No scientific notation for
small numbers in tables.
preporudujuda seekstremnenetipiine tadkeizbaceiz skupapodataka.Dru-
da im vrednostne bude to-
! pt.atuZ" da im sepromeneiifre (kodovi)tako
liko ekstremna (videti poglavlje 6).
Postupak izralunavanjaPirsonovogkoeficijenta r
Kada prepoznatenetipidnutaiku i poZeliteda ie identifikujeteID brojem ili Spirmanovogro
datog sludaj" lopr.tuu.ije), upotrebiteikonicu Data Label Mode u prozoru 1. U menijuna vrhuprozorapritisnite Analyze,zatimcorrelate,pa Bivariate.
Chai Editor. Dvaput pritisnite diiagram da biste aktivirali prozor Chart
2.lzaberitesvojedve promenljive i prebaciteih u poljeVariables(npr.ukupan
Editor.pritisniteiktnicu koia pomalo lidi na centarstreliadkemete(ili izabc- subjektivno do2ivljen
stres,ukupanSDSUS).ovde se mozezadaticeralista
rite Data Label Mode u meniiu Elements)i doveditekursor na tadku diia- promenljivih,ne samodve.U rezultujucoj matrici(tabeli)bice navedeneko-
grama koju Zeliteda identifikujete.Pritisnitetadku jednom i prikazadese relacijesvih mogucihparovapromenljivih. Tabelace biti velikaako u listi
ilen In broj (ako ste u koraku 5 prethodnogpostupkaiz_abrali ID) odnosno
zadalevi5eod nekolikopromenljivih.
SirSS-ou broj sludaja (engl. case Prikazivanje
nwmber). brojeva iskljuii6ete
3. U odeljkuCorrelationCoefficients,podrazumevana opcijaje Pearson(Sto
ako ponovo pritisnete istu ikonicu.
znadida se podrazumevano izradunava ova korelacija).Ako hoceteda iz-
radunateiSpirmanovukorelaciju ranga,potvrditepolje Spearmanrho.
Korak 2: pregled raspodelevrednosti 4. PritisnitedugmeOptions.Za nedostajuce vrednosti(odeljak MissingValu-
RaspodelavrednostikazujeviSestvari: es), potvrditepoljeExcludecases pairwise.Na karticiOptions mo2ese
. Da li su tadkerasprleneposvuda?To bi znadiloda le korelacijaveoma zadatii izradunavanje
srednjevrednostii standardnog odstupanja.
mala. 5. PritisniteContinueizatimOK (ilidugmePasteda bistekomandusnimiliu
. Da li su tadkelepo rasporedene u obliku tankecigare?To bi znadiloda SyntaxEditod.
je korelaciiaveomavelika. Opisanipostupakgeneri5esledecekomande:
. MoZe li se povu6i prava linija kroz glavnu gomilu taiaka ili bi taike
boljepredstavilan&a kriva linija?Ako je kriva linija odigledna(5tosu- CORRELATIONS
g.ris" krivolinijsku vezu izmedu promenliivih),Pirsonovukorelacilu /VARIABLES:usudstresusdsus
iropdt, ne treba izradunavari,poito ona podiva na pretpostavcidir ie /PRINT:TWOTAILNOSIc
veia izmedupromenliivihlinearna(pravolinijska)' /MISSING:PAIRWISE.
. Koii ie oblik glavnegomiletaiaka?Da li je jednakeSirineod jednog NONPARCORR
kraja'do drugog? Ili je na poietku uska pa postaiesve Sira?U tom /VARIABLES:usudstresusosus
"moLda /PRlNT:S PEARMANTWOTAI L NOSIG
slujaju, podail ne zadovoljavajupretpostavkuo homogenosti
/MISSING:PAIRWISE.
varij anse(engl.homosceda sticity, b omogertity of uar iance)'

Korak 3: odredivanie smera veze izmedu promenliivih Rezultatprethodnog postupka (sa obe izradunatekorelacije,i Pirsonovomr
ili
Dijagramrasturanjakazujeda li ie vezaizmedudve promenllivepozitivna Spirmanovom)prikazanje u tabelama.
Kada bl se kroz tadkenacrralalinija, koji srnerbi pokazivala.-
,-r"goiiunu.
slJvanad.sno,da li bi pokazivalanaviSeili naniZe?tend naviSeprikazuje
tj. da velikim vrednostimaX odgovarajuvelikevrednostiY.
pozitivnu',rez.i,
Linila,tanizekazuieda seradi o negativnoikoreiaciii'ti'.da,malimvredno-
izgledada je kore-
stirnaX odgovarajuvelike vrednostiY. U ovom primeru'
lacija negativnai umerenoiaka.
I
I
I
 Correlations Korak 2: utvrdivanjesmera veze
Drugo Sto.trebapogledrrtijeste smer veze izmedu prome'ljivih. Da li je
ispred vrednostikoeficijentakorelacijenegarivanpredznak?'Akojeste,io
znaii da izmedute dve promenljivepostoji negativnakorelacija(tj. ja velike
vrednostina jednoj skali prate rnalevrednostina druE;oj).Tumaienjeovoga
Sig. (Z-tatled)
N
semenjau zavisnostiod naiina dodeljivanjavrednostipromenljivama.Uvek
PearsonCorrelatron proverite5tapiSeu upitniku i ne zaboraviteda mnogeskaleimaju negarivno
T"tal PCoISS-.-----
Sig.(z{ailed) formulisanestavkekoje treba obrnuti pre dodeljivanjavrednosti.Stl ve[ki
N brol'evi(vrednosti)zapravo znate?To iesto zbunjuje sfudenre,pa vam mora
." C"rt-l"t'". '" .,snificantat the 0,01 level (2-tailed) biti savr5enojasnopre nego5to se usuditeda tumadite,"r,rltoi..
u ovom primeru,koeficijenrpirsonovekorelacije(-0,-iB)i spirmanovko-
Nonparametriccorrelations eficijentro (-0,56) negativnisu, Iro pokazuje.negarivnukoreiacijuizmedu
subjektivnodozivljenesamokontrolei stresa.Sto uiie samokontroleosoba
Correlations
oseia da ima, to manje stresamisli da doZivliava.
Total
perceived
-lolal
T o t a lP C O I S S Korak 3: utvrdivanjejadine veze
perceivedslress oorrelatlon Loellrcrent 1 000
Si6-1inails rio
,000
Treie ito treba pogledariu rezultatimajestevelidinakoeficijentakorelacije.
Sig (2-tailed)
N 433 426 on moZe imari vrednosrod -1,00 do 1,00. Taj broj pokazujejadinu
- -,556" 1,000
veze
izmedute dve promenljive.vrednost 0 pokazujeda nikakva veza(korelaci-
Sig. (2-tailed) ,000
43U ja) ne postoji; vrednost 1'0 pokazujeda je koreracijaporpuna
N 426 i pozitivna,
t.. Correiationis significantal the 0,01 level(2-tailed) dok_vrednost -1,0 pokazujeda je korelacijapotpuna
i negativna.
Kako tumaiimo korelacijedije su vrednosriizmedu 0 i 1? Razni
autori
daju razliditatumadenja;medutim, cohen (198g, str.79-g1)
daje slecleie
smerniceza veliiinu korelaciie:

Tumadenierezultatakorelaciie m a l ar = 0 , 1 0 d o 0 , 2 9
Rezultateobe korelaciie,i Pirsonovei Spirmanove,sPSSprikazuieu tabeli srednjar:O,30 do 0,49
L1z
koeficiienatakorelacije izmedu svakog para navedenihprome$ii1ih, v e l i k ar : 0 , 5 0 d o 1 . 0
nivo znadajnostii broi analizkanlhsludajeva(opservaciia) u uzorku. Rezul-
tati Pirsonovekorelaciiedati su u odeljku Correlation. Kada zatraziteda se
ti rezultati se prikazuju u odeliku NavedenesmernicevaLebez obzira na to da li ispred koeficijenta
izradunaSpirmanovkoeficiientro \rho), negativanpredznak.Ne zaboravite,negativanpredznak
r stoji
NonparametricCorrelations.Rezultatiobe vrste korelacije, i parametarske pokazujesmerveze,
a ne njenu,jatinu-
i neparametarske, tunade sejednako. laiina korelacijeje jednakaLa.ra s,, koeficijenti r=0,5 od-
nosnor=-0,5.Razlikujesesamo niensmer.
primer.u,izmedu dve promenljiveposroji jaka korelacija
Korak1: proverainformaciiao uzorku ,,_1,,*:t:l.m
0,5),,5togovori u prilog tvrdnje da vezaizmedu-subjektivno
U tabeliCorrelarionsnajpretrebapogledatiN, ti. broi sluiajeva(opservaciia) ].11n"o
vtlenesamokonrrole ie dozi-
dr i stresajaka.
u uzorku. Da li ie tai broi tadan?Ako mnogo podatakanedostaje'treba
utvrdite zalto je tako. Da nistezaboravilida potvrdite polje Exclude cases
pairwise.r od"i;k,, MissingData na kartici Options?Druga opciia (Exclude
k 4 : izradunavanie koeficijentadetermi nacije
flor.a
Koeficijent determi'acije.pokazuje kolikr je deo
iaseslistwise)znadida su iz svih analizaiskliudenisvi sludaievikoiima ttc- jednidki;jod se varijansedve promen ljiveza-
dostajevrednostbilo koje promenljive.Time seN destopreoitro (i nepotreo- kaze ,,koliki ie deo varijansejednepromenljiveobjainjen (ili
Prouzrokovan)varija'som druge". Zvudi impresiu.ro,a izra(unavasejedno-
no) smanjuje.U gornjem primeru imamo 426 sluiaieva sa vrednostimanir stavno;samokvadrirajtevrednostr (pomnoZite
obe skale'uporr.ill.n" ., ouoj analizi.Naravno, iz nje su morali da seizbace to pretvorili u 'procenatvarijanse',dobijeni
r sa samimsobom).Da biste
svi sludajevikojimanedostajepodatirkza bilo koiu od te due promenliive' proizvod pomnozite sa 100
(pomerite decimalnizarezza dva mesta udesno)' Na primer, dve promenljive Tabela1: Koeficijenti
Pirsonovelinearnekorelacijeizmeduizmerenih
vrednosti
-
s koeficiientom korelaciie r=Q,) imaju samo 0,2 x 0,2 = 0,04 4 procenta za- doZivljene
subjektivno samokontrolei op5tegraspoloZenja
iednidke varijanse.Te dve promenljive nemaiu mnogo veze. Medutim, kore- Skala
lacija r=0,5 znadive( 25 procenata zajednidkevarijanse (0,5 x 0,5 = 0,25). - , 5 8 1* * *" -- **
1 U k u p n aS D S U S ,484 ,456 ,373
U na5em primeru, Pirsonova korelacija iznosi 0,581; kada se digne n:r
2 . Uk.subj.doiiv. stres ** - , 4 4 2* * - , 4 9 4* *
kvadrat, dobija se 33,76 procenata zajednidke varijanse. Subjektivno doZi- ,674
vliena samokontrolaobjainjava gotovo 34 procenta varijarlseu odgovorimir 3 . Ukupnaneg.osecanja -,294-- -,316 **
ispitanika na skali subjektivno doZivljenog stresa.To ie sasvim pristojan decr 4 . Ukupnapoz.osedanja - ,415
**
objainjene varijanse,kada se uporedi s mnogim istraZivanjima sprovedelirn 5 . Uk.zadov.Zivotom
u dru5tvenim naukama. **p (,001 (2-triled).

Korak 5: ocenanivoaznadainosti
Sledeie 5to rreba pogledati je nivo znadajnosti (oznaden sa Sig. 2 tailed).
Ovaj podatak se desto pogreSnotumaii, pa obratite paZnju. Nivo statistidke
znaiajnosti ne pokazuje jadinu veze izmedu dve promenljive (nju pokazuje r
odnosno ro), nego s koliko poverenja treba posmatrati dobijene rezultate.
Na znadajnostdobijenog iznosa koeficijenta r odnosno ro jako utide velidina
uzorka. Iz malih uzoraka (npr. n=30) mogu se izraiunati umerene korelaciie
koje nisu statistidkiznataine na uobidajenom nivou p<0,05' Medutim, vei i
vrlo male korelacijeizradunate iz velikih uzoraka (N=100+) mogu biti stati-
stidki znatajne. Naravno da statistiiku znadajnost koeficijenta korelacije
treba navestiu izveitaju o istraZivanju, ali se usredsreditena jaiinu vezei ve-
lidinu zajednidkevarijanse (videti korak 4).
Predstavljanjerezultatakorelaciie
Rezultati Pirsonovekorelacijeu gornjem primeru mogli bi seovako predstat-
Ukoliko trebada predstaviterezultateSpirmir-
o istraZivanlu.
viti u izveStaju
nove korelacije,samozameniter vrednoiiu ro datom u drugoj tabeli.
Veza izmedusubjektivnodoZivljenesamokontroleunutra5njihstanja (kako je
meri skalaSDSUS) i subjektivnodoiivljenog stresa (merenog na istoimeno;
skali) istraienaje pomocu koeficijentaPirsonovelinearnekorelacije.Obavlje-
ne su preliminarne analizeda bi se dokazalozadovoljenjepretpostavkio nor-
malnosti, linearnostii homogenosti varijanse.lzradunataje jaka negativna
korelacijaizmedute dve promenljive,r : -0,58, n: 426, p ( ,0005, pri 6emu
visoke nivoesubjektivnodoZivljenesamokontroleprate niski nivoi subjektivno
do2ivljenogstresa.
Korelacijomse destoistraZujuvezeunutar celegrupe promenljivih,a ne
samo vezaizmedudve promenljivekao u gornjemprimeru.U takvim sluda-
jevima, bilo bi nezgrapnou jednom pasusunavoditi sveizradunatekoefici-
jente.korelacile;bolje je prikazatiih u tabeli.Evo naiina na koji se to moze
uraortr:
Radunanjekorelacijeizmedu
grupapromenliivih
U prethodnomodeljku sa opisomposrupka pokazalasam kako se dobiiaiu
koeficijentikorelacijeizmedudve neprekidnepromenljive.Kada imategru-
pu promenljivihi Zeliteda istraZiteuzajamnevezesvih njih, zadajteSpSS-u
da sve to uradi u jednoj proceduri - samo prebacitesve te promenljiveu
polje variables.Medutim, tako bi se mogla dobiti ogromna matrica korela-
cije,koja setelko dita i tumadi.
Ponekadje od interesasamo odredenipodskup svih moguiih veza.Na
primer, zanima vas odnos izmedu vrednosti kontrole (Mastery, PCOISS)i
raznlh vrednosti prilagodenja (pozitivnih oseianja, engl.positiue affect, ne-
gativnih oseianja, engl. negatiue affect, zadovoljstva iivorom, engl. life
satisfaction).Ne zelitecelu marricu korelacijezaro 5to bi ona sadrZalakoefi-
cijentekorelacijesvih promenljivih,dakle i svakogpara mera prilagodenja.
Postojinadinda to ograniiite,tj. da odreditekoji 6esekoeficijentikorelacije
prikazati.To seradi u SyntaxEditoru (opisanomu poglavlju3). Slediposru-
pak pomoiu kojeg seu SyntaxEditoru odredujekoje ie koeficiientekorela-
cife SPSSizra(.unati.
Postupakizradunavanjakoeficijenatakorelacijeizmedu
dve grupe promenljivih
1. OtvoritemeniAnalyzena vrhuprozora,izaberiteu njemuCorrelation,pa
pritisnite
Bivariate.
2. Promenljivekojevaszanimaju prebaciteu poljeVariables,najpreceluprvu
grupupromenljivih (npr.tposaff,tnegaff,tlifesat),
a zatimdrugu(npr.tpcoiss,
tmast).
3. U ispisurezultata,
prvagrupapromenljivih bicenanizana po vertikali
tabeleu
njenimredovima, a drugagrupapo horizontali u kolonama.
4. DuZulistustavitena prvomesto;time spredavate da tabelazbog prevelike
Sirinene mo2eda stanena stranicu.
 vr ' rvr "J
vr

Poglavljei 1; Korelaciia 139

5. PritisnitePaste. Otvorice se Syntax Editor (videtiprimer na slici 1 1 .1). Kadir se rez'ltari predstave
na ovaj nac.irylako se poredi rerativna jadina
6. Postavitekursor izmedu prve grupe promenljivih(npr. tposaff,tnegaff,tlife- dveton,.or.,.,r.,r.
sat) i ostalih promenljivih(npr. tpcoiss i tmast). Upi5ite red ,,with" (tposaff I::t:.j1"^:oje.
Kom merom prilagodenja.
Ir"or pcorss,il;;iil;r,.ry) sasva_
tnegaff tlifesat with tpcoiss tmast). Time ste od SPSS-a zatralrlida izraduna
koeficijentekorelacijeizmedu promenljivihtmast i tpcoiss s jedne strane i
svih drugih navedenihpromenljivihs druge strane.Trebalobi da dobijeteko- Poredenjekoeficijenatakorelacije
m a n d uk a o n a s l i c i1 ' l. 1 .
dve grupe
U istrazivanjukoreracijeponekadtreba
uporeditijadinu koJcijenata
7. Da bisie izvr5ilitunovukomandu,izaberitesve - od CORRELATIONSdo tad- lacije dve zasebnegrup:. Na primer, zelite kore_
da p"d"i;;';;), ir_.d,, opti_
ke na kraju (ukljudujuii i tadku). Veomaje vaZnoda i ta taika bude izabrana. zasebno zamuika,c.r 2."". ir"ar opisjednog
8. Kada je taj tekst izabran,u glavnommenijupritisnitedugme (ikonicu)sa tro- ftrff #::i:T,lr:seianja
uglom koji pokazujeudesno P) ili otvoritemeniRun i u njemu izaberiteSel-
ection. Time ste SPSS-u naredilida izvr5idatu komandu.
Postupakporedenjakoeficiienatakorelacije
za dve grupe subjekata
Korak1: podeliteuzorak
File Edit View Oatd Transform Andlyze Gfaphs Utilities Run
Window Help 1' ProzorData Editortrebada je otvoren
i.u prednjempranu.(Akoje trenutno
, , , . : ,A, ,E, 'S ntuh S{ } O:, ii:i viewer,
otvorite
meniwindo*.i; ;;;; i."uu.itu
II
B,#iili:?'ir spss
CORRELATILlNS 2' U glavnommenijuna vrhu prozorapritisnite
tposafftnegafftlifesatwith tpcoisstmasl
I./ARIAELES= Data,zatimsprit File.
/FRINT=TWOTAILSIG 3. Pritisnite
CompareGroups.
/MISSING=FAlRWlSE 4' Promenljivugrupisanja(npr.pol)prebaciteu polje
snitedugmeOK. Groups basedon. priti-
>ts5) PrOCe5S(

5' Takoste uzorakpodeliripo poru,pa

Slika 1 1.1 ProzorSyntax Editor. ce sve ubuducezahtevane anarize
biti
ponovljeneza svakuod te dve grupe
zasebno.

Sledi rezultatkoji cete dobiti u SPSS-u kada zavr5iteopisani postupak. Korak 2: korelacija
1' Premapostupkuopisanomu jednom
Correlations od prethodnihoderjaka,zadalteizrad,u-
navanjekoreraciie':r1u' dve promenrjive
od interesa(npr.Totaroptimism,
T o t a lP C O I S S Total Mastery Totalnegativeafiect).ona ce biti
izraduiatai prikazana zasebnoza svakuod
lotal PositiveAffect Pearson
,456'. ,432"
dvegrupe.
Correlalion vazno:Kadazavrsitesa zasebnim
Sig. (2{ailed) ,000 ,000
pregredomstatistidkihpokazaterja za mu-
Skarcei zene,ne zaboravitea" i"r.rrre
N 429 436 iiu opcijusplit File.ona (poderauzor-
ka na grupe)ostaieda vazisve
ao[1" n" ;sktlueite. ro ,"rJi , jrozoru Data
Total Negative Affect Pearson -,484" Editorkojitrebada je u.predn"r'0,""r. pritisnite
Correlation prvodugme:Analyzeat Data,sprit File izatim
Sig. (2-tailed) ,000 ,000
cases,ao noi"r.ate groups.pritisniteoK (oa-
nosnodugmepaste da bistekomandu
N 428 435 snimiliu SyntaxEditor).
Ovajpostupakgenerisesledece
T o t a lL i l e Pearson 17a"
komande:
Satisfaction Correlalion
Sig.(2-tailed) ,000 ,000 SORTCASESBy oot.
N SPLITFILE
429 436
LAYEREDBy oot.
CORRELATIONS
C o r r e l a t i o ni s s i g n i f i c a nat t t h e 0 , 0 1 l e v e l ( 2 ' l a i l e d )
I /VARIABLES:toptimtnegaff
hi$s, /PRINT:TWOTAIL NOSIG
- /MISSING:PAIRWISE.
-'
14U L.rEU tv i vtsLrsrrvt\v

Proverastatistidkeznadajnostirazlike izmedu
PostuPakdaje ove rezultate:
Correlations
koeficiienatakorelacije
U ovom odeljku, ooisaiu postupak utvrdivanja da li se korelacijedveju
grupa z.natainorazlikuiu, tl. da li je ta razlika sludajnaili ne. Naialosr, to
SPSSjo5 ne ume da uradi, pa iete morati sami pomoc.ukalkulatora.I ako
vam slede6iodeljak bude izgledaonerazumljiv,sleditedati postupakkorak
po korak. Prvo iemo vrednostikoeficijenatakorelacijer pretvoriti u vred-
nosti z, zatim pomoiu jednadineizradunatiopaZenuvrednostz, tj. 2,,r,.Taj
T"t"iltl$;G Pearson broj iemo ocenitina osnovuutvrdenihpravila odludivanjai tako izraiunati
Correlation verovatnoiuda je razlika u korelaciyiopzrZena izmedudve grupebila posle-
Sig' (2-tailed) dica sludainosti.
N
Pearson
FEMAE-I"I opl'mG'.n
Correlation
Pretpostavke
Kao i uvek, najpre iemo proveriti pretpostavke. pretpostavlja se da su vred-
Sig.(2-tailed)
N
nosti korelaclje r za dve grupe dobijeni iz sludajnih uzoraka i da su grupe
Pearson
sludajeva(opservacijar)nezavisne(da isti subjekti nisu dvapur testirani). pret-
Tout N"g"tiu"
Correlatlon postavlja se da je raspodela rezultata za obe grupe normalna (videti histo-
Af{ect
Sig (2{ailed) grame za te grupe). Takode je neophodno imati najmanle 20 sludaieva
N ( o p s e r v a c i j a )u s v a k o j g r u p i .
-. level (2-tailed)'
Correlationis significantat the O'01
Korak1: pretvoritisvakuvrednostr u odgovaraiu6u
vrednostz
Prvi korak u procesuporedenjajestepretvoriti dve dobijenevrednostir u
grupe
rezultatakorelaciieizradunate=u1Y,"- (Total
Tuma6enie
standardanoblik, koji se nazivavrednosrz. To se radiiz viie matematidkih
razloga,prvenstvenozato da bi raspodeleuzoraka bile pribliZno normalne.
izmedu ukupnog
korelaciia -optimizma
U prethodnoi tabeli ""'tt"'", affect)za muikarce u prethodnonavedenojtabeli rezultaraoditaiteiznoie r i N za Gruou 1
(Total
optimism) i ukupnih negativnih-oseiania "tg"iiu"
veia' ']-0'39' lako ta dva bro- (muSkarci)i Grupu 2 (Lene).
bila ;e r---0,22dokie ,li"n"bila neznatno 1e Muik.: rt = -0,22
ja razlikuiu,da li je r" ;ik;d"toljno velika da semoZesmatratiznaiajnom' Zene, rt = -0,394
je opisaniedannadinprovere Nr = 184 Nz = 250
a ne sluiainom?U narel"n"- "atf;ft" podrobno
koefitiJttttu korelacije'VaZno1e
statistidke,nuia;nost'i"ra*r-f*"ir*.a" ta dva ko-
u tabeli11.1pronadirevrednosrzkoja odgovarasvakojod tih vrednostir.
imati u vidu da ," ,"ipttt"t
'i;lt '"'flf";" od proverestatistidkeznadajnosti Mu5k.: zt = -01224Zenetz, = -0,418
;" 'e"'.ltati {1i gornioi-tabeli'^GorePrikazatrt
eficiienata korelaciie', "
Sig' =,003; 'i,L"n"t Sis' = '000) daiu vero-
nivoi znadajnosti(za'mriikarce:
'
vatno6u nulte hipot ezeda ie koeficijent korelaciie non".l1c1l td:*tl)
oceniuie verovatnot"
Medutim, doleopisanitest znadajnosti
iZena)posledicagr:11;,;;il,
opuZ"rrlhior"lucilu r" a"t grupe (muik araca
vezeza muikarcetza aene'
dok u stvarinemarazlike'i1"3i"i ispitiv:rne
 ruz
Tabela11.1:Transformacija Korak2: ubacitete brojeve
u iednaiinu za izraLunayanje
i::,f q;iiil L::Hilf *#r j;*: ub,:i,:r,'.'i
""".-,Jogo zoo
u",,iui,
.000 ,000 ,204 ,203 ,400 ,424 ,600 ,693 .800 1,099 ako ster,tti"".p.ipremili i ispisali (Bic<e
uo,rrlaks.
,005 .205 ,208 ,605 ,701 ,805 1,113
dirio i i.?[#tora'
.005 ,405 ,430
,010 ,010 ,210 ,213 ,410 ,436 ,610 ,709 ,810 1,127
,015 .015 ,215 .218 ,415 ,442 ,615 ,717 .815 1,142
-t - .z
,020 .o20 .220 ,224 .42A ,448 ,620 .725 ,820 1,157
,025 ,025 ,225 ,225 ,425 ,454 .625 ,733 ,825 t,ttt

,030 .030 .230 ,234 ,430 ,460 ,630 ,741 ,830 1, 1 8 8

.035 ,035 ,235 ,239 ,435 ,466 ,636 ,/50 ,835 1,244
,040 ,040 .240 ,245 ,440 ,472 ,640 ,758 ,840 1,221

i ,045
,050
.045
,050
,245
,250
,25A
,25s
,445
,450
,478
,485
,645
,650
.767
,775
,845
,850
1,238
1,256
?2a - ,qte
,05s ,055 ,455 .491 ,655 ,784 ,B55 1,274
,060 ,060 ,260 ,266 ,460 ,497 ,660 .793 ,860 1.293
.065 ,065 ,265 .271 ,465 ,504 ,665 ,802 ,865 1,313
,07a ,070 ,274 ,277 .470 ,510 ,670 ,811 ,B70
-,194
,475 ,075 ,275 ,282 ,475 ,517 ,675 .820 ,875 1,354 -)o b s - -- -
,080 ,0B0 ,280 ,288 ,460 .523 ,680 ,829 ,880 1,376
.085 ,085 .285 .293 ,485 ,530 ,685 ,838 ,885 1,398 {*l*1 8 1 * *l-
,090 ,090 2qn )Qa ,4S0 ,536 ,690 ,848 ,890 1,42? 247
,095 ,09s ,295 ,344 ,495 ,543 ,695 ,858 ,895 1,44/
,100 ,100 ,300 ,310 ,500 ,549 ,200 ,867 ,s00
,r05 ,105 ,305 ,315 ,505 ,556 ,705 ,877 ,905 1,499 Zobs=
, 11 0 , 11 0 ,310 ,321 ,510 ,563 ,710 ,887 ,910 1,528 v,00SS+ ,oOa
(1q
,r15 ,116 .315 ,326 <7n .715 ,497 ,915 1,557
,\2A J21 .320 ,332 ,520 ,576 ,720 ,908 ,920 1,589
, tzJ , tto ,325 ,337 ,525 ,583 ,725 ,918 ,925 I,OIJ -obs _ -:
,130 ,131 .330 ,343 ,530 ,s90 ,73A ,929 ,930 1 6qA v,0095
'136 (?q (o7 1,697
,135 , ,335 ,348 ,735 ,940 ,935
, 14 0 ,141 ,340 ,354 ,540 ,604 ,740 ,950 ,940 1,738
,145 ,146 ,345 ,360 ,545 ,611 ,745 ,962 ,945 1,743 Zobs=:J!1 =-t,gg
,150 ,151 ,350 .365 ,550 ,618 ,750 .973 ,950 1,832
, rJJ , 'Ju ,355 ,371 .555 ,626 ,755 ,984 ,955 1,886
,160 ,161 ,360 ,377 ,560 ,633 ,760 ,996 ,960 1,946
,165 ,167 .365 .383 .565 ,765 i,008 ,965 2.014 Korak 3: utvrditeda
Kadadobiietevrednosr fije vrednost
"640
, 17 0 ,172 ,370 ,388 ,570 ,648 ,770 1,020 ,970 ) r\Q) zor.statistidkiznadajna
,375 .394 ,775 1,033 ,975 2 , 18 5 z,*,i.m"di j,iz-i *!.g6,
,175 ,177 nentoietewrcriti
da jzrne_
.180 ,182 ,380 ,400 ,580 ,662 ,7BO 1,045 ,980 2.298 korel'Jcri.
p"'Lii znatajna
,185 ,187 ,385 ,406 ,585 ,670 ,785 1,058 ,985 2,443 ff"tJ1,ffj:iienta "ltirtirki r aztika,tj.
daona
,190 ,192 ,390 ,412 ,590 ,678 ,790 1.071 ,990 2,A47
10q ioa ,395 ,418 ,595 ,685 .795 1.085 ,995 2.994 ,r*:H:!l';1ffi';ll',lk e,,nuIru.h.ipotezu (danema raztik
eizmedug,rupa)
melods (2nd edition).Holl. Rineharl& Wtnslotr
tzvot:Mc:all {1990).prvobilniizvor dwards,A.L. 11967J.Statistical
;;;;;;'#iJ;;#;il:fl:3::1" vred,,os*
Dakre, i'*" a',ihgranica
j" -1,e6
1^0"" <r*vvr ' -' '""""'rvtttt nulellcls
znadajno. se ne razlikuju statistidki

Kada je zoo"manie
od ili jednako -1,96 ili kada
r '96: koeficijenti-se je z.o"jednako
razrikujuJ"rr"allr""""ro, ili vece od
tJ.razrikanrje sru.ajna.
 U navedenom primeru izradunatom z:r muSk:rrcei Zene, dobili smo z,p.'
vredrrost -1.,99.Ona je izv:rn datih granica, p21stnemo da zakliuiirno da po-
Delimidnakorelacija
stoji statistidki znaiaina razlika u jadini korelacije izmedu optimizmir i nega-
tivnih ose6anjaza muikarce i Zene.Optimizam obja5njava znaiaino veii deo
varijanse u negativnim osedanjima i.ena nego muSkaraca; ta razlika nije
s l u i aj n a .

DodatneveZbe
Zdravstvo
Datotekas podacima:sleep3ED.sav. Pojedinostio datotecivideti u dodatku.
1. Proveritejadinukorelacijeizmedu rezukatana skalamaSleepiness and
(ess). Delimidna korelacija je sliina Pirsonovoj linearnoj korelaciji (opisanoj u po-
AssociatedSensations (rorSAS)i Epworth Sleepiness
glavlju 11), osim 5to se moZe sprediti uticaj jedne dodatne promenljive. To je
2. Pomoiu komandi u Syntax Editoru ocenitekorelaciju izmedu skale
obidno promenljiva na koju se sumnja da utiie na dve promenljive od intere-
Epworth Sleepiness (ess)i svake sravkesa skalesleepinessand Asso-
sa. Kada se sratistidki Lrkloni uticaj te remetiladke promenljive, dobija se jas-
(fatigue,
ciated Sensations lethargy,tired, sleepy,energy).
nija i tainija slika veze izmedu dve ispitivane promenljive.
Uticaj remetilaike promenljive bio je razmotren u uvodu r-rdetvrti deo
knjige (videti odeljak o odnosu korelacije i kauzalnosti). Remeienjem se
smatra uticaj, makar i mali, tre6e promenljive (C) na ispitivanu vezu izmedu
dve promenljive (A i B). Ako se taj uticaj (kontaminacija) ne uraduna, dobiie
se nerealno velika vrednost koeficijenta koreltrcije dve promenljive. Thj od-
nos se ovako moZe predstarvitigrafidki:

^
---t

U ovom sluiaju izgleda kao da su A i B povezani, ali je nlihova prividna

veza u velikoj meri posledica uticaja C. Kada statistidki uradunate (uklonite)
uticaj promenljive C, obidno se smanji korelacija izmedu A i B, pa se dobija
i manji koeficijent te korelacije.

primera
Obia5njenie
K a o i l u s t r a c i j ud e l i m i d n ek o r e l a c i j eu p o t r e b i i u p r i m e r i z p o g l a v l j a 1 1 , a l i d u
analizu proiiriti tako da obuhvati uticaj joi jedne promenljive. IstraZiiu vezu
izmedu rezultata na skali subjektivno doZivljene samokontrole unutraSnjih
stanja (engl. Perceiued Control of Internal Statesscale,PCOISS) i rezultata
na skali subjektivno doZivljenog stresa (engl. Perceiued Stressscale), ne gu-
l:eCiiz vida moguinost da ispitanici ponekad svesno daiu netadne,ali dru5t-
veno poZeljne odgovore (engl. socially desirable responding bias). Time
uraaunavamuticaj ljudske sklonosti da prilikom popunjavanjaupitnika 5. PritisniteContinuei zatimOK (odnosnodugmePaste da bistekomandu
sebepredstavena pozitivanili druitveno poZeljannaiin (da sepretvaraiuda snimiliu SyntaxEditor).
su dobri). Ta tendencijase meri Marlou-Kraunovom skalom druitvene Opisanipostupakgeneri6esledecukomandu:
poZeljnosti(Crowne & Marlowe,7960). Skraienaverzljate skale(Strahan
& Gerbasi,7972)blla je sravljenau upitnik pomoiu koieg su izmerenedru- PARTIAL CORR
ge dve promenljive.Njeno ime u datotecis podacimaje tmarlow. /VARIABLES:usdsususudstresBy tmarlow
Ukoliko Zeliteda pratite primer i navedenauputstva,pokreniteSPSSi ot- /Slc NIFICANCE:TWOTAI
L
vorite datotekusurvey3ED.say s pratede\ileb lokacijeknjige. /STATISTICS:CORR
/MISSING:ANALYSIS.
Kratakpregleddelimidnekorelaciie
Primeristraiivadkogpitania:Nakon uraiunavanjasklonostisubjekatada se postupkadatisu u tabeli:
Rezultati
predstaveu pozitivnom svetlu ua skalama samoocenjivanja, da li i dalie
postoji znadajnaveza izmedu subjektivno doiivliene samokotrtrole unu- Correlations
trainjih stanja(SDSUS)i nivoa subjektivnodoZivljenogstresa? Kontrolapromenljivih ukupno ukupan ukupna
Stu ua- treba: Tri neprekidnepromenljive: SDSUS subjektivno druStvena
doiivljen poieljnost
e dvepromenljivediju vezuistraZujete (npr.ukupnaSDSUS,ukupansub- stres
jektivno doZivljenstres);i none-a ukupna Correlation -,581
1,000 ,295
r jedna promenljiva diji utical treba ukloniti (npr. ukupna druStvena SDSUS Significance ,000 000
poZeljnost:tmarlow). (2-tailed) 0 424 425
df
Stasepostiie:DelimidnakorelacijasluLizaistraZivanje vezeizmedudvepro-
ukupan Correlation -,581 1,000 -,228
menljive,pri demusestatistidkikontroliSe(uklanla)uticaj tre6epromenljive
subjektivno Significance ,000 ,000
koja bi mogla da kontaminiravezuizmeduispitivanedve promenljiveili da (2-tailed)
do2ivljen 424 n 426
utidena nju. SITES df
Pretpostavke:Pretpostavkena kojima sezasnivaradunanjekorelacijenave- uKupna Correlation -,,n 1,000
,295
denesu u uvodu u detvrti deo knjige. druStvena Significance ,000 ,000
Pre nego 5to podnetesledeii postupak)otvorite rneni Edit i izaberiteu poieljnost (2-tailed) 425 426 0
njemu stavku Options; treba da je potvrdeno polje No scientificnotation for df
small numbersin tables. ukupna ukupna Correlation 1,000 -,552
druStvena SDSUS Significance ,000
poZeljnost (2-tailed) 0 423
Postupakza delimidnukorelaciju df
1' otvorite meniAnalyze,izaberiteu njemustavkucorrelate, pa pritisnite uKupan Correlation -55' 1,000
Partial. subjektivno Significance ,000
2' Pritisnitedve neprekidnepromenljive do2ivljen (2-tailed) 423 0
6iju korelacrlu
hoceteda izradunate
(npr.ukupnaSDSUS,ukupansubjektivno stres df
stres).Kadapritisnete
doZivljen
strelicu,prebaciceteih u poljeVariables. ' Cells
contain zero-order(Pearson)correlations.
3. Pritisnitepromenljivudiji uticajzeliteda uklonite(npr.tmarlow,koja meri
druStvenu poieljnost).Prebaciteje u poljeControllingfor.
4. Pritisnite
dugmeOptions.
' U odeljkuMissingValuespotvrditepoljeExcludecasespairwise.
' U odeljkuStatistics potvrditepoljeZero order correlations.
Tumadenjerezultatadelimidnekorelaciie
SPSS-ova tabelarezultataima dva dela:
1. U gornjoj polovini tabeleje uobiiajenamatrica Pirsonovelinearneko-
relacijedve prornenljiveod interesa(npr.subjektivnodoZivljenesamo-
konfole i subjektivnodoiivlienog stresa)kada niie uklonien uticai
-0'581- Rei lone u
treie promelljive. U tom sludaju,korelacijaiznosi
levoi Loloni kazuieda u rom delu tabelenije bilo promenljivediii bi se
uticai kontrolisao,tj. uklonio.
2. u donjoj polovini tabeleponovljenesu iste analizekorelacije,ali uz
uklanjanjeuticajaremetiladkepromenljive(npr.druitvenepoZelinosti).
u tom sludaju,nova delimidnakorelaciiaizr-rosi-0,552. Uvek bi trebalo
da uporedite ta dva skupa koeficijenatakorelacije i utvrdite da li ie
uklanianieuticaja dodatnepromenljiveimalo posledicepo vezr.rizmedu
dve ispitivanepromenljive.U ovom primeru,iaiina korelaciiese malo
smanjila(od -0,581 na -0,552).Time ie dokazanoda zapaienavezaiz-
medu sublektivnodozivljenesamokontrolei subjektivnodozivlienog
stresanije samoposledicadavaniadrudtvenopoZelinihodgovora.
Predstavlianierezultatadelimidnekorelaciie
Rezultati ove analize mogli bi se predstaviti ovako:
Za istraZivanjeveze izmedu subjektivno doZivljenesamokontrole unutra5njih
stanja (merene na skali SDSUS) isubjektivno doZivljenogstresa (merenog na
skali USUDSTRES) upotrebljenaje delimi6nakorelacija,pri demu je uklonjen
uticaj rezultatana Marlou-Kraunovojskali dru5tveno poZeljnihodgovora. Preli-
minarnimanalizamaje dokazanoda pretpostavkenormalnosti,linearnostii ho-
mogenostivarijansenisu naru6ene.Nakon uklanjanjauticajadru5tvenopoZeljnih
odgovora, utvrdenaje jaka negativna delimidna korelacijaizmedu subjektivno
doZivljenesamokontroleunutra5njihstanja i subjektivnodoZivljenogstresa, r:
-0,55, n :425, p ( ,0005, pri demu visokenivoesubjektivnodoiivljenesamo-
kontrole prate niski nivoi subjektivnodoZivljenogslresa. Poredenjesa izraduna-
tom korelacijomnultog reda (r: -0,58) pokazujeda uklanjanjeuticajadru5tveno
poieljnih odgovora vrlo malo utide na ja6inu veze izmedu te dve promenljive.
DodatnaveZba
Zdravstvo
Datoteka s podacima: sleep3ED.sav.Pojedinosti o datoteci videti u dodatku.
l.Izraiunati jadinu korelacije izmedu rezsltata na skali Sleepinessand
Associated Sensations (rorSAS) i uticaja problema sa spavanjem na
opdte raspoloZenje(impact6),uz uklanjanie remetilatkog uticaia st,ro-
srr. Uporedlte (Pirsonovu) korelaciju nultog reda i koeficiient delimidne
korelaciie. Da li uklanjanie uticaja starctstiima znatnije posledice?
Vi5estrukaregresija
u ovom poglavlju ukratko (u izloLiti kako se pomoiu spSS-aza \Tindows
rade analize vi5estrukeregresije.Poito ie izlaganiebiti ueoma pojednosta-
vljeno,trebalobi da viSeproditateo viSestrukojregresijipre nego5to je upo-
trebiteu istraZivanju.Dobar izvor informacijaje poglavlje5 u knjizi uutorki
Tabachnicki Fidell (2007),kojeobuhvarareoriju,razliiite vrsteanalizaviie-
strukeregresijei pretpostavkena kojima ona poiiva.
vi5estrukaregresijanije samojednatehnikave6porodicatehnikapomoiu
kojih semoze istraZitivezajedneneprekidnezavisnepromenljivei viie neza-
visnih promenljivih ili predikrora (obidno neprekidnih).vibestrukaregresija
sezasnivana korelaciji(obradenoju poglavlju11), ali omogr.riuje sofisticira-
nije istrazivanjemedusobnih veza skupa promenljivih. zato je idealna za
istraZivanjesloZenijihpitanja iz srvarnogLivota,pre nego onih laboratorij-
skih. Medutim, nemojtese nadati da 6e se odgovori nekim dudom pojaviri
iim u viSestrukuregresijuubacitepromenljive.za ovu analizutrebalobi da
imate dvrstteorijskiili konceptualnirazlog,posebnoza redosledpromenlji-
vih koje ulazeu jednadinu.Ne upotrebljavalteviSesrruku regresijutek tako.
ViSestrukaregresijamoZe odgovoriti na razna istraiivaika pitanja. Ona
kazuiekoliko dobro odredeniskup promenliivihpredvidakonkreranishod.
Na primer,recimoda istraZujete koliko sedobro pomoiu skupapodskalana
testu inteligencijernoie predvideti efikasnostobavljanj:rodredenogzadatka.
ViSestruka regresijaie dati ocenumodelakao celine(svihpodskala)i relati-
van doprinossvihpromenljivih(podskalapojedinaino)od kojih semodelsa-
stoji.Uz to, viSestrukom regresijommoiere ispitatida li dodavanjeodredene
promenljive(npr.motivacije)doprinosiprediktivnojsposobnostimodela,tj.
da li poboljSavamodelkoji vei sadrLidrugepromenljive.viSestrukaregresija
semoZeupotrebitii za statistidkouklanjanjeuticajajedneili viSepromenlji-
vih na prediktivnusposobnostmodela.Medu glavnim vrstamaistrazivadkih
pitanjana koja vi5estrukaregresijamoZeodgovoritijesui ova:
. koliko dobro skup prontenliiuihmoZeda predvidi odredeniishod;
. koja promenliiuau skupr.rje najbolji prediktor odredenogishoda;i
. da li odredenaprediktorskapromenljivai dalle dobro predvidaodre-
deni ishod nakon uklanjanjauticaiadrugepromenljivelnpr.sklonosti
davaniudruitveno poZelinihodgovora).
 Glavnevrste viSestrukeregresiie
U zavisnosti od prirode pitanja na koje trai.ite odgovor, moZete upotrebiti
viSevrsta viSestrukih regresija.Tri glavne vrste viSestrukih regresija su:
o standardna ili istovremena (simultana);
. hijerarhijska ili sekvencijalna;i
. postepena (engl. stepwise).
U statistidkoyliteraturi autori testo razliditim terminima nazivaju te glav-
ne vrste vi5estrukeregresije,5to jako zbunjuje iak i iskusne istraZivade,a o
podetnicima da i ne govorimo!
StandardnaviSestrukaregresija
U standardnojviSestrukojregresiji,sve nezavisne(ili prediktorske)pro-
menljive se istovremenounose u jednaiinu. Ocenjujese prediktivna mod
svakenezavisnepromenljive,tj. meri sekoliko bi ona poboljiala model koji
se sastojiod drugih nezavisnihpromenljivih.Ova vrsta viSestruke
regresije
senajdeiiekoristi. Nju bisteupotrebilida imateskup promenljivih(npr.raz-
nih skalaza merenjesvojstavaliinosti) i da istraZujetekoliki deo variianse
zavisnepromenljive(npr. anksioznosti)one mogu da objasnekao grupa ili
blok. Saznalibistei koliki deo jedinstvenevarijansezavisnepromenljiveob-
jainjava svakaod nezavisnihpromenljivihpojedinaino.
HiierarhiiskaviSestrukaregresija
u hijerarhijskoj(ili sekvencijalnoj)
regresiji,nezavisne promenljivese unose
u jednadinuredosledomkoji na osnovuteorijskihrazloga zadaieistraZiv:ri.
Promenljiveili skupovi promenljivih unosese u koracima (ili blokovima),
pri demuseocenjujedoprinossvakenezavisne promenljivepredikcijizavisne
promenljive,ali tako da se ukloni uticaj svih prethodnihpromenliivih.pri-
mera radi, nakon 5to uklonite uricaj starosti,istrazujetekoliko dobro opti-
mizam predvida zadovoljstvo Zivotom; srarosr biste uneli u bloku 1, a
optimizarnu bloku 2.Kada su uneresvepromenljive,ocenjujesesposobnost
celogmodelada predvidizavisnoobelezjei relativandoprinossvakogbloka
promenljivih.
PostepenaviSestrukaregresija
L'lpostepenojregresiji,istraZivaidaje spss-u lisru nezavisnihpromenljivihi
puStaprogram da, na osnovu skupa statistidkrhkriterijuma, izaberepro-
menljivekoje ie uneri u jednadinui redosledpo kojem ie ih unositi.postoje
tri verzijeovog pristupa: izbor unapred (engl.forward selection;,brisanje
unazad (engl.backward deletion)i postepenaregresija(engl.stepwisere-
gression).Imanekoliko problemasa ovim tehnikama,te i sporenjau liter:a-
turi o tome sta je ispravnaupotreba(a sta zlouporreba)svakeod nlih. pre
l.gattg ih primenite,preporudujemda proditate5taje o njima napisano(vi-
deti rabachnick & Fid;ll, 2007, str.138).Neophodnoje ia shvatiteo
demu
seradi, kako izabratiodgovarajuieprornenljivei kako tumaiiti rezultare.
Pretpostavkena kojima se zasniva
viSestrukaregresija
ViSestrukaregresijaspada u pipavije statistiike tehnike.Zasnovanaje
na
viSepretpostavkio podacimai ne praita ako su naruiene.Ne mozese
upo_
trebljavatina malim uzorcima,niti kada je raspoderarezukataveoma
asime_
tridna! sledeii saZetak.glavnih pretpostavkipreuzetje 5. poglavlja knjige
koju su napisaleTabachnicki Fidell (2007).Ne bi biio tos. ao proiitare
to
poglavljepre nego 5ro nasravireanalizu.tebalo bi da proditarei uvod
u
detvrti deo ove knjige, koji obraduje osnovekorelacije,i pogledarespisak
preporudenih referenci na kraju knjige. spSS proced.r" )n ispirivanje
tih
pretpostavkipodrobnijes.. razmotreneu primerimau nastavku.
Velidinauzorka
ovde seradi o sposobnostiuopitavanja,tj. rezultatdobijenna malom uzor-
ku-nemozeseuopititi (ponovodobiti)na drugim uzorcima.Koliko vredi re-
zultat koji vaLi za samojedan uzorak?stogatreba znati koliko sludajevaili
subjekataje potrebnoda bi statistidkipokazateljiizradunatiza uzorakvaZili
za celupopulacijuiz koje je uzorak uzet.Razniautori daiu razliiite smernice
btgi sludajeva(opservaciia)potrebnih za viiestruku regresiju.Srevens
7?
(1996, str.72)preporudujeda je'za istraZivanjau druitveniri naukamapot-
rebno oko 15 subjekatapo prediktoruza pouzdanuiednadinu,.Thbachnick
i Fidell (2007,str. 123) daju formr.rluza iz'.raiunavanie
velidineuzorka.koia
uzimau obzir broj nezavisnihpromenllivih:N > 50 + gm (gcleje m = broi n.'-
zavisnihpromenljivih).za per nezavisnihpromenljivihbilJ bi potrebnoana-
90 sludajeva.Kada je zavisnapromenljivaasimetridna,potrebno je
lnirati
joi viSesludajeva.za postepenuregresijupotrebno je
po 40 anariziranih
sludajevaza svakunezavisnupro-"rrljiul.r.
Multikolinearnost
i singularnost
ovde se radi o odnosima izmedu nezavisnih promenljivih. Multikolinear-
nost postoji kada su nezavisne promenljive
fako korelirane (r=0,9 i viie).
Singularnost nastaje kada je jedna ,,nezavisna"promenljiva .npruuokombi-
naciia drugih nezavisnih promenljivih, tj. kada uopite nije nezavisna! To bi
se desilo npr. kada bi model sadrzao i vrednosti .ta pojskalama i ukupnu
vrednost na skali. ViSestrukaregresija ne voli ni multikolinearnost ni singu-
larnost, a ta svojstva sigurno ne poboljsavaju regresioni model. oa .,vek oio-
verite da li promenlf ive imaju takva svojstva pre nego sto podn.te analiiu.
Netipidnetadke
Viiesiruka regresiiaje veoma osetliivana netipi-netadke (veomavelike ili
veoma male vrednostirezultata).Pronalal'eniei obrada netipiinih taiaka
trebalo bi da budu deo podetnogprocesadiSienjapodataka(videtipoglavlje
6). To treba uraditi za svepromenljive,i zavisnei nezavisne'koje iete upo-
trebljavati u regresionoj analtzi. Netipidne tadke treba ukloniti iz skupa
podatakaili im dodeliti vrednostkoia jestevelika,ali sene razlikujepreviSe
Ld ostalih rezukata.Programza viiestrukuregresiiuima i posebneprocedu-
re za otkrivanje netipidnih taiaka. Netipiine taike zavisnepromenljive
mogu se prepoznatina standardizovanomdijagrarru reziduala'koji SPSS
,r-. du nu.ti". (To je opisanou primeru u nastavku.).Tabachnicki Fidell
(2007,str. 128) definiSunetipidnetadkekao one dije su standardizovane re-
-3,3).
zidualnevrednostiiznad pribliLno 3,3 (odnosnomanjeod
Normalnost,linearnost,homogenostvariianse,
nezavisnostreziduala
Svi ovi pojrnovi seodnosena razneaspekteraspodelerezultatai prirodu pri-
padnevezeizmedu promenljivih. Te pretpostavkesemogu proveriti na diia-
gramu rasturanja reziduala,koji SPSSgeneriSeu sklopu procedureviSestruke
regresije.Rezidualisu razlike izmedudobijenei predvidenevrednostizavisne
promenljive (ZP). Na dijagramu rasturantarezidualamoZeseproveriti:
. nornxalnosf: rezidualitrebada su normalnoraspodeljenioko predvide-
nih vrednosti ZP;
t linearnost: rezidualitreba da imaju linearnu vezu s predvidenirnvred-
nostimaZP, tj. njihov dijagramtreba da je pribliZnoprava liniia;
c homogenostuarijanse:varijansarezidualaoko predvidenihvrednosti
ZP trebada je pribliino jednakaza svepredvidenevrednosti.
Rezidualina dijagramimarasturanjakoje crta SPSSprotumadenisu u na-
stavkupoglavlja;podrobnijuraspravuoveprilidnosloZene
temeproditajteu 5.
poglavljuknjigekoju sunapisaleTabachnicki Fidell(2007).Na kraju te knjige
data je i preporuienaliteraturaza dalleovladavanjeviSestrukomregresijom.
primera
ObiaSnienie
Kao ilustraciluupotrebeviSestrukeregresijekoristi6uniz primera vzetrhiz
datotekes podacima survey3ED.sav, sapratede'Web lokaciji knjige(videtisrr'.
ix). Ta je anketabila projektovanaza tstraLivanjefaktora koji utiiu na psi-
hololko prilagodenlei opite raspoloZenje ispitanika.(Svepojedinostite stu-
dile date su u dodatku.) U izloZenomprimeru viiestrukeregresijeistraZiiu
uticaj subjektivnodoZivljenogstepenauprarvljanja ispitanikanjihovim Zivo-
tima, na njihov subjektivnodoZivljennivo stresa.Literaturau toj oblastika-
zuieda stresrede trpe ljudi koji smatrajuda upravliaiusvoiim Zivotima.U
(reference
upitniku su datedve razliditemereLrpravljanja za te skalevideti u
do koieg
dodatku).To su skalaMastery,koja meri stepen ljudi smatraiuda
upravljajudogadajimau svom Zivoru;i skalaPerceivedcontrol of Internal
Sratesscale(PCoISS),koja meri stependo kojegljudi smatrajuda r-rpravlia-
ju svojim unutrainjim stanjima(oseianja,misli i fiziike reakciie).
U ovom primeru istraZujemkoliko dobro skaleMasteryi pcoISS predvi-
daiu rezuhatena skali subjektivnodoZivljenogstresa.sledi opis promenlfivih
upotrebljenihu primerimaiz ovogpoglavlja.Bilo bi dobro da proraditetepri_
merena radunaruuz koriSienjenavedenedatotekes podacima.Udenievz-rad
je uvek bolje od pukog diranjaknjige. slobodnose poigrajtes darorekom
s
podircima- promenljiveupotrebljeneu primerima zamenitedrugim promen-
ljivama.Pogledajtekoje 6eterezultaredobiti i pokuiajte da ih protumac.ire.
Ime datoteke:survey3ED.sav
Promenljive:
' Total PerceivedStress(tpstress):ukupna vrednostna skali perceived
Stress(subjektivnodoZivljenstres).Velike vrednosripokazuiu visok
nivo stresa.
' Total Perceivedcontrol of Internal states(tpcoiss):ukupna vrednost
na skali Perceivedcontrol of InternalStates(subjektivnodoZivljenasa-
mokontrola unutrainjih stanja).velike vrednostipokazujuveiu samo-
kontrolu unutrainjih stanja.
r Total Mastery (tmast):ukupna vrednostna skali Mastery (ovladava-
nje). velike vrednostipokazujuveii stependo kojeg ljr-rdismatraiuda
upravljajudogadajimai okolnostimau svom Zivotu.
' Total SocialDesirability(tmarlow):ukupna vrednosrna Marlou-Kra-
unovoj skali social Desirability(druitvenapozeljnost),koja meri ste-
pen do kojeg ljudi pokudavajuda sepredstaveu pozirivnomsvetlu.
o Age: starostu godinama.
Najbolje se udi rade6i,narodirokada trebzruveZbatiovako sloZenetehni-
ke. Praksom6eteizgraditisamopouzdanjeza budu6nost,kada iere samiana-
lizirati sopstvenepodatke. Naredni primeri obradulu samo stanclardnn
viSestrukuregresiju(StandardMultiple Regression) i hijerarhijskuregresiju
(HierarchicalRegression).Zbog kritika upuienih tehnikamapostepenevide-
struke regresije(stepwiseMultiple Regression),one ovde neie biti ilustrova-
ne. Ukoliko insistiratena upotrebi tih tehnika (uprkos upozorenjima!),
predlaZemda proiitate odgovarajuiideo knjige rhbaihnick i Fidell
".rtoiki
(2007)ili nekih drugih naprednijihknjiga o mulrivarijacionoj analizi.
Kratak pregled viSestrukeregresiie
Primer istraiivadkih pitania:
1. Koliko dobro dve date mere nivoa upravljanja zivorom (masrery,
PCOISS) predvidaju subjektivno doZivljen stres?Koliki se deo varijan-
se u vrednostima subjektivno doZivljenog stresa moZe obiasniti rezul-
tarima na te dve skale?
 vgv rv

dozivlienstres:upravljanie Pre nego 5to zapoinete sledeii postupak, otvorite meni Edit i izaberite u
-2.Koje svoistvobolie predvida-subjektivno njemu stavkLrOptions; treba da je potvrdeno polje No scientific notation for
(skalaMastery) ili upravljanieunutraSnlimsta-
;;;ljil'dogadajima small numbers in tables.
njima (PCOISS)?
-3 . A k o u k l o n i m o m o g u 6 i u t i c a j s t a r o s t i i d : r v a n j a d r u 5 t v e n o zna-
poZeljnih
uvek da predvidi
odgouor", moZeii Lvai skup promenliivih ioi Postupakza standardnuvi5estrukuregresiju
stresa?
trlln d.o-uariiansesubiektivnodoZivlienog 1. OtvoritemeniAnalyze,izaberite stavkuRegression,pa pritisnite
Linear.
Sta rru- treba: 2. Pritisniteneprekidnu zavisnu promenljivu(npr. total perceivedstress:
o jedna neprekidna zavisnapromenliiva(ukupan subjektivnodoZivljen tpstress)i prebaciteje u poljeDependent.
3. Pritisnitenezavisnepromenljive (totalmastery:tmast;total PCOISS:tp-
stres):i
o dve ili viie neprekidnihnezavisnihpromenljivih (mastery,PCOISS)' corss)i prebaciteih u poljeIndependent.
npr' muikar- 4. U odeljkuMethod trebada leizabranaopcijaEnter.(Timese birastandard-
(Mogu se upotrebiti i dihotomnenezavisnepromenliive'
na visestruka regresija.)
ci=1.,Lene=2.)
je variiansezavisnepro- dugmeStatistics.
5. Pritisnite
Stasepostiie:ViSestrukaregresiiakazujekoliki deo . Potvrditepolja Estimates,Confidence Intervals,Model fit, Descripti-
Dale i pokazateli
menljive objainjen varijanim nezavisnihpromenliivih. ves, Partand partialcorrelationsi Collinearitydiagnostics.
,"lutiurrog doprinosa svakenezavisne promenljive. Testovi omoguiuju utvr-
- modela tako i nezavi- . U odeljkuResidualspotvrditepoljaCasewisediagnosticsi Outliers
divanfe ,I"tlriitk. znadajnosti,ezu6.aia kako celog
outside 3 standarddeviations.Pritisnite dugmeContinue.
snih promenliivihPojedinaino.
dugmeOptions.U odeljkuMissingValuespritisniteExcludeca-
6. Pritisnite
pretpostavke:osnovne pretpostavkena kojima poiiva viiestruka regresija ses pairwise.Pritisnite dugmeContinue.
pretpostavki
opiru.t" su u prethodnom Jelu ouog poglavlja' Neke od tih. 7. Pritisnite
dugmePlots.
(one
-ogo ," proveriti u sklopu analiza.'i5.rt.,rk"regresije. ie biti ilustro- .ZRESIDi dugmesa strelicomda bisteje prebaciliu poljeY.
. Pritisnite
vaneu narednimPrimerima.) . Pritisniie.ZPREDi dugmesa strelicomda bisteje prebaciliu poljeX.
. U odeljkuStandardizedResidualPlots,potvrditepoljeNormalproba-
StandardnaviSestrukaregresiia bilityplot. Pritisnite
dugmeContinue.
U ovom primeru odgovoriiemo na dva pitanja: 8. Pritisnite
dugmeSave.
. U odeljkuDistances,potvrditepoljaMahalanobisiCook's.
(mastery, . PritisniteContinueizatimOK (ilidugmePasteda bistekomandusnimili
Pitanje /: Koliko dobro dve date mere nivoa upravljanja zivotom
PCOISS) predvidajusubjektivnodozivljenstres? Kolikise deo varijanseu re- u Syntax Editor).
zultatimamerenjasubjektivnodoZivljenogstresa moze objasnitivrednostima Prethodnipostupakgeneriseovu komandu:
rezultata na te dve skale?
Pitanje 2:Koje svojstvo bolje predvida subjektivno doZivljenstres: upravljanje REGRESSION
spoljnim dogadajima (skala Mastery) ili upravljanje unutra6njim stanjima /DESCRIPTIVESMEANSTDDEVCORRSIG N
(PCOTSS)? /MISSINGPAIRWISE
/STATISTICS
COEFFOUTSR ANOVACOLLINTOLZPP
/CRITERIA:PIN(,05)
POUT(, 10)
za istraLivanje ovih pitanja upotrebiiu srandardnu viSestruku regresrlu.
/NOORIGIN
To znadi da se sve .r.ru,rim" prominljive isrovremeno unose u iednaiinu. Re-
/DEPENDENT tpstress
zultati 6e pokazati sposobnost ovog skupzr promenljivih da predvidi nivoe
/METHOD:ENTER tmasttpcoiss
srresa; i kazaie narn takode koliki deo jedinstvene variianse zavisle pro-
/SCATTERP1-61:("ZRESID IZPRED)
menljive objainjava svaka od nezavisnih promenljivih (mastery' PCOISS) D)
/RESIDUALSNORM(ZRESI
pojejinadno , pornd dctprinosasuih ox.allh nezavisnih promenljivih iz skupa'
/CASEWISEPLOT(ZRESI OUTLIERS(3)
D)
2a svaki pori tprk date su i odgovarajufe SPSSkomande. ViSe informacija /SAVEMAHALCOOK.
o .rpo,r"bi Sy.t?at Editora za pamienie i snimanje SPSSkomandi videti u
poglavlju 3.
 Residuals Statisticsa
Evo rezultataoPisanogPostuPka'
M'r Maximum Mean Std. Deviation N
Corelaltons '18,03
Predrcteovalue 41,31 4 . U Ul 429
Std. Predicted Value -2,174 3,644 ,002 1.000 429
Total percelved
stress Total Mastery Total PCOISS Standard Error of
Predicted Value
,207 ,800 ,341 ,111 425
;tson Total Perceived 1, 0 0 0 - 412 6q1
Adjusted Predicled Value 18,04 41,39 26.75 4.009 476
lorrelation stress -14.849 -,002
Rssidual 12.612 4.268 476
Total MasterY 1, 0 0 0 ,521 -3,475
Std. Residual 2,951 .000 .999 476
Total PCOISS -,581 .521 1.000 Stud. Residual -3.514 2.969 1.003
,000 426
TotalPerceived Deleted Residual -'15,190 12.765 -,001 4.306 426
Sig (1-tuil"Ot ,000 ,000
slress Stud. Deleted Residual -3,562 2.997 -,001 1.006 426
,000 ,000 Mahal. Distance .004 13.897 1,993 2,234 429
Total Mastery
Cook's Distance .000 .094 ,003 ,008 426
Total PCOISS ,000 ,000
Centered Leveraqe Value _000 n?? on5 ,005 429
Total perceived 426 a. Dependent Variable Tolal gercervedslress
433 433
stress
Total MasterY 436 429

PCOISS
TOTAI 426 429

Normal P-PPlotofFlegression
Shndardized Residual
Model Summaryb DependentVariable: Totalperceived stress

Std. Errorof
Model R R Square Adiusted R Square the Estimate
.466 427
1 ,684' ,468
a' Predictors:(constant),Total PColSS, Total Mastery
!
o DependentVariable:Total perceivedstress o

E
ANOVAb
o
vlodel Sum of Squares df Mean Square F Sio
'186,341 o
1 Hegresston bUUb t z 6 2 3403,364 ,000'
Residual 7725,756 423 18,264 d 0,00Jt
0,00 ,25 ,50
Total 14532,484 425

a ObservedCum Prob
Predictors:(Constant),Total PCOISS, Total Mastery
b
DeDendentVariable:Total perceivedstress
Scatterplot
Coefficienb'
Dependent Va riable: Total perceived stress
Standardized 95% Conndence Colhear(y

srd Ze@ 3
a
50,971 1,2i 3 2 ? o"'
o -
tmast
.10,222 -,745 ,.612 -.445 ..36: 1.372
-a 8-
lolal ,625 ,06r -.424 ,000 ,505
l
".'k"*
" J.""'trrffi
!

0
-,175 ,020 ,.360 ,8.660 ,000 '.215 . 136 -.581 ..36E -,307 1_372
l
PCOTSS
a 2
Drendenlvaffable ipsfess lolal Frcerved stss

Casewise Diagnosticsa
32le

Total perceived R egression Standardized Predicted Value

Number Std. Residual slress PredictedValue Residual

tcz -3,473 14 24,84 14,84

a' : o t a lp e r c e i v e ds t r e s s
D e p e n d e n tV a r i a b l e T
Tumadenierezultatastandardne
viSestrukeregresiie
Kao i veiina ostalihSPSSprocedura,i regresiiageneriSe gomilu prilidno ne-
razumljivihbrojeva.Da biste shvatilinjihov smisaoi znadenje,
vodim vasna
ruru kroz deo rezultatadobiienih kao odgovor na Pitanie1.
Korak 1: proveravaZeniapretpostavki
Multikolinearnost
Korelacijeizmedupromenljivih u modelu datesu u tabeliCorrelations.Pro-
veriteda li nezavisne promenljivepokazujumakar i slabuvezu sa zavisnom
promenljivom (bilo bi poZeljno da te korelacijebudu iznad 0,3). U ovom
sludaju,obe skale(Total Mastery i Total PCOISS)znatnokoreliraiu s pro-
menljivom Total PerceivedStress(-0,61 odnosno-0,58).Takode proverite
da nije prevelikaneka od korelacijaizmedunezavisnihpromenljivih.U istu
analizuverovatno ne bi trebalo da ukljuduietepromenljive iija linearna ko-
relaciiaiznosi0,7 ili vi5e.Kada senadeteu toj situaciii,ili izostaviteiednuod
tih promenljivihili od vrednosti dve iako koreliranepromenliivenapravite
jednuzajedniikupromenljivu.U ovom primeru korelacijaiznosi0'52, 5to ie
manje od 0,7; zato (emo zadriati svepromenljive.
'dijagnostikuko-
Kao deo procedureviSestrukeregresije,SPSSobavlla i
linearnosti'promenljivih. Ona destoukazuiena problemes multikolinear-
noiiu koji se moZdane vide u matrici korelacija.Rezultatite dijagnostike
dati su u tabeli Coefficients; to su vrednosti Tolerance i VIF. Tolerance
pokazujekoliki deo varijansedate nezavisnepromenliivenije obiainjen va-
rijansamadrugih nezavisnihpromenljivih u modelu i radunase po formuli
1-R2za svakupromenljivu.Kerdaje ta vrednostjako mala (manjaod 0,10),
to ukazujena ogromnu korelaciju s drugim promenljivama,dakle na mul-
tikolinearnost. Ona druga vrednost, YIF (Varianceinflation factor, faktor
pove6anjavarijanse),reciprodnaje vrednostvelidineTolerance(1 podelieno
s Tolerance).Ovde bi bile problematidnevrednostiVIF iznad 10 zato 5to
ukazuiu na multikolinearnost.
Navela sam uobidajenepresednetadkeza utvrdivanjeprisustvamultiko-
linearnosti(vrednostToleranceispod 0,10 ili vrednostVIF iznad 10).Medu-
tim, pri tim vrednostimajo5 uvek su moguie veomavelikekorelaciieizmedu
nezavisnihpromenljivih(iznad 0,9), pa bi njih trebaloda shvatitesamokao
upozorenjei razlogda bolie pogledatematricu korelacija.U ovom primeru.
Toleranceza svaku nezavisnupromenljivu iznosi0,729, 5to nije nranjeod
0,10; dakle,pretpostavka o nepostojanjumultikolinearnosti nije narudena'
Taj zakljuiak podrZavai vrednostVIF koja iznosi 1.,372,Sto je mnogo ispod
presednetadke 10. Ti nas rezultati ne iznenaduju, poSto je koeficijent Pirso-
nove korelacije te dve nezavisne promenljive samo 0,52 (videti rabelu
Correlations). Kada u svojim rezultatima uodite prekoradenje navedenih
graniinih vrednosti, trebalo bi da iz modela izbacite jednu od jako korelira-
nih nezavisnih promenljivih.
Netipiine taike, normalnost, linearnost,homogenosf variianse,
nezavisnost reziduala
Jedan od nadina da proverite nabrojane pretpostavke jeste pregled dijagra-
ma Normal Probability Plot (P-P) of the RegressionStandardisedResidual i
Scatterplot, dije crtanje smo zahtevali kao deo analize. Oni su dati na kraju
SPSS-ovih rezultata. Na dijagramu Normal P-P Plot nadamo se da tadke leZe
u pribliZno pravoj dijagonalnoj liniii od donleg levog do gornjeg desnog ugla
dijagrama. Ona ukazuje na to da nema velikih odstupanja od normalnosti.
Na dijagramu rasturanja standardizovanih reziduala Scatterplot (drugi po
redu), nadamo se da su reziduali pribliZno pravougaono rasporedeni i da je
ve6ina rezultata nagomilana u centru (oko tadke 0). Ne bi nam se svideo ja-
sno sistematski ili geometrijski oblik raspodele reziduala (npr. da reziduali
dine neku jasnu krivu liniju ili da su viSi na jednoj srrani nego na drugoj).
Odstupanja od oblika centralnog pravougaonika kazuju da je naruiena
neka od polaznih pretpostavki. Kada to utvrdite za svoje podatke, pred-
Iaiemda u knjizi koju su napisaleTabachnick i Fidell (2007,str. 125)iprodi-
tate ceo opis tumadenja dijagrama reziduala i kako se ocenjuju posledice
naru5avanja polaznih pretpostavki po analizu.
Na dijagramu rasturanja standardizovanih reziduala Scatterplot moZe se
utvrditi i ima li netipidnih tadaka. Thbachnick i Fidell (2007) definiiu neti-
pidne tadke kao sludajevekoji imaju srandardizovan rezidual (prikazan na
dijagramu rasturanja) veii od 3,3 ili manji od -3,3. U velikim uzorcima desto
se nade mnogo netipidnih rcziduala. Kada nadete tek nekoliko njih, verovar-
no ne treba da preduzimate niSta u vezi s tim.
Netipidne tadke se mogu pronaii i pregledom Mahalanobisovih udalje-
nosti reziduala, koje izra(.unava program za vi5estruku regresiju. One nisu
ispisane na ekranu radunara, vei su stavljene na kraj datoteke s podatcima
kao dodatna promenljiva (Mah_1). Da biste prepoznali netipidne taike, naj-
pre izraiunajte kritidnu vrednost hi-kvadrat, pri iemu je
broj stepeni slobo-
de jednak broju nezavisnih promenljivih. Porprlr,., tabelu tih vrednosti
sadrzi svaki udZbenik iz statistike (videti rabachnick & Fidell, 2007, tabela
C.4). Tabachnick i Fidellpredlai.uda se upotrebljava nivo alfa od 0,001. U
skladu sa smernicama koje daju Tabachnict I pidell (2007),navodim neko-
liko kritiinih vrednostiu tabeli 13.1.
 Mahalanobisove
Tabela13.1:Kritidnevrednostizaizrabunavanje udaljenosti
Broj nezav. Kritidna Broj nezav.
Broj nezav. Kritidna
promenljivih vrednost promenljivih vrednost promenljivih
2 13,82 4 18,47 b 22,46
e 16,27 5 20,52
euzeto I adapttrano lz tabele u kniiziTabackniki Fidell 1 996), prvobitnoobjavljene
E.S.i Hartley,H.O. (Eds)(1958). Biometrika
u knjiziPearson, tablesfor statisticians
Press'
(1.tom,2.izdanje).
Njujork:
Cambridge University
Da bistemogli koristiti ovu tabelu,trebalo bi da:
. utvrdite koliko ie nezavisnihpromenljivihbiti ukljudenou viSestruku
regresiiu;
o pronadetetaj broj u jednoj od kolona tabelesa zaglavljemBroj nezav.
promenljivih;i
o u susednojieliji desnoproditateodgovarajuiukritidnu vrednost.
U ovom primeru imam dve nezavisnepromenljive,pa kritidna vrednost
iznosi 13,82.Kako bisteutvrdili da li ijedanispitivanisludajima Mahal:rno-
bisovu udaljenostve6uod tog broja, pronadite tabelu ResidualsStatistics,
pogledajteu njoj ieliju na presekureda Mahal. Distancei kolone Maxi-
mum. U mojoj datotecis podacima,najve(a vrednostte udaljenostije13,89,
5to neznatnopremaSujekritiinu vrednost.Treba da pronademosludajkoji
sadrZitu vrednost.
Da bismo je pronaili, vraiamo seu prozor Data Editor,gde otvaramomeni
Data i u njemu biramo stavku Sort Cases.Sortiranjetreba obavitr po novoj
promenljivoj smeltenoj na dno tabele (Mahalanobis Distance, MAH-1) u
opadajudem(Descending)redosledu.U prozoru Data View, sludajs najveion
vrednoS6upromenljiveMahal Distancebi6enakon sortiranjana vrhu datote-
ke s podacima(ID=66).Za ovakovelik uzorak nije neobidnoda sepojavi ne-
koliko netipiinih tadaka,pa se ne6upreviSeuzbudivati zbog ovog sludajazir
koji je Mahalanobisovaudaljenostrek neznatnopremaiila kritidnu vrednost.
Kada u podacima pronadete sludajevesa Mahalanobisovim udaljenostima
mnogo veiim od kritidne vrednosti,treb:rlobi da ih uklonite iz analiza.
Joi nekeinformacijeo netipidnimtaikama navedenesu u tabelicasewise
DiagnosticsSPSS-ovih rezulrata.To su sludajevisa standardizovanimvred-
nostimarezidualaiznad3,0 odnosnoispod -3,0.U normalnoraspodeljenom
uzorku, samo 1 procenatrezultatapada izvan tog opsega.U ovom uzorku
smo naili jedan sluiaj (broj 165) sa standardizovanimrezidualom-3,48. U
tabeli CasewiseDiagnosticsvidimo da je ta osobanavela 14 kao vrednost
svog ukupnog subjektivnodoZivljenogstresa,dok je na5 model predvideo
vrednost28,85. Jasnoie da nai model nife dobro predvideorezukatza tn
osobu;ona oseia mnogo manji stresnego5to smo predvideli.
Kako bismo se uverili da ovaj iudan sludajne utide previie na rezultate
c.elogmodela,pogledaiemovrednost udaljenosticook's Distancedat pri
Kritidna
vrednost dnu tabeleResidualsstatistics.Tabachnicki Fidell (2007,str.75) trrrdeda
problem mogu biti sludajeviza koje ta udaljenostpremaiujevrednost1.
U
niriem primeru, najveia (Maximum) vrednostudaljenosticook's Distance
iznosi0,094, pa ne odekujemon_ikakve probleme.Kada u svojim podacima
24,32
dobijete najveiu vrednosrte udaljenostipreko 1, vrarire se-u dltoteku s
podacimai sortirajtesluiajevepo novoj promenljivoikoju je spsSnapravi<r
na kraju datoteke (Cook's Distancecoo_1). proverite sve sluc.ajeve
dija
udaljenostpremaluje 1 i ako rreba, uklonite ih iz analiza.
Korak2: vrednovaniemodela
u SPSS-ovim rezultarimapronaditetabeluModel summary i u njoj broj is-
pod zaglavljaR Square.Kao 5to se seiate,12je koeficijenrdererminacijekoyi
kazujekoliki deo varijansezavisnepromenljive(subjektivnodoZivljenogstre-
sa) objaSnjavamodel (koji-obuhvara promenljive Total Mastery i rotal
PCOISS).U ovom sludaju,12je jednako 0,468.rzrai.enou procenrima(oo-
mnoienosa 100pomeranjem decimalne tadkeza dva mesraridesno).to znac=i
da nai model (koji obuhvaraMastery i pcoISS) objainjava45,g procenata
varijansesubjektivnodozivljenogsrresa.To je sasvimpristojanreiultat (na-
rodito kada se uporedis nekim rezultatimaobjavljenimu dasopisima!).
Moi.da ste primetili da se u sPSS-ovimrezultatima navodi i velidinaAd-
justedR square,tj. korigovanor2.Probemje to ito je 12previie optimistidka
procenastvarnevrednostikoeficijentadeferminacijeu populacijikada seiz-
radunana malom uzorku (Thbachnick& Fidell, 2007).pokazateljAdjusted
R squarekorigujetu vrednosti daje bolju procenusrvarnevrednostikoefici-
jenta determinacijeu populaciji.Kada imate mali uzorak, izraiunajtei na-
vedite tu vrednost,a ne obiian r2 (R square).Da biste ocenili statistidku
znadainosttog pokazatelja,pronaditetabeluANovA. J'u su rezultatitesto-
va nulte hipotezeda je 12u populacijijednako0. Model u ovom primeru do-
stizestatistidkuznadajnosr(sig. = ,000; to zapravoznaii da yep.o,ooos;.
Korak 3: vrednovaniesvake nezavisnepromenliive
sledeie5to zelimo da znamojestekoliko je koja piomenljiva u modelu do-
prinelapredikcijizavisnepromenljive.Tajpodataki.-o na6i u tabelicoef-
ficients.Pogledajtekolonu Bera u odeliiu Standardisedcoefficients.Da
bistemogli da porediteraznepromenljive,gledajtestandardizovanekoefici-
jente,ne one nestandardizovane.
Standardizovan znadida su vrednostiDro-
menljivih konvertovane na istu skalu kako bi se mogle porediti. zc,
regresionejednadineupotrebilibistenestandardizovane
sastavljanje koefici-
jenteu koloni B.
 w Ovo je deo rezultataprethodneprocedure.
Postupakza hiierarhiiskuvi5estrukuregresiiu
1. U,glavnom menijuna vrhuprozorapritisnite Analyze,zatimRegression,pa Model Summaryc

Linear.
2. lzaberiteneprekidnu zavisnupromenljivu (npr.totalperceivedstress)i pre-
Std. Errorof ChanoeStatistics
baciteje u poljeDependent. FI AdjusledR the R Square F Sig. F
3. Prebacitepromenljive da ukloniteu poljeIndependent(npr.
dijiuticaj2elite vlodel R Square Square Estimate C h a ng e Chanoe dtl df2 C h a n oe
,238' ,057 ,052 5,69 ,057 12,711 2 423
One ce biti uneteu analizuu prvomblokupro-
age,totalsocialdesirability). 1
. 4 74 .469 4.26
,000
,68a1 , 4 1 7 16 6 , 8 7 3 2 421 .000
menljivih(Block1 of 1).
a Prediclore:
(Constant),
AGE, Totalsocialdesirability
dugmeNext.Prikazace
4. Pritisnite se drugopoljeza nezavisne promenljive,
u b Predictors:
(Constant),
AGE, Totalsocialdesirability,
TolalMaslery,TotalPCOISS
kojetrebaunetidrugiblokpromenljivih (trebalobi da piSeBlock2 of 2). c DependentVariable;Totalperceivedstress

5. lzaberitesledeci blok nezavisnihpromenljivih (npr. total mastery,Total

PCOTSS).
6. U poljuMethodtrebada je potvrdenapodrazumevana opcija(Ented.
7. Pritisnitedugme Statistics. Potvrdite polja Estimates, Model fit, R Uodel Sum of Squares OT Mean Square sis
Regre$ion 823,865
squaredchange,Descriptives, Partand partialcorrelationsi Collineari- 1 2 4 1 1, 9 3 2 12,711 .000"
Residual 13708,620 423 32.408
ty diagnostics.Pritisnite
dugmeContinue. Total 14532,484 425
dugmeOptions.U odeljkuMissingValuespritisnite
8. Pritisnite Excludeca- Reg ression 6885,760 1 7 2 1, 4 4 0 94.776 ,000'
ses pairwise.Pritisnite
dugmeContinue. Residual 7646,724 421 18 , 16 3
Total
9. PritisnitedugmeSave. Pritisniteopcije Mahalonobisi Cook's. Pritisnite 14532,484 425

Continuei zatimOK (ilidugmePaste da bistekomandusnimiliu Syntax o' Predictors:(Constant),

AGE Totalsciat desirabitity
Editor). D
Predictors:(Constant), AGE Tolal social desjrabitily,Totat Mstery, Total pCOtSS

Prethodnipostupakgeneri5esledecukomandu: c'Dependent
Variable:Totalperceivedstress

REGRESSION
Coefficienlsr
/DESCRIPTIVES MEANSTDDEVCORRSIG N
Unslandardized Slandardized Coliinearny
/MISSINGPAIRWISE c
std.
/STATISTICS
COEFFOUTSR ANOVACOLLINTOL CHANGEZPP Model B Bela Sio
Zeto"
order Padral
Toler

N(,05)POUT(,10)
/CRITERIA:PI (Lof,stanl)
total social
,983 ,000
-,209
/NOORIGIN desirabrlity 4.271 .000 -,228 -,203 -,202 ,928 1 , 0 8
aqe -.070
/DEPENDENT tpstress (Constant)
,031
51,922
022 1.438 -.127 -.070 -.068 ,928 1,08
.366 38,008 ,000
/METHOD:ENTERtmarlowage /METHOD:ENTERtmasttpcoiss lotal social
-,149 ,108 -,052 -1.373 , 1 7 1 .,224 ,,049
desirability ",067 ,871 1,15
/SCATTERPLOT:(.ZRESID,.Z PRED ) a9e -,021 ,017 ..047 - 1 , 2 3 9 ,216 ",127 ,,060 -,044 ,860 1.16
/RESIDUALSNORM(ZRESI D) lotal mastery -,641 ,062 ..435 -10,286 ,000 ",612 -.448 -,364 ,699 1.43
roratPcotss ,.160 ..327 -7,373 ,000 ..58r ,,338 -.261
/SAVEMAHALCOOK. a Dependent Vanabla,
totut p",""iu",j
,022 1,57

"*"""
 '--* 'a",vve - ' I u.
Ulqrrotrvr\v ,- vrocDLr u^d tUgreslla
lbb L)W lV. r!

Tumadenierezultatahiierarhiiske Predstavfjanjerezultataviiestruke regr;esaj/i

u zavisnosriod vrste sprovedenihanalizai prirode istraiivadkog p,itar,
viSestrukeregresiie zukati viSestruke regresijemogu sepredstavitina vile naiina. u prir,,1
i dodatne podat-
Rezukati ove analizelid. tt, rezultateprethodne,ali sadrZe Publication Manual Ameridkog udruZenjapsihologa, date su srnerr,
Model 7 ozna(ava
1.. u p"ri" Model Summary navedenasu dva modela. predstavljanje rezultataviSestruke
/
(Total socialdesirabilityi age)'dok Model 2 regresijei odgovarajufiprimer (per
frU Uf,"f.'""etihpromenljivih desirability,age, tion Manual,2001, str. 160, 163).u najmanjuruku, trebalo bi ,1, ,r". /,
u oba bloka (Total social
obuhvatasvepromenljiveunete vrstu obavljeneanalize(standardnaili hijerarhijska),standardizov.ane ', 'i
Total mastery,Total PCOISS)' koeficijenteako je istrazivanjebilo teorijsko, odnosno nesrandardiz,,
(B) koeficijente(i njihove srandardnegreike) ako je istraZivanjebrlo y,,
Korak1: vrednovaniemodela njeno. Zahljerarhijsku viSestrukuregresiju,trebalo bi da navedt
pogledajtekolike su vrednostiR square u prvoi tabeli Model summary.Na- sti promener'(R squarechange)u svakomkoraku i odgovaraju::#;'
koi unosenjapromenljivih u Bloku 1. (age,social desirability),ceo model verovatnoie
pro-
objasnjava5,7 procenatavariianse(0,057 x 100)' Nakon unoienja Slediprimer nadinapredstavljanja rezultata analizasprovede'ih u ,
menljivih ., gtoliu 2 (Total Mastery, Total PCOISS),model kao celina ob-
poglavlfu.U istraZivanjima s mnogo promenljivih,,.rurrnt. je prikl;',
jaSnjava47,4 procenata(0,474x 100).Treba uoditi da ta druga vrednost12 predstavititabelarno(videtiAmericanpsychologicalAssociation,200'
a ne samo one uneteu
iR sq,tare)obuhvatasve promenljleiz oba bloka, 163;ili rabachnick& Fidell,2007, str.177).Da seovi rezultatiprrdst,'/
drugom koraku. ju u tezi,trebalobi u prilogu navesrijoi neito (npr.rabelukorelaciia)-
da bismo utvrdili koliki deo te ukupnevarijanseobiaSnjavaju promenlji- f
verite to u razgovoru sa svojim supervizorom).
ve koje nas zanimaju (Mastery, POCISS) nakon 5to se ukloni uticaj pro-
Bilo bi dobro da primere predstavljanja raznih statistidkih analiz ,
menljivihagei sociallydesirableresponding (tj. i
starosti davanja druStveno
tralite u dasopisimarelevantnimza konkretnu oblast.Zbog strogoogr:,',
poZeilnihoJgovora),pogleda6emo kolonu sazaglavljemR Squarechange.U nog prostora, razni dasopisipostavljaju razliiite zahrevei odekrvanla
prethodno datim rezultatima, u redu za Model 2, vidimo da vrednost R autore.
,qrr"r" changeiznosi 0,42.To znati da Mastery i PCOISSobiaSniavajudo-
d)tna 42prJ."nru (0,42x 100) varijansesubjektivnodoZivljenogstresa,iak Za ocenu mogucnostidva merilaupravljanjasopstvenimiivotom (.t"t,
i kada se statistiiki ukloni uticai starostii davanjadruitveno poZelinihod- vania:Mastery,skalasubjektivno
ow,'l
doiivljenesamokontrole unutrasnjih sta',,
govora.To je statistidkiznadaiandoprinos,5to pokazuieiznosSig.F change sDSUS) da predvidenivoestresa(skarasubjektivno doiivrjenogstresa),,,f
., to- redu (0,000).TabelaANOVA pokazujeda model kao celina(saoba je hijerarhijska
trebljena visestrukaregresijanakonstoje uklonjen-uticaj star,,,
bloka promenljivih)iesteznadajan[F (4, 421) = 94,78,p < 0,0005]' i.davanjadrustvenopozeljnih odgovora.preriminarnim analizama je dokaz,,
da pretpostavke normalnosti,linearnosti,
multikolinearnostii homogenosti ,'/
Korak2: vrednovaniesvake nezavisnepromenliive lansenisubilenarusene. U prvomkorakubilesu unetepromenljive starosti
',
Da bismo utvrdili koliko svakapromenliivadoprinosikonadnoijednaiini, vanjedrustvenopoieljnihodgovora,sto je objasniro6blovarijanse
subjekti,,
pogledaiemo redza Model 2 u tabeli Coefficients.Tu su zbirno prikazani re- doiivljenog stresa.Nakonunosenja skaraMasieryi sDSUS u drugomkorz ,
,ultati dobijenisa svim promenljivamaunetimu iednadinu.U koloni Sig.vi- modelomkao celinomobja5njenoje 42,4o/o ukupnevarijanse,F (4, 421,
je 94,78'p < o,oo'1.Dvaspomenuta
dimo da samo dve promenljivedaju statistiiki znadalandoprilos (jer merira(obereija)objasnira su aooainih-+''
samoza niih vrednoit u 6eliji manja od 0,05). Po redu vaZnosti,to su: Ma- vafjanseu stresu,nakonsto je ukronjenuticaj
starostii davanjaorrstu,,'
poieljnihodgovora;r2se promeniloza:
stery (beta= -0,44)i Total PCOISS(beta = -0,33). Ni promenljivaage nttt O,42,F se promenilo za (2.,421'
166,82p ( 0,001.U konadnom
socialdesirabilityne daju jedinstvendoprinos.Ne zaboraviteda koeficijenti moderu, statistidki
su birazna6alna saml ,/,
beta predstavljajujedinstvendoprinossvakepromenliive,nakon Stose sta- pri demuje skataMasteryimataveci koeficrpntbi
tistidkiuklone-uiicajipreklapanjasa svim dt,rgim promenljivama.U drugim
[::110:"y'f"jT']r^,:T,
;1;:ro;;,';:;ft;i:
je<lnadinam", ," drugadijimskupom nezavisnihpiomenljivih ili drugaiijinr
uzorkom, te vrednostibi se promenile'
DodatneveZbe
Zdravstvo Logistidkaregresija
Drrtorekas podacima: sleep3ED.sav. Pojedinostio datotecivideti u dodatku.
1. Standardnomviiestrukom regresijornistraZitefaktore koji utidu na
stepenpospanostiljudi po danu.Za zavisnupromenljivuuzmite uku-
pan iznos na skali Sleepiness and AssociatedSensations(rorSAS).Za
nezavisnepromenljive uzmite pol (sex),starost (age),ocenu fizidke
kondicije (fitrate) i stependepresije(depress).Izradunajte koliki deo
varijanseu rezultatimamerenjaukupnepospanostiobiaSnjava tai skup
promenljivih(pogledajtekoliki je r na kvadrat).Koje promenljivedaju
jedinstvenznaiaiandoprinos(pogledajtevrednostikoeficijenatabeta)?
2. Ponovite gomju analizu,ali ovoga puta upotrebite hijerarhijsku viSe- U poglavlju 13 o viiestrukoj regresiji,opisali
smo tehniku
struku regresiju.U prvom bloku promenijivihunesitepol i starost,a u skupi predikrorana zavisnuplom.nrjiuu(subjektivn. za
drugom ocenufizidkekondicijei stependepresije.Kada uklonite uticarj tomsludaju, i.#:fH,ji:[
zavisnupromenrjivusmomerilir.""
demografskihprornenljivih pol i starost, da li ostale dve prediktorske u opseguod 10 do 50). Medurim, ima mnogo ""fr.r.id;i, vrednostima
promenljiveznaiajno doprinoseobjaSnjavanju varijanseu rezultatima ka.raje zavisnapro-
menljiva koja nas zanimak"t"goiilrk" (npr. 1it,i"_ili"
pobediti/izgubiti; poroziti/pasti;
merenja pospanosti?Koliki dodatni deo varijanseu pospanostiob- mrtavlLiv). Nazalost, viiesrruka ,egresiju
jainjavaju fizidkakondicijai depresija,nakon 5to se ukloni uticaj pola nife priklad nz ,u i^r"gorijske za_
visne promenlfive.U vi5esrrukoy,.ir.riji,
zavisna pro-".rqi"o (ono ito po-
i starosti? kuiavate da objasniteili predviiit.i-"1;
uiti vrecrnosti
prilidno normalno raspodeljene. ".prir.ia*,;';;"r"
Logisriika regresija.
omoguiava ispitivanjemo.delaza predikciju
rijskih ishoda sa dveii vile f ategor;;a. katego-
lred;ltorrk" 1.,rruiir*) promenrjive
biti kategorijske,neprekidneili meiavina
1^g-". obe vrsre u istom modelu.
sPSSima celu porodicu tehnika za Jogistidku
,..gr.rf o,-t o1. ,i"2. za istraii_
vanjeprediktivnemoii skupovairi brJkova
promenrjivihi omoguiuju zada_
vanje nadinaunosapro-..rl1iuih. svrha
ovog primera je da pokaZeosnove
logistidkeregresije'Zato (u.rporrebiti
metoduprisirnogunosa(ForcedEnt-
ry Method) - podrazume'anuproceduru
dortuprru., sfss-". it je pristupu
kojem sesveprediktorskepromenrjive
opit";, u istom bloku da bi seocenira
njihova prediktivnamoi, iok se siatistid'ki
ukranjauticaj ostarihprediktora
u modelu' Druge rehnikeregresije-
,..i-o, one posrepene(dodavanjeuna-
pred i uklanjarrieunazad)- omoguiu ju
za.davanjevelike grupe mogu6ihpre-
diktora, odaklesPSSsam bira p"ocrsku
1"rl ima najveiu moi predvidanj..
Posrepene tehnikeregresijeru p..d-.t'krrtik" i
u Iogistidkoji u viiestrukoj
regresiji,zaroito na njih moze
fako uticatisrudajnap;";;;t;;.rt podataka,
kada sepromenljiveut tlutulu il i.ruir."r"
iz moderazbog distostatisriikih
raz)oga(videti raspravu u Thbachnici
a. ria.tt, zi',,r"r."iiZ'i.
u ovom pogravrjupokazaiu kako se po-oiu
sps's-"-"u""ija logisridka
regresijaza dihotomnu promenljivu (tJ.onu koja moZe
11visl_u
dve vrednostiiri kategorije). imati samo
Upotrebifemospss-r, p.ffi:fi
gistic.Kada zavisnapromenljivaima viie o Binary Lo_
'Jffi tfiru:;
ikupp.ocedurornrutii,'omialLogisti.tr."i.'lilJi,;X"i-""ff
 t ogtavtjei4: Logistidkaregresija
171

su dostupneu SPSS-u - videti meni Help). Logistiika regresijaje sloZenateh-

nika, pa smatramneophodnimda o njoi viSeproditateukoliko nameravate
Obia5njenjeprimera
Peat,2001;Tabachnick Logisriiku regresijuiu irustrovatina prirnerudatoteke
da le koristite(videtiHosmer& Lemeshow,2000; sa srvarnimpocraci_
ma (sleep3ED.sav), s prareie '$7ebrokacije ove knjige
& Fidell,2007; Vright, 1995).
str'xi)' Ti podacisu dobijeniu anketisprovedeno, i;i;;irveb adresuna
;; ,r;";L;univerzitetskog
osobljada bi se utvrdiraveridinai uticajprobrema
..,;i ,; ,;"m (videtido_
Pretpostavke datak).U anketisu ispitaniciodgouuraiina pitanje
,-"rrn,u ir da imaju pro_
blema sa spavanjem(dalne).Tirie biti r"uirnn;r"-""1,i;;
u ovoj anarizi.
Velidinauzorka skup prediktora (nezavisnihpromenrjivih)rb;il;;oi,'ir.orr,
broj sati
Kao i u vefini ostalihstatistiikih tehnika,moraterazmotriti velidinui priro- noinog sna,teiko padanjeu san i lako budenje.
du uzorka ukoliko nameravateda upotrebitelogistidkuregresiju.Jednood Prvobitnim vrednosrimasvakeod tih promenljivih
dodeljenesu nove .ifre
pitanja je broj sluiajevau uzorku u odnosu na broi prediktora (nezavisnih (kodovi) da bi se obezb.edira njihova prikradnost,, izu. rkarego_
promenljivih)kole Leliteda ukljuditeu model.Analiza postajeproblematii- rijskim promenljivamaje promerrl..,k6d, i ro
tako a""r;;;i
i" O=". i 1_da.
na (dak toliko da numeridki divergira) kada je uzorak mali, a Zeliteda
ukljuditemnogo prediktora.To je problem naroditoza kategorijskepredik-
tore sa ogranidenimbrojemsludajevau svakojkategoriji.Uvek za svakipre- Pripremapodataka:iifrovanje odgovora
diktor pokreniteproceduruDescriptiveStatistics,pa ako je broi sluderjeva Da biste razumeli re^)rtate logistidkeregresije,
moraiere pailjivoda pripre_
(opservacija) u odredenojkategorijipremali,preraspodelite ih u drugekate- mite Sifrovanjeodgovora za_siaku pro-"".rljivu
. Zu dho;;;e zavisnepro_
gorije ili ih uklonite iz analize. menljive,odgovoretreba 5ifrovuti ,a o i 1 (iri
,.sif.ouuii f*io;.c. vrednosti
sPSS-ovomproceduromRecode- videti poglavljeg).
Vrednosr0 treba do-
deliti svakom odgovoru koji ne sadriiob"i.rp
Multikolinearnost nulom se .ifruje odgovor Ne na pitanje
oi inr.r.rr. u ;;"- primeru,
Kao 5to je bilo reieno u poglavlju 13, uvek treba proveriti da li postojejake .lmateli pr"bl;;;Ja spavanjen.,?,
Broj 1 ukazujena odgovor Da. Srilno
medukorelacijeprediktorskih(nezavisnih)promenljivih.Bilo bi idealnoda ,,, sir.ouurr.;;;;;;"menljive. Tu
smo odgovor Da Sifrovalisa 1, za odgovore
su prediktorskepromenljivejako povezanesa zavisnompromenljivom,ali na pitanja ima li osobaproble-
ma da zaspii ima Ji probl.*o i" orruri.
ne i medusobno.NaZalost,u proceduri logistidkeregresijeSPSSformalno .r'r.ru. za neprekidnenezavisnepro_
menljive (broj sati noinog ,rrn1,
nematestmultikolinearnosti,pa vam preostajepostupakopis:rnu poglavlju u"ii brojevi treba da pokazuju jaie
ispoljavanjeispitivanog obJlrZi^.
13, kada izaberetecollinearity diagnosticsnakon 5to pritisnetedugme Stati-
stics. Ostale rezultate zanemarite,samo pogledajtetabelu Coefficientsi Ime daroteke:sleep3ED.sav
njenekolonesazaglavljemCollinearityStatistics. Veomamalevrednostipo- Promenljive:
kazateljaTolerance(manjeod 0,1) ukazuju na to da promenljiva ima visoke '
korelacijesa ostalim promenljivamau modelu. Tada treba da promenite sa spavanjem_(engl.problem uith sleep),reiifrovana(prob_
l:ll:lt
sleeprec): vrednostrelifrovanana O=ne.1_da
skup promenljivihod kojih stemislili da sastavitemodel i uklonite jednuod
. Pol (engl.sex):
jako medukoreliranihpromenljivih. O=Zenski, 1=rnujkl
r Srarosr(engl.
age):u godinama
'
Netipidnetadke sati nofnog sna (engl'hours sreep/weeknigbt)
(rrourwnit):u sarima
Neophodnoje da proveritepostojeli netipiine tadke,to jest sludalevikoje ' Itoj
Teiko padanie ,.::,1::gl. problem
gettutg to sleep),relifrovana (gets_
model ne objaSnjavadobro. Reieno jezikom logistidkeregresije,model rno- leprec):vrednostreiifrovanana:
0=ne, 1_da
Zdaodliino predvidaodredensludaju jednojkategoriji,ali je u srvarnostion ' Lako budenje(engr'
probremstayiygasreep),reiifrovana
u nekoj drugoj kategoriji.Netipidni siuiajevi se mogu prepoznatina difa- vrednostreiifrovanana: 0=ne, 1=cla" (stayslprec):
gramu.reziduala,ito je naroditovaZankorakkada modelslabopredvidaop-
servaclJe,
Fregtedtogistidkeresresije
flatafrstraiivaikog
rrrmer
pitania: Koji faktori piedvidaju
tantci odgovoriti verovatnoiu da 6e ispi_
da imaju problema sa spavaniem?
 4. Pritisnite
dugmeOptions.Potvrdite poljaClassificationplots. Hosmer_Le-
Sta vam treba: meshowgoodnessof fit, Casewiselistingof residualsi Cl for Exp(B).
rJednakategorijska(dihotomna).zavisnaprorrrenljiva(problemiSaSpa- Continuei zatimOK (ilidugmePasteda bistekomqndusnimili
5. Pritisnite
"uurrl"m' u
Ne/Da' Sifrovano011'\;i Syntax Editor).
(nezavisnih)
r Dve ili vise neprekidnih ili kategorijskihprediktg:t_kih Prethodni postupakgeneri5e ovu komandu:
pro-"r,Ijive Sifrovatisa 0 i 1 (npr' pol, teiko
nromenliivih.D;;;";t"
:.";;;;'t';;;, ;.t.o;;a."i.l Neprekidnepromenliivemeriti tako da
LOGISTICREGRESSION VARIABLESprobsteeorec
obeleZiaod interesa(npr' sta-
I.a Uiti""l pok"r,,i.' laie ispoliavanje /METHOD: ENTERsexage getsleprecstayslprec hourwnit
rost,broj satinoinog sna)' /CONTRAST(sex):lni;6ator(1 ) /CONTRAST(getsleprec):lndicator(1
)
za ocenukoliko dobro skup predik- /CO NTRAST(stayslprec):lndicator(
Sta sepostiie: Logistijka regresiia_sb,ii 1)
kategoriiskuzavisnupromenlji- iCLASSPLOT/CASEWISEOUTLIER(2)
;;;rtt{;;;enlli"vih fr.a"it" itiobjadnjava
modela (skupa prediktorskih / P R I N T : G O O D F I TC l ( 9 5 )
;;."^;"1i1_ r.', poL'"rui"l' adekvatno.sti
rezultata.Dobiia sepokazateli /CRITERIA:PIN(,05)POUT(,10) ITERATE(2O)
promenljivih) tf . ocena[uuii,.r, predvidania CUT(,S).
ili interakcijeizmedunjih'
relativnevaznosrisvakepredikto.rk. promenljive
Dobijasezbirpot"'",.t;"tainosti.klasifikacijesluiajevanaosnovumodela, Sledideo rezultataprethodnogpostupka.
osetljivostii odredenosti(specifidnosti) rnode-
5to omogu6avaizraaunavanie
vrednosti'
iu l rt;"g5ulLtpozitivnih i negativnih prediktivnih CaseProcessingSummary
o raspodeli
Pretpostavke: Logistidkaregresijane podivana pretpostavkama Unweiqhted
Cases' N Percent
medutf m' ona. e osetliiva na
rczukatamerenia pr"Jlk,o'",kih' promenliivih; i Selected Cases. Included in Analysis 241 8B,s
promenliivih (multikolinearnost)'
visoke korelacije izmedu prediktorskih MissingCases 30 1 1, 1
taike'
N" ,.r,rlture lolistidke regresiie jako utidu i netipidne Total 271 100,0
otvorite-meni.Edit iizabe-
Pre nego Sto poenetesa sledeiimpostupkom' Unselecled Cases U ,0
polie No scientific nota-
rite u niemu stavkuOptions;trebaclaie potvrdeno Total 271 1 0 0, 0
don for small numbers in tables' a. lf weight is in effect, see classificationtable for the total
numberof cases.

Postupakza logistickuregresiiu
pa pritisnite Dependent Variable Encoding
1. otvoritemeniAnalyze,izaberiteu njemustavkuRegression,
BinarYLogistic. OriqinalValue Internal
Value
zavisnupromenljivu i prebacite.;e
(npr.probsleeprec) no
2. lzaberitekategorijsku 0
u poljeDePendent. yes 1
. pritisniteprediktorskepromenljive(sex, age, getsleprec,stayslprec'
hourwnit)i prebaciteih u poljeCovariates'
. U odelikuMethodtrebada pi5eEnter' GategoricalVariablesCodings

3.Akoimatekategorijskihprediktora,pritisnitedugmeCategoricalnadnuok- Paramete
svekategorijske
lzaberite (sex,getsleprec,
promenljive stays-
virazadijalog. Frequencv 1)
lprec)i prebaciteih u poljeCategoricalcovariates' probstayasleep no 1? q ,000
' Redomizaberite svakukategorijsku promenljivu, dugmeFirst
pa pritisnite rec yes 103 1.000
u odeljkuChangecontrast,KadapritisnetedugmeChange'izaizabrane probfallasleep no 1F-'l
biti ,000
promenljiveprikazacese red first. Takoste zadalida grupa koja ie rec yes qn
ka- 1,000
upotrebllenakao referentnabude prikazanaprva'Ponoviteto za sve female
sex 140 .000
tegorijskepromenljive. dugmeContinue'
Pritisnite
male 101 1,000
 I vv,qv,JE r +, Lugt$UcKa regresua
175

Block
B l o c k0 : B e g i n n i n g
ModelSummary
Iteration Historya'D'c

-2 Log Coefficients
Iteration likelihood Constant
Step 328,996 .z9t)
Estimationterminatedat iterationnumber
o a
328,996 ,293 parametereslimateschangedby less 5 b"a*r*
tnan .O0i--""
328,996 .293
Conitant is includedin the model. Hosmerand LemeshowTest
h
Initial-2 Log Likelihood:328,996
Estimationterminatedat iterationnumber 3 because
parameterestimateschangedby less than ,001.

Classification Tablea'b

Predicted
Classification Tablea

orob sleep recode 01

Predicted
Percentage
ObseNed no yes Correct
Step0 probsleeprecode no 138 0 100.0 proDsteep recode01
Ohspruod Percentage
01 yes 103 0 .0 no yes Correct
'l
OverallPercentage 1U 28 7 9 ,7
01 yes
a. Constant is included in the model. JZ 68,9
Overallpercentaoe
b The cut value is ,500 75,1
3. The nr
cutrr r/.1,
value ta is
i- a^^
,500
Variablesin lhe Equation

Variable3 in lhe Equation

S,E. Wald dt Siq. Exo(B
Step 0 Constanl ..ZYJ 130 5,O47 1 .ul3 746 95.0% C.l for FXP(B
dl Sio Fxo(B)
..r08 L.ower I Uooer
,Jt5 ,118 1 /31
1 ,484 .66
..006
"g"
getsleprec( 1)
,014 ,r93 1 ,660 .994 1.02.,
,968
Variablesnot in the Equation sEyslprec( I )
.716 ,339 4,464 1 2,046 1.053 3 97f
1,984 ,325 37,311 1 ,000 7,274
houenit -,448 't
3.848 r3,74B
Score df Sio , 16 5 7.366 .007
ConstBnt ,639 ,462
Step Variables sex(1) 1,209 1 .272 -a l,953 1,451 1,812 l ,178 7,053
Variablelslenien srep 1: sex, agei getsleprec.slayslprec,
o rg" 1 .373
houMnit

getsteprec(1
) 19,812 1 ,000
staystprec(1
) sB,1
83 1 ,000 CasewiseListb
hourwnit 17,709 1 ,000
OverallStatistics 70.017 ,000 Observed temporaryVariable
Selected probsleep Predicted
Case Slatusa recode01 Predicted
Block1: Method
= Enter 4Z S n'"
Grorro Resid ZResid
870 v -,870 -2,583
OmnibusTestsof ModelCoefficients 1Z+
v tzo n
227 c .874 2,633
IJJ n ,867 2,554
Chi-square df Sio. zJ5 S v 119
Step 1 Step q ,881 2,721
76,020 ,000 121 470
2,697
Block 76,020 6
,000 -
e =
a. S Selected,U = Unselected
cases,and ,- = Mir"l"]fruo
Model 76.020 ,000 b. Cases with studentized residuals greater than ""r"..
2,000 are tjsted
Tumadenjerezultatalogistidkeregresiie razmotrenogomnibus.testa. Kada je u pitanju Hosmer-Lemeshow Goodness
Kao i ve6inaSPSS-ovihanaliza,logistidkaregresiiadaje obilje rezultata,pa of Fit Test,indikato.rslabogpr.duidn.rjo znaiainor,
-""i" 0,05; dakle,
iu pomenutisamokljuine asPekte. model je podrzanako je 0,05. u,je
nai.* pri-"r.,,iJturnt.tj"a
".." "d
drat za Hosrner-Lemeshowtest iznosi 10,0r9 hi_kva_
Najpre treba pogledatipoiedinostio velidini uzorka, date u tabeli case rnotuiro{r"o,,reo.To je viie
Procesiing summary. Broi analiziranih sludajevamora biti lednak onome od 0,05, 5to znadida podrZavamodel. "r
koji steodekivali.Sledeiatabela,DependentVariableEncoding,kazujekako TabelaModel Summarykazujejoi neito o
upotrebljivosrimodela.Vred_
je spSSpostupio sa Siframazavisnepromenljive(u ovom sludaiu,sa odgo- nosti cox 6c sne'R square i Nagerkerk. R sd*;;;i;i,i
t otit i deo va_
vorima na pitanleiryaju li liudi problemasa spavaniem).SPSSzahtevada te rijansezavisnepromenljivemodel objainlava (mrnrmum
je 0, a maksimum
promenljivebudu Sitrovanesa0 i 1, ali ie ih i samreiifrovati ako to prethod- priblizno 1). To su takozvanipseudopokazaterjtur.d.,orti
,i t, n" kvadrat), a
no sami nisteuradili (npr. ako su vaie Sifre1 i 2). Htela sam da moja pro- ne njeni stvarni iznosi, koji se mogu videti u
rezultatimuuis"rrrut . regresije.
'problem with sleep' bude Sifrovana sa 0=nrla problerna i U ovom primeru,ra dva pokazateijasu 0)7r i
menljiva 0,363,Jr" ,""er da dati skup
1-problem, pa sam napravilanovu promenljivu(proceduromRecode- vi- promenljivih(moder)objainjavaizmedu27,r
i 3'6,3;;;;;;; va'janse.
deti poglavlje 8) i reiifrovala prvobitne odgovore L=da, Z=ne na format Prelazimona taberucrassification.u njoj
,u pokurut.r;rl"iil.o tadnomo_
poieljan u SPSS-u, tj. na 1=da,0-ne. Thkvo Sifrovanie(kada se postojanje del predvidakategoriju(ima problemasaspavanjem/nema
probl.rn" sa spa-
problema oznaiavasa 1, a nepostojanjesa 0) olakdavatumaienje rezuhata. vanjem) za svaki ispitivani_srudaj. MoZemo ih uporediti ,l irroi-".,o-
U sledeioj tabeli Categorical Variables Codings pogledajte Sifrovanje tabelom u Block o i yr.aelrpoborjianje postignuto
rr.ri";.rrr.- prediktorskih
nezavisnih(prediktorskih)promenljivih. Takode, u koloni sa zaglavliem promenljivih u moder' Thj moder ispr"unJkr"rifik;;-t;,i^
sludajeva(eng|.perce.ntage o.o..rrura svih
Frequencyproverite broj sludajevau svakoj kategoriii. Nemojte raditi sa accurary l, ,lorrifirrriJ',"piii, !,o ;. bolje od
grupamakoje imaju malo sludajeva. 57,3 procenaranavedenihu Block 0. R.rultuti
prik";;i ; orloj taberisluze
U sledeiemodeljku, Block 0, dati su rezultati analizebezijednenezavisne i,Ta.izr.aiulavanje drugih staristiikihpokazatelja,koji sedesto
navodeu me_
promenljiveod koiih semodel sastoji.S njima iemo kasnijeuporeditirezul- dicinskojliteraturi.
tate modelakoji obuhvataprediktorskepromenljive.U tabeli Classification oserljivost (engl.sensitiuity) moderaje procentualni
udeo grupe sa ispiti-
stoji da je ispravnoklasifikovanihsludajevaukupno bilo 57,3 procenata.U vanim obeleZjem(ngr ,u ,puu"njem)
.g1o!!e- koji je modeit"ino prepo_
ovom primeru, SPSSje klasifikovao(nagadao)da nijednaosobaneie imati znao (stvarno pozitivnih). u ovom primer.r, mojel' je tadno klasifikovao
problemasa spavanjem(samozato Stoje veii procenatljudi na pitanje od- 68,9 procenataosobakoje imaju probl.-u
sa spavanjem.odredenost(engl.
govorio sa Ne). Nadamo se da iemo kasnije,kada unesemonai skup pre- specificity).modelaje procentuarnludeo grupe
koju rrp;*ano obeleZje
diktorskih promenljivih,poboljSatitadnosttih predviclanja. (nemaproblemasa spavanjem)koji ".*"
;. tti"a.r tudno pr.for'nno 1r,uu.no,r.-
Prediteu slede6iodeljak,Block 1. Tu su rezultatiispitivanjamodela(sku- gativnih).U ovom primeru, odreclenost
iznosi 79,7 procenata(osobakoje
pa prediktorskih promenljivih).U tabeli Omnibus Tests of Model Coef- nemajuproblemasaspavanjem,za koje
modertutno i..a,ri;;;" nemajutih
ficients dati su zbirni pokazatelji perfbrmansi modela, dakle razlika u problema).
odnosuna rezultatedobijeneza Block 0, kada u model niie bila unetanijed- Pozitivnaprediktivna vrednosrje procentuarni
udeo sluiajevakoje n-rodel
na prediktorskapromenljiva.Taj test se zovegoodnessof fit,tj. koliko do- klasifikujekao da irnaju ispitivo'o
ob.r"z1e,a da se ono zaistaopaia u toj
bro model predvidarezultate.Za taj skup rezultataZelimoda budu veoma grupi' Da bisteto izradunaliu tekuiem
primeru,podelitebroj sludajeva u c.e-
znadajni(velidinaSig. bi trebalo da bude rnanjaod 0,05). U ovom sluiaju, observea=y91
1ZrI uirlpnimbrojemielijapredicted_yes
znaiajnostiznosi 0,000 (5tozapravoznaii p<0,0005).Stogaprogladarvamo llilt;1,.r..11yes,
\L6 +_/r = 99) r pomnoZitesa 100 da dobijereprocenrualnilr.,or. Dobili bi-
da model (s naiim skupom promenljivih kao prediktorima)predvidabolje smo 71 podeljenosa 9-9x 1.00= 71,7procenata.
Dakle, pozitivnapredikriv_
od SPSS-ovog prvobitnog nagadanjaprikazanogu odeljku Block 0, dobije- na vrednost rz'tosi 71,,7procenata,ito
pokaru;" do';i nnl model taino
nog uz pretpostavkuda niko neie odgovoriti kako ima problema sa spa- izabrao71,7 procenor"orob" za koie je prognozirano
da imaju probremasa
vanjem.Pokazateljhi-kvadrat iznosi 76,02 uz 5 stepenislobodei to treba prediktivnavrednostje procenrualni
io^llTl.;l; udeo strriajeva
navestiu izveitaju. ko;e model ,Y:?,il:.1"
klasifikujekao da nemajuobeleZje,a a" ,"
o.,o ^irr" ,r. opa,a
I rezultati prikazani u tabeli Hosmer and LemeshowTest podrZavaju u toj grupi' u tekuiem bro;"ui i, r.r"rril".i"ne tabere
tvrdnju da je model dobar Tvrdi seda ie to SPSS-ov najpouzdanijitestkva- jesu: 110 podeljenosaf:i1"r"'^:dgovarajuii
(1t0 + 32) x 100 = 7_!.,s
urocen;;;:'ffi
liteta predikcile modela. On se tumaii sasvim drr"rgadije od prethodno klasifikacionihtabelapotrazire.u knjigamaNrrigh;ai;gi,'rri.'\zg)o upotrebi
(2001, str.237), gde je dat i jedanjednostavanprimer. ili peat
 I TJ

Tabela Variables in the Equation c{ajepodatke o doprinosu ili vaZnosti Imajte u vidu da je.na5prediktor neprekidna.promenrjiva;
\Wald,pa su vrednosti po- zarogovorimo
svake prediktorske prornenljive' Taj test je izurlio o pove6anju(ili smanienju,ako je KV manji od
1) verovat;oie za svakuje_
kazatellaza svirki prediktor navedeni u koloni sa zaglavliem Wald. Pogledaj- dinicu poveianja prediktorske promenrjiu"
1., o.ro,ri rrJniu, godiinjeg).
te niz kolonu Sig. ima li brojeva maniih od 0,05. To su promenljive koje Kada je prediktorskn kateg.orirska,
l."T:lljrva poredimou*ou"tnoe e za te
zna(ajno doprinose prediktivnim mogudnostima modela. Utvrdila sam da su dve karegorrie.za.kategorijske p.o-.,ir;iu" ," ju-"
- t""t"gori;e,svaka
tri promenljive znaiaine (stayslprecp 0,000, getsleprecP = 0,035, hourw- kategorijaseporedi s refere.nrnom "rs" "J-
gt_,rpor (najdeiie grupo- iij" je iifra naj_
nit-p = 0,007). U ovom primeru, glavni faktori koji utiiu na to da li ie osoba manji broi, ako stezadaliFirst u contrast ,, ;k;;;-;; diiarogDefine
odsovoriri da ima probierna sa spavanjem jesu: teZina padania u san, lako CategoricalVariables). "aeljk"
bulenie i broj sati ,fodnog sna. Pol i starost ispitanika nisu zniriaino dopri- Za kolidnikeverovarnoiemanjeod 1, u izve.raju
bismomogrinavestinji_
neli modelu. hovu reciprodnuvrednost(1 podeljens tim brojem)
da bisrnoolakiarituma_
Koeficijenti B u drugoj koloni ekvivalentni su koeficiientima B dobiienim tenje.Primeraradi, u ovom sludaju1 podeljeno
o,isg i"'iJako je 1,56.To
u analizi viSestruke regresije. Ti brojevi se stavljaju u jednadinu za izratuna- kazujesledeie:za svaki sat noinog sna marrje,"^
verovarnoiada fe ispitanik
vanie verovatnode da analizirani sludaj spada u odredenu kategoriju. Pogle- odgovoritida ima problemasa.sp.aianjemraste
za 1,55.Ukoliko odluditecla
dajte da li su koeficijenti B pozitivni ili negativni. To ie vam ukazati n;r smer navedetereciproinevrednostikolid"ika verovatnoie,
trebalobi clanavedete
veze (koji faktori poveiavaju verovatnoiu odgovora Da, a koji je smanjuju). i reciproinevrednostiinrervalapoverenja(videti
slejeii pur,-,r1.
Ako ste ispravno 5ifrovali sve zavisne i nezavisne kategorijske promenliive za svaki koliinik verovarnoae, koioni Exp(B)
(sa O=ne ili nepostojanje obeleZja; I=da ili postojanje obeleZja), negativne taberevariabres in the
Equation prikazan je pripadni 9S-procentniinterval
vrednosti koeficijenata B pokazuju da poveianje vrednosti nezavisne pro-
poverenja(9s,0"h cr
for EXP(B)),njegovadonja i gornja granica.
Njega rreba navesriu rezulta_
menljive ima za posledicu smanjenje verovatno6e da ie ta osoba odgovoriti tima. .fednosravnoredeno,to je opsef za koji sa gs-p;""irom
sa 1 u zavisnoj promenljivoj (5to u ovom sludaju pokazuje postojanje pro- sigurnoiiu
tvrdimo da obuhvata stvarnu ur"Jnoit kolidnika
blema sa spavanjem). U ovom primeru, promenljiva koja meri broj sati noi- Ne zaboravi_
'lb te, broj navedenkao koridnik verovarnoie ""r;;;;;.
j. p.o.""u ili nagadanje
samo
nog sna ima negativan koeficijent B (-0,448). kazuje da 5to viSesati osoba stvarne vrednosti na osnovu podataka iz
je uzorka. bou.r.n,. t oje imamo u
spava noiu, to manje verovatno da ie odgovoriti kako ima problema sa tvrdnju da je to raina vrednori
1rucelu populacij.r)menja,i., ,uuir'orti od
spavanjem. Za ostale dve kategorijske promenijive (teZina padanja u san, velidineuzorka. Mali uzorak znati daie interval
poveren;'aoko procenjenog
lako budenje), koeficijenti B su pozitivni. To znaii da osobe koje smatraju kolidnika verovatnoie biti veoma iirok.
Interval se naglo smanjuje s po-
da teiko padaju u san odnosno da se lako bude, dedie odgovaraju Da na pi- veianjemuzorka. u ovom primeru, inrerval
poverenja,i pr.-.rriivu lako
tanie smatraju li da imaju problema sa spavanjem. se budi (zastavslorec,KV=Z,ZZ) ide
J 3,g5 do 13,7S.Dakle,iako navo_
JoI jedan koristan podatak sadrZi kolona Exp(B) tabele Variables in the dimo da je izraiunati KV = 7,27, noi:.emobiti
95 procenarasigr.rrnida stvar-
Equation. Ti brojevi su kolidnici verovatnoie (engl. odds ratios) za svaku ne- na vrednosrKV celepopulacijeieZi
izmedu3,s5 i'i3;;;;:;;l: veomaiirok
zavisnu promenljivu. Kako pi6u Tabachnick i Fidell (2007), kolidnik vero- opsegbrojeva.Intervalpourrer,la
u rom sludaju
vatnoie (KV) je 'promena verovatnoie pripadanja jednoi kategoriji ishoda zultat starisriikiznadajanuz p < ".,;l;i;;;;
,, srogaje re_
0,05.Kada interv"6;r;;;;; sadrzibroj 1,
kada se vrednost odredenog prediktora poveia za iednu mernu jedinicu' (str. kolidnik verovarnoie nije statistidk
i znaiajanjer ne mozemo iskry.uditimo-
461,1.Unaiem primeru, verovatnoda da ie osoba odgovoriti sa Da na pitanje guinost da je stvarni kolidnik
u.rou"r'o!. 1, iro ukazujena jednakuvero-
ima li problena sa spavanjern jeste 7,27 puta veia za onoga ko odgovori da vatnocuoba odgovora(dalne).
se lako budi u odnosu na osobu koja se ne budi lako, kada su svi ostali fak- tabelarezulrara,CasewiseList, govori o
tori jednaki. ,^,1"i:11i,
nole sludajevirna u uzorku
modelne predvidadobro. prikazanisu
Zna(ajan prediktor je i broj sati noinog sna, sudefi po pripadnoj velidini sludajevis vrednostima pokaza_
telja ZResidu"ii- od.]. (u
prr-.ru, ,o ,,, sluiajevi broj 42,224,227,
Sig. (p=0,007). Medutim, koli6nik verovatnoie zal ovu promenljivu iznosi """-
0 , 6 3 9 , d a k l e m a n j e o d 1 . T o z n a d i s l e d e 6 e : 5 t ov i S es a t i o s o b a s p a v a n o i u , 3lj,:.3fll jludajevldiiisupokazatelji
u.eiod 2,s (ili manjiod _2,5) teba
p a z r r l v l r er s p r t a t i ,p o S t os u s v a k a k o n e t i p i d n . i
( g g p r o c e n a , n, l u i r l . u u i m a r a j
nranje je verovatno da 6e odgovoriti kako ima problema sa spavanjem. Za pokazatelj izmedu -2,si +2,5).Iz ostalihi"roi-uiqu;;
svaki dodatni sat no6nog sna, verovatnoia da c'e osoba odgovoriti da ima iliu vidi seda
le zajedan sluiaj (broj 42) bilo predvideno
problema sa spavanjem opada za 0,639, kada su svi ostali faktori jednaki. fa fe lrti .. r.","gGi
problemasa spavanjem),a zapravoje (u kolorri,o[s.;;;;?;,ranje Da (imam
vorenosa Ne. za sveostalenetipidnesludajeve odgo_
bilo je pr;lr;;;" da de od_
govoriti Ne, a re osobe su odgovorile Da. Za
sver. ,iutuj.u.-iu
oogorouo
one iiii je pokazateljZResid preko 2,5) treba proveriti uneteinformacijei
uopite s^znativiSeo njima. MoZda fete naiii nargrupesludajevakoje model
ne predvidadobro (npr.lfude koji rade u smenama).Razmisliteo tome da iz
datotekes podacimauklonite sluiajeves velikim vrednostimapokazatelja
ZResid i da ponovite analize.

rezultatalogistidkeregresiie
Predstavljanje
Rezuitati ove procedure rnogu se predstaviti ovako:

Direktnalogistidkaregresijabila je sprovedenakako bi se ocenio uticaj vi6e

faktora na verovatnocu da Ce ispitanici odgovoriti da imaju problema sa spa-
vanjem.Model sadrZipet nezavisnihpromenljivih(pol, slarost, te6ko padanje u
ru Faktorskaanaliza

Faktorska anariza.serazrikuje od mnogih.drLrgih

san, lako budenje i broj sati nocnog sna). Ceo model (sa svim prediktorima) terrnika predsravrjenihu
bio je statistidkiznadajan,c2 (5, N: 241) :76,02, p ( 0,001 , Sto pokazujeda ovoj knjizi. ona nije namenjenaza tesrilnje
jedna grupa znatajno.tarrikule hi;;;.-,';iii'#.r. reii da ri se
model razlikujeispitanikekojijesu i one koji nisu odgovorilida imajuproblema od druge. sPss ye'.-;;;
'smanjenje tehnikom za
sa spavanjem.Model u celini obja5njava izmedu 27,1o/o(r na kvadrat Koksa i koridinepodataka'. ona prima
veriki skup promenrjivihi rraii
Snela) i 36,30/o(r na kvadrat Nagelkerkea) varijanse u spavadkom statusu, i nadinda te podatkesaime pomoiu
m"nj"g broin f.k;i;ifiio-por,rn"ru.
tadno klasifikuje75,10/osludajeva.Kao Stoje prikazanou tabeli '1, samo su tri To seradi pronaraienjem'gtm'a'ili;;p"
u -.d,rkor"racijama skupa pro-
nezavisnepromenljivedale jedinstven statistidkiznadajandoprinos modelu ro jegorovo nemoguie
ur"d;todoka
(broj sati nocnog sna, te5ko padanje u san i lako budenje). Najjadi prediktor fr:liiilii. "ri- k;;;ima malopro-
odgovorada osoba ima problemasa spavanjembilo je lako budenje,dijije ko- Porodica tehnika faktorske anarize
ima brojne primene. Mnogo je
lidnik verovalnoce 7,27.To pokazuje da ispitanici koji se lako bude, preko 7 trebljavajuistraZivadikoji se bave upo-
,^ruo'i"^i vrednovan;.em testovai skara.
puta de5ce odgovaraju da imaju problema sa spavanjem od onih koji se ne Projektantskarepodinjes verikirnbio]"ilpitu.rlu
bude lako, uz sve ostale faktore u modelu jednake. Kolidnikverovatnoceza i' tehnikama fakiorske nt"tlr., i pojedinadnihstavkiskare
p..ti's-.*" i sazima re stavke
broj sati nocnog sna iznosi0,64 i manjije od 1, dto pokazuje daza svakido- da bi dobio
fiilil'HlT::iil:] M;:5Juo
pou"nnihprome,,
Ijivihmozese
datni sat sna, ispitanici0,64 puta rede odgovaraluda imaju problemasa spa- i.t:1'19
vanjem, uz sve ostale faktore u modelu jednake.

Tabela 14.1 : Predvidanje verovatnoce odgovora da osoba ima problema

i#'j::::l#:*;:ru
x;i#t"1'#i::';:n?':iii':Xlt'*";r.ffi
sa spavanjem
Stand. Wald Stepeni p Kolidnik Interval95-postotnog
t::i.di'::,#;Tiii:r:3f,:??W,:"::;;tr;:
istraiivaniaiesroseisrrazivaikom
fotto?rton-,anarizomprikuprjaju podaci
greSka slobode verovat- poverenja za kolidnik o medusobnimvezama.:l:,p".p.;;;;ij;
noce verovatnoce torska analizaje sloiepjjj 5 druge srrane,potvrdujuierfak_
r roflti.irn,ri;;;rp tehnika, koje se u kasnijoj fazi
Donja Gornja tstraZivanjaupotrebrjavaj,
r" i;;i;;;;'.r;.'lporurau) konkretnih
granica granrca teorijao zajednidkoi hipoteza i
poditruktur; rk";J;r"menljivih.
Pol -0,11 0,31 0,12 0,90 0,48 1,66 kt3tn faktorskann"li=
n^ nacYinu ot rh;r;tr;,: razlidirih.madasrodnih
Starost -0,O1 0,0r 0,19 0,66 noo 0,97 1,O2 t'o sprovodenjaone se derena u"uri^ tehnika.
principal components d";il'k;;;li.rrurn 1",rgt.
Padanje O,72 o,34 4,46 0,03 2,05 1,O5 3,98 anarvsis,pcA) i a.,al# ;;il;,dkii.,t7"r.ro.,
u san common t.rrgr.
factor analy.sri,cFa;. ,?.lrirkupl ,.t"ik;;lid;';;;; rnnogo ie_
Lako budenje 1,98 0,32 37,31 0,00 7,27 3,85 13,75 Tu'p" ih istrazivadidesto.uporre.bljavaju j.oa., u-.rro drugog.
Broj sati 0,45 o,17 7.37 0,01 0,64 brojari.earnih'kombin".;iu oba dovode
0,46 0,88
nocnog sna
l l , t uzadriava
xo;t li:t f . u o u i t n i h p r o m e n t l i u rnt ra n a i i n
(iri obiainjava)gravnin,u".i;"nr" (p;";;;i;r;;lri)
Konstanta 1,45 0,18 zo5 korelacija.Medutim, .IJ u ,,.ut ,uri
oni se i razlikuju p"_-",rS. osnova.
Kornponenara' prvobitneprornenljivesetianstormiiu analiziglavnih
u manji skup linearnih
 varijansiu promenliivama.s drugestrane'u je mirniji kada za faktorsku analizuima najmanje300 sluiajeva'(str.613).
kombinacija,uz koriSieniesvih mode- Medutim, i one priznaiuda bi manji uzorak (npr. 150 sludajeva)trebaloda
;;rtr;;"lJf.in faktora oni se proceniuj,,por.o6u matemertidkog
videti u l3' budedovoljankada reSenjaimaju nekolikopromenljivihveliketeZine(iznad
la. pri iemu se '"-" zajedniikavariiansa'(Vi5eo tome
"r,ul'i'" 2007)' 0,80). stevens(1996, str. 372) navodi da se zahrevanavelidinauzorka sve
prgf""fi" knligeTabachnick& Fidell' viSesmanjujekako se s godinamata tema sveviSeistraZuje.on dale broine
P r e m d a o b a p r i s t u p a ( P C A i C F A ) d e s t t l d a j u s l i i n e r e z u(1996,
l t a t e .str.
knjigeotoj preporuke za pouzdanostfaktorskih struktura i zahrevanuvelidilu .,roik"
desro se razlikujrifo ro-. koju od niih preporuiuiu. stevens
temi i za to daje viSe (videtiStevens,1996, 11. poglavlje).
;;;':t ;t;n'. ,klo"J't k" u"uli'i glavnilrkomponenata
pCe *"r.-",]iki i prikladna za psiho- Neki autori tvrde da nije toliko vai.navelidinauzorka ve6koliinik broia
;;;";;'6;ru.ai a" i" iednostavniia
itl;g;vaju neki od rnogudih problema sa'neodrede- subjekatai broja stavki (promenljivih).Nunnally (1978)preporriuje kolii.-
metriju, te da setl";
noSiu faktora'k.,i J;;i;it"";" bra (Stevens'1'996'str'363)' Tabachnicki nik 10 prema 1, tj. desetsluiajeva(opservacija) za svakusravkukoju treba
zakliudufu:'Kad1.rraLiteteoriisko faktorski analizirati.Drugi tvrde da je pet opservacijapo stavki dovolino u
Fidell (2007; o ruo,o p"ir.Trr'pce i cFA ve6inisludajeva(videtiraspravuu knjizi rhbachnick& Fidell, 2007).prepo-
variiabilnoS6u i variiabilnoSiugreSa-
reSenje nekontaminiranojedirrstvenom
^f.l...'Cfn
strane'PCA ie bolia za uobiiaienoem- rudujem vam da viSeproditate o tome, naroiito ako imate mali uzoiak
ie alatka za vas'S druge (manji od 150) ili mnogo promenljivih.
pirijsko saiimanjeskupapodataka',(str'635)'
'--odl,rdllu glavnih kompone- Drugo pitanje koje treba razmotriti jeste jadina korelacije medu pro-
sam da , oro- poglavliuprikaZemanalizu
menliivama(stavkama).Tabachnicki Fidellpreporudujuda seu matrici ko-
naa.ZadaljeistraZirr"nl"o,t^lihpristupa,videtiknjigukojusunapisaleTa-
relacija potrai.e koeficijenti ve6i od 0,3. Ako ih je malo, ti podaci su
bachnick
- i Fidell (2007)'
mnogl auton termr- neprikladniza faktorsku analizu.SPSSima dva testaopravdanostiprimene
Napomena:iako PCA strogouzevdaiekomponente'
,remoite pretpostavljatida faktorske analize:Bartletov test sferidnosti(Bartlett 19s4) i Kajzei-Mejer-
nom faktoropisuju rezuhateipce i cFA. Stoga
termin faktor. Faktorska olkinov (KMo) pokazateljadekvamosriuzorka (Kaiser,r970, r974). Bart-
;. ,;;., upotiebio CFA kada u dasopisuprodilte
'analizaje letov test sferidnostitreba da je zna(ajan(p < 0,05) da bi primena faktorske
opdti termin koiim se opisujecela ta porodica tehnika'
posledicaje zloupotre!".t-:iifaktor'koia analizebila opravdana.KMO pokazateljpoprimer vrednostiizmedu0 i 1, pa
ios ;"d.u obl".t -ogu/. ,abt"t" se0,6 preporudujekao najmanjiiznosprihvatljivza dobru faktorskuanalizu
statistidkih analiza' U
ima razlidita znatenja"iupotrebu ,ur.ri- vrstama
u
(Tabachnick& Fidell, 2007).
promenljivih; u tehni-
fuktorrkol analizi,ona seodnosi na grupu povezanih
na nezavisnu promenljivu. To su pot-
kama varijanse,ona se odnosi
"naiize stvari uprkos istom imenu. Nastoite da vam taz'lt'kaizmedu
puno razliiite Korak 2: tzdvaianjefaktora
izdvajanje (ekstrakcija) faktora obuhvata odredivanje najmanjeg brola fak-
U"a. jasna dok radite razne ana\ze'
"|n tora koji dobro predstavljaju meduveze u skupu promenljivih. posroje razni
pristupi za identifikaciju (izdvajanje) broja pripadnih zajednidkih faktora ili
Koraci od koiih se sastoii faktorska analiza dimenzija. Medu najdeS6edostupnim tehnikama izdvajanja su i:
upotrebljavam u
Faktorska analiza se sprovodi u tri glavna koraka. (Termin o analiza glavnih komponenata;
dakle' i za
smislu za bilo koju tehniku koja pripada ovoj porodici; .
"pSi"- g l a v n i h k o m P o n e n a t a ' ) analiza glavnih faktora;
analizu
. faktorizacija slike;
. faktorizacija metodom maksimalne
Korak1: ocenaprikladnostipodatakazafaktorskuanalizu verodostojnosti;
ana- .
Kada se utvrdujepriklud.tor, odredenogskupapodatakaza faktorsku alfa faktortzacija;
uzorka i jadinu veze iz- r neponderisana metoda najmanf ih kvadrata;
lizu, treba razmotriti dva glavna pitanJaru.liaitt,t i
autora o veliii.i uzorka
*"iu pro-enliivih (ili stavki).Iuko ," preporuke o op5ta metoda najmanjih kvadrata.
koefici-
razlikuju,svi seslaZuu jednom:Stove6i,1obolji' U malim.uzorcima' Kao sto je vei redeno, najie5ie se radi analizaglavnih komponenata i nju
jenti korelacijeizmedupromenljivihmaniesu pouzdani,i iesto se meniaiu.od .
iemo pokazati na primeru u nastavku. IstraZivirdtreba ,u- i" odredi broj
iz malih.t\lP""t podataka'
i"J""g"r.uzorka do dr,rgog. Zato faktori dobijeni iz velikih
faktora koji po njegovom/njenom miSlienju naf bolje opisuje odnose izmeclu
l"d" uopStekorirlidulu loSiierezultateod onih dobijenih'Istrazivad promenljivih. To znadi pronaii ravnotezu izmedu dva suprotna zahteva: naii
to pitanje i kazu:
uzoraka.Tabachnicki Fidell (2007) razmatraiu
jednostavno reienje s najmanjim mogu6im brojem faktora; i potrebe da se
objasni 5to ve6i deo v:rrijanseoriginalnog skupa podataka. Tabachnick i Fi- Korak3: rotacija i tumadenje faktora
dell (2007) preporuduju istraZivadki pristup, tj. da se eksperimenti5es raz- Kadaje broj faktora odreden,sledeiikorak je da pokuiareda ih prorumadi_
'rotaiiji'
nirn brojevima faktora dok se ne otkrije zadovoljavaju6e reienle. te.Da bi seovaj procesolakiao, pribegavase faktora.Time sesimo
Za odredivanje brofa faktora koje treba zadrLati postoji viSetehnika: reienjene menja, ali se struktura faktorskil ,.:z-1 (engl.factor loadlrgr)'_
tj. koeficiienallkorelacijeizmedupromenrjivihi faktola - predstavlju?ri.o
r Kajzerov kriterijum (kriterijum karakteristitnih vrednosti);
da serezulratrlakserumate.ier se rotiraniemmera m9rlia-p"rrp"kuun
. dijagram prevoja (engl. scree test); i fo_
smaffaniapodataka. NaZalosr,sPSSne ume da runlati faktore niri da im do_
. paralelna analiza. deli opise.on samo pokazujekoje su promenljive'zgomilanezajedno,.Na
osnovusopsrvenograzumevanja sadrLajapromenljivih (te pripadrr. *orl1.
i
Kajzerov kriterijum prethodnih istraLiuania),grgbasami da predloZitemogue" ir-n ien j a.
Medu najde5ie upotrebljavanim tehnikama je Kajzerov kriterijum ili krite- Rotirani faktori mogu biti ortogonalni(nekoreriran"i) ili kosi (koielirani).
rijum karakteristidnih vrednosti. Karakteristidna vrednost faktora je ukupna Tabachnicki Fidell (2007)kazu da ortogonalna.roracija dajeredenjakoja s.
varijansa svih promenljivih objaSnjena tim faktorom. Po ovom pravilu, za lakSetumaie i predstavljaju; medutim,njima seistraZivadu(obidno'ner"i.roj
dalje istraZivanje zadriavaju se samo oni faktori dije su karakteristidne vred- nameieda su i pripadni konstrukti nezavisni(nekorelirani;.u kosim
rotaci_
nosti veie od 1,0, zato 5to vef i originalne promenljive zbog standardizacije jama dozvoljeni su korelirani faktori, ari je njih teZeprorumaiiri,
opisati i
imaju varijansu 1. (Ovo ie vam postati jasnije kada proradimo primer u na- predstaviti(Tabachnick& Fidell, 2007, str. 63g). u praksi,
ta dvaprirr"p"
stavku poglavlja.) Medutim, Kajzerov kriterijum kritikuju da u nekim situ- (ortogonalnii kosi) destodaju vrlo slidnareienja, ,raroiiio
orrd^'kudr';"
acijama zadrL.avapreviSefaktora. strukrurakorelacijaizmedustavki jasna (Tabachnicks{ pia.lt,
zo07). Mno_
gi istraZivadiurade i ortogonarnui kosu rotaciju, a
u izveltaju pr.drturr. orr,,
Kriterijum dijagrama prevoja koja je jasnijai koju je lakdeprotumaditi.Nadajte
se da iete dobiti ono iro
Broj faktora semoie odrediti i Katelovimkriterijumom ili kriterijumomdi- Thurstoae(1947) naziva'jednostavnomstrukrurom,.
To ,,n ti d^je svaka
jagrama prevoja (Catell, 7966). Treba nacrtati karakteristiinevrednosti promenljivajako korelirala-sa samo jednom
komponentom (rj. da samo
tom faktoru daje veliku tezinu), ,',ruk'
(engl.eigenualues)svih faktora (SPSSto ume da uradi) i na dijagramu naii ko-pon.,ir" pr.Jrr"rr;a pomoiu
"
viSes njom jako koreriranihpromenljivih
taiku u kojoj se oblik krive menjai ona prelaziu horizontalu.Katel prepo- (tj. da ,,rukol faktoru viie pro-
menljivihd6 veliku teZinu).
ruiuje da se zadrie svi faktori iznad lakta, tj. prevojatog dijagrama,po5to
u te dve Siroke kategorije rotacija,
oni najvi5edoprinoseobfainjavanjuvarijanseu skupu podataka. spada vide razridirih tehnika spSS-a
(ortogonalne:varimax,-euarrimax,'
Eq,iu-"*, kose: Direct oblimin, pro-
Paralelna analiza ortogonalnihrotaciia upotrebrjava
li1.)'pokuiava
tcola 9a merodaVarimax,
""ii.-si;,.
da minimizfta Lrojpro-.nr,iuih
Sve popularnija tehnika, narodito u literaturi iz oblasti druitvenih nattka r rir;il;;;rJiur,ri- ur"a-
faktorskih teZina.N";irsei
(npr. Choi, Fuqua & Griffin, 2001; Stober,l'998), jeste Hornova paralelna llTt:"
uDLrmin'Poredenie rpo-trrbry"uun" t orn ,Jrr.i;a je Direct
aializa (Horn, lg65). Paralelna analiza znadi uporediti iznose karakteristic- navedenihvrr,, ,oi".ijn dato je u knjizi
ntck i Fidell aurorki rhbach-
nih vrednosti sa onima dobijenim na jednako velikom skupu sluiajno gene- Q007. str. gri-;;*dstavljenom u ovom poglavlju,
Prtkazaiuoblimin rotaciju.{_39),,U
risanilr podataka. ZadrLavaju se samo oni faktori iije su karakteristi.'uc' uv& bi trebalo da podnetesa oblimin roraci-
Jonr,poStoona claje
vrednosii veie od odgovarajuiih vrednosti dobijenih na nasumidno generisa- i stepenkorelacije izmedu faktora.
nim podacima. Dokazano je da je ovaj natin odredivanja broja porrebnrn
komponenata najtadniji, zato 5to i u Kajzerovom i Katelovom kritcriiutnu
post;ii sklonost ta precenjivanju broja ko-porr"rruta (Hubbard 6c Allen'
u
1C8z;Z*irk & Velicer,1986). Ako svoje rezultate nameravate da obiavtte
I
iasopisu posveienom psihologiji ili obrazovanju, moraiete da izrai'unate
predstavite rezultate paralelne analize. Mnogi dasopisi (npr. Educatiottal anu
-Psychological
Measurement, !ournal of PersLnality Asseism"nt) to postavlja'.
ju kao p.eduslov da rukopis uopite razmotre za objavljivanje. U nastavKu
poglavlla demonstrirademo sve tri tehnike u sklopu uradenog primera' ffgm**m*w
 Stur,a.ntreba: Skup koreliranihneprekidnihpromenljivih'
Primera
ObiaSnienie analize,istraziiu strukturu ledne od Stasepostiie:FaktorskomanalizompokuSavamo da prepoznamo(identifiku-
Da bih prikazala "o"ir.rr" faktorske mali skup faktora koji vezeu grupi povezanih
unutradnje
predstavlja
dostupnoina prateioi \(eb'lo- lemo)
skalau datoteci, poJuti-uu survey3ED'sav' promenljivih.
kaciii.Anketa;"Uifuo'mi(\enaza.istra.Zivanjefaktorako jiutiiunapsiho-
ispitanika' (Celovit opis studije Pretpostavke:
loiko prilagodenjei ;;;;;'iaspoloZt"je i ne-
rtotu bila ie skalapo_zitivnih 1. Veliiinauzorka.Idealnobi bilo da uzorakima preko 150 sludaievai da
videti u dodatku.)J.d;;;J upotreblienin \(atson'
Affect scale' PANAS: bude najmanjepet sludaievapo svakojpromenliivoj(videtiraspruvuu
gativnih oseianja pn[l' ru'snne and Nega.tiue
15.1. Ta"skala se sastoiiod dvadesetprideva koraku 1, u prethodnomdelu poglavlja).
clark EcTellegen,19"8;i,'rli["
desetpozitivnih (npr' po- 2. Podobnostkorelacionematrice za faktorizaciir't.Da bi bila podobna za
["ii"pir"i" ,irltiit^pri]iitka stanja/raspoloZenia,
i Jt"t (npr' nervozno' razdraLllivo'uz' faktorsku analizu, korelaciona matrica bi trebalo da ima barem deo
nosno, aktivno,
"dl"J;t "tgutiu"ih iastoji od dve dimenziie (ili
rujano). Autori skale tvrde dn ,e PANAS korelacijaveiih od r = 0,3. Barrtletov
pokazateljbi trebaloda bude sta-
oseianja' .U istraZivaniuove tistidki znataianvz p < 0,05, a Kajzer-Mejer-Olkinovpokazatelliednak
faktora): pozitivnog oseiania i ne.gativnog
skale biie podvrgrruteana-
,trrrkt,rr. ,-ru.trork,, postojeSezajednice'stavke ili ve6i od 0,6. Te brojevetreba navestiu rezultatima faktorskeanalize.
i vrednovanjeskala obiino se
lizi glavnih ko-pon.nuta (PCA)' Za razvoi 3. Linearnosf.PoStoje faktorska analizazasnovanana korelaciji, pretpo-
upolrebljava uPravo ta vrsta faktorske analize' stavljaseda su promenljiveu linearnojvezi.Svakakone bi bilo moguie
U k o l i k o i e l i t e d a p r a t i t e p r i m e r i o d m a h s p r o v o d i t e n a v e d eprateioi
nauPutstva' nacrtatii proveriti dijagramerasturanjasvih parovapromenljivih.Ta-
dostupl-l nn 'nasumiino izaberei proveri'
pokrenite SPSSi otrrorite datotek" survey3ED'1.a1 bachnick i Fidell (2007) predlazu da se
analizinoseoznakeod pn1 do
\(eb lokaciji knjige. PromenljivekoriSieneu neka kombinacijapromenljivih.Ukoliko se ne poiavi iasandokaz neli-
u anketi' Kada budete
pn20. Na slici 15.1 ;;;;;;"yitt:^ ie,skalakoriSdena nearne(krivolinijske)veze,najiei6e je bezbednonastaviti,ako su do-
pozivaiete sena te poiedinadne
pokubavaliau pror.rirulit. dobil"* faktore, voljni velidinauzorkai broj sluiajevapo svakojpromenljivoj(videti1.
date su u dodatku'
ituut.. Svepoiedinostii referenceza skalu pretpostavku).
4.Netipiine taike medu analiziranim sluiaieuima. Faktorska analiza
_@eopisu,juraznastanjaiosecanja.Za,svakustavku
tokom nekoliko posledn.lihsedmica. ume da bude osetljivana netipidnetadke,pa bi u sklopu procesapo-
naznaditedo koje mere ste se iako or"c"li
napi6ite broj od 1 do 5' detnogdi5ienjapodataka(videtipoglavlie6) trebaloda proveriteda li
Na linrlupored svake stavke
umereno prilidno izuzetnomnogo ih ima; ukoliko naidetena letipidne taike, uklonite ih ili reiifrujte na
vrlo malo ili nimalo malo
manieekstremnuvrednost.
-8'-ucveljeno
1S'-uzbudeno
1 .-zarnteresovano
2.-uzrulano 9'-snaino 16'-kao krtvac Postupakfaktorskeanalize
17'-oduSevljeno Prenego 5to zapodneteslededipostupak, otvorite meni Edit i u niemu izabe'
1O'-odbojno
3.-prestravljeno rite stavku Opiions; treba da i" potvtd.no polie No scientificnotation for
11'-razdraZliivo 18'-dilo
4.-ponosno small numbersin tables.
1 2'-nadahnuto 19'-nervozno
S.-posramljeno
13.-pa2ljivo 2O'-usplahireno
6.-odludno Postupak(1. deo)
7.-aktivno 14.-uPla3eno
1. U glavnom menijuna vrhu prozoraotvoritemeni Analyze, u njemu izaberite
osecanja(PANAS)
Slika 15.1 Skalapozitivnihi negativnih stavku Data Reduction, pa pritisnite Factor.
2. lzaberitesve potrebnepromenljive(ilistavkena skali).U ovom sludaju'ja bih
izabralastavke od kojih se sastoji skala PANAS (od pn1 do pn2O).Prebacite
Kratak pregledfaktorske analize in-raskala pozitivnih
ih u polje Variables.
Primer istraZivadkogpii""i* fol,t f"ttto"ttu strukturu 3. Pritisnitedugme Descriptives'
scale' PANAS)? Proila
i negativnih or"er.,|u'fnositiue *.,t1 Negative Affect U odeljku statistics treba da je potvrdeno polje Initial solution.
od dia faktora (pozitivno oseianje/nega-
istraZivanjaukazuju n" ,truktr.rrr.t U odeljku Correlation Matrix, izaberite opcije Coefficients i KMO and
studiii' upotrebljenoirrauzor-
tivno oseianie).Da Ii-iestr,rktu'askale-uovoi Bartlett's test of sphericity' Pritisnite
Continue'
ku postojeie'zajednice, saglasnas prethodnimistraZivaniima?
4. PritisnitedugmeExtraction.
U odeljkuMethod trebada pi5ePrincipalcomponents(ili izaberiteneku
drugutehnikuizdvajanja faktora,recimoMaximum likelihoodtj. metodu 1, 0 0 0 ,346 .352
-.139
maksimalne verodostojnosti). PN2 -,141 -,127
PN3 - . 15 2 , . 10 2 -.097
U odeljkuAnalyzetrebada je potvrdenopoljeCorrelationmatrix. PN4 .346 1.000 .295
U odeljkuDisplay,pritisniteScreeplot;trebada je potvrdenoi poljeUnro- PN5 -,071
-,067
tated factor solution. PN6 ,352 ,295 1,000
PN7 .407 ,331
U odeljkuExtracttrebada je izabrano radio-dugme Eigenvaluesover 1, ili, PN8 -,250 -.r52
.329
-.048
kadaZeliteda zadatebroj faktora,pritisniteNumber of factors i upi5itetaj PN9 . 4l 6 ,396 .426
broj.Pritisnite
Continue. PN1 O
".056 .Q77
PNl I , . 17 9 -.043
dugmeRotation.lzaberite
5. Pritisnite DirectOblimini pritisnite
Continue. PN1 2 .482 , 3 15 ,401
6. Pritisnite
dugmeOptions. P N 13 .491 ,329
PN14 - . 15 1
U odeljkuMissingValues,pritisniteExcludecases pairwise. PN1 5
- , 10 7 -.090
.413 . 3 17 ,276
U odeljkuCoefficientDisplayFormat,pritisnite Sortedby size i Suppress PN16 -,177
",121 ,.099
absolutevaluesless than_. U to poljeupi5ite0,3.Toznadida ce bitipri- PN1 7 .562 ,368 .396
P N 18
kazanesamofaktorske teZineveceod 0,3.da bi se rezultati
lakSetumadili. .466 .338 .451
PN'9 -,148 -,124 -.050
7. PritisniteContinuei zatimOK (odnosnoduomePaste da bistekomandu PN2O .,176 -,171 ..025
snimiliu SyntaxEditor).
Ovajpostupakgeneri5esledecukomandu: KMO and Barilenb Test
-Meyer-Otkin
Measure
orSEffin[ Ad6!@
FACTOR 874
/ V A R I A B L EpSn 1 p n 2 p n 3 p n 4 p n 5 p n 6 p n 7 p n 8 p n 9 p n 1 0p n 1 1p n ' l 2
restotSphe.icity
p n ' 1 3p n 1 4p n 1 5p n l 6 p n 1 7p n 1 8p n 1 9p n 2 0 Approx chi-Squa*
| 3966.539
dt
/MISSINGPAIRWISE /ANALYSIS pn1 pn2 pn3 pn4 pnS pn6 pn7 pn8 190

p n 9p n 1 0p n 1 ' lp n 1 2p n 1 3p n 1 4p n 1 5p n 1 6p n 1 7p n 1 8p n ' 1 9p n 2 0 000

/PRINTINITIALCORRELATION KMO EXTRACTION ROTATION
/FORMATSORTBLANK(,3) lotal Variance Erclain6d

/PLOTEIGEN iomponenl
Extraclh'n Sums ot Sou{6d Loddinos
Iota I ?,6ol Varianc
Cumulative 06
/cRrTERrAMTNEIG EN(1) TTERATE(2s) 6.250 31.249 31 249
Tolal
6.250 3l,249 31,249
/EXTRACTION PC 3,396 16.979 44.224 3.396 16,979 48.22A
/CRITERIAITERATE(25) DELTA(O) 1.223 6 , 1l 3 5 4 . 3 4I 1,223 6 , 11 3 54 341
1 , 15 8 s,788 60.130 '|
/ROTATION OBLIMIN ,898 4,430 64.619
,'158 5,788 60 i30

/METHOD:CORRELATION . ,785 3,926 68,546

.731 72,201
.655 75,476
Evo kako izgledaodabranideo rezultataprethodnogpostupka. .6s0 3.248 78,724
,60! 3,004 41.728
2.92a 84.656
l
.499 2,4ss
I a r . r sIr
t3
.491 I zasal es,ooz
..gc I
I I
r,s64 e1.s71
I | |
,375 r.B75 e3.446
| | |
,33r e5.100
J I |
,2ee 1.4e6 e6,5s5
I | |
,2e3 1,414 e8,0r0
r9 | I |
'2x I 1 . 1 1 7| ee,126
|
,o ,175| erq I 1 0 0 . 0 0 0|
ettractm Method: ftincrgal Component Analys6
 tj"!9 nlla .l
190 Deo lV: Statistidke tehn ike za istraZtvan;tuut"litYlu-.lp Poglavlje 5: Faktorska analiza 191

Pattern Matrixa

Component
1 z 4
pn17 ,oJo
pn12 ,795
p n l3 ,735
p n1 8 7at
p n1 5 ,721
pn1 ,708
G
c pn9 ,638
p
u pn6 604
pn7 578
pn4 531
pn3 ,909
pn14 ,8BB
C o m p o n e n tM a t r i x a
p n1 9 ,799
pn2O ,677
pn8 ,477 413
474 p n 10 BOB
,404 p n 11 707
,621 pn2 ,434 473
-.o lq .420 pn5
,830
.609 .323 pn16
,773
,607 ,413 Extraction
Method
: eiiffisrs.
,600 ,381 RotationMethod:Obliminwith KaiserNormaliiation.
-,591 .408 a. Rotationconverged in 8 iterations.
-,584 ,449
456
,582 ,497
-.569 .545
-,554 .366 Tumadenjerezultata
-.545 .459 Kao veiina ostalih SPSSprocedura, i ova daje
mnogo rezuhata.u ovom
.474 odeljku,proveiiu u", kro, kljudni deo potrebnih
informaciia.
,477 ,483
.432 .437 Korak 1
Kako bisteproverili da li je skup podatakaprikladan
za fakrorskuanalizu,
pogledajteda li
ie vrednosrpokazatellaKaiser-Meyer-olkinMeasure of
(KMO) jednakaili veia od 0,6 i au n je vrednostpo_
iliptl:s3d:qu.ug
t<azatelja
a E x t r a c t i o nM e t h o d :P r i n c i p aC
l omponent Analysis' Barlett'sTest of sphericity znatajna (tj. da je vrednostsig. 0,0j ili
ovom.primeru, pokazateliKMo iznosi 0,g74, a i Bart'ietovpo-
i11"i.l: !je
<azatelj znadajan(p = 0,000),te je faktorska analizaopravdana.U tabeli
CorrelationMatrix (koja ovde nije prikazanazbog ograniienogprostora), r:r,'..e se program

}ltff,$f
potraZitekoeficijentekorelaciieiednakeili veie od 0,3 (videti2. pretpostav- Monte Carlo I

p;{+d:#
-..J:.f

iii;''"'";,'*',rl*:#i{fu
ku). Ako ih u va5ojmatrici nema ba5mnogo, razmotriteda li ie faktorska
analizatakvih podatakauopite opravdana'

Korak 2
Da bismo odredili koliko komponenata(faktora) da izdvoiimo, razmotri(e- t u."t *.i,ir*;';;i::.:l iil? U]il*:
,i1;'i,Tlii,?""'1:l'-'ri'"i.ri!i'.-i{"11?* i' i p';k; ;i,'.,i"1
nro deo rezultata.Po Kaizerovomkriterijumu,zanimajunas samokompo- rabeli 15.1).
-vvrrv*r H JT:i"' sludajnih
L'r ruu ttzoraka 1vrecrn brojeva lvideti
;;';
nente dila je karakteristidnavrednost 1 ili vi5e.Da bismo odredili koliko
komponenatazadovoljavataj kriterijum, pogledaiemotabelu Total Variance ',"H'",:T;;iiff ,oi:*"- uporeclite
Explained.Proiitajte brojeveu prvih nekoliko kolona, pod zaglavljemInitial
Eigenvalues.Navedene su karakteristiine vrednosti svih komponenata. U
ij.1.Ji*";:T"'Jtr*{Hf,ilTlJffi
e-,'r+;;.*l.;,"i,&::if,t:: j .xi11;#'r-'
?j - d,,i;;
;;
rimeru. fi;;,r,:ff"i"i111
ovom primeru) salno prve ietiri komponenteirnaju karakteristiine vrednosti
iznad 1 (6,25, 3,396, 1,223, 1,158). Te detiri komponenteobjainjavaju
:,Ufl ;; ;+i"1r m r :*:;,
"".":i
: #'i]'.X ::g
ukupno 50,13 procenatavarijanse(videtikolonu Cumulative7"). ::f ,:;:f .l "i:1"
za<triimosamodvai-:#,"1';';il"'il:"Hi:"::-rff.tistraiivani
Korak 3
Videieteda je broj komponenatakoje zadovoljavajuKajzerovkriterijum de- Tabela15.1:Rezultatiparalelne
analize
sto prevelik,pa obaveznotrebapogledatii dijagrarnprevoja(Screeplot) koji
je SPSSnacrtao. PotraZitena njemu prevojnu taiku. ZadrLavajuse sarno 7/03/2004 'l
1 : 5-8-: 3 2A M
Nurnberol varrables.
komponenteiznadte tadke.U ovom primeru,sasvimje jasanlom dijagrama ;;
Nurnberol subiecls
na spoju drugei tredekomponente.Komponente1 12 objainjavajumnogo Or,
r \ u m D eor f r e p l r c a l r o n s
l0O
veii deo varijanseod preostalihkomponenata.Na osnovuovog dijagrarna, Eigenvalue
RandomEigenva,ue
1 standardDev
preporuiila bih da se zadri.esamo dve komponente(tj. izdvoje samo dva z 1.3984
f'aktora).Postojijoi jednatadkaloma, posleietvrte komponente.U zavisno- 3 13277 ::::
4 1,2733 ::::
sti od kontekstaistraZivanja,i njoj bi moZdatrebalo posvetitipaZnju.Ne 5 1 2233
.v.e1
,0236
zaboravite,faktorska analizaje tehnika istraZivanjapodataka,pa su tuma- 6 r,1832
t 1 1433 :]:l
denjerezultatai naiin na koji iete ih upotrebitiprepultenivaiem sudu,a ne g 1..,052
w.uo
bilo kakvim dvrstimi strogim statistiikim pravilima. j.o6z9 ,0192
9
.l n 107
10 .0389
0186
lr 1.0033
n1q"
Korak 4 12 O9 7 1 2
orSo
13 o.93BO
Treii nadinodredivanjabroja faktora koje treba zadrLatijesteparalelnaana- o.9os1
,417s
|4 n 1e 7
liza (takodeobradenau prethodnomdelu poglavlja).U tom postupkukoristi 15 0.8733
.16 .o l z9
sespisakkarakteristiinih vrednostidat u tabeli Total VarianceExplainedi jod 0,8435
,0187
t7 o.B.ro7
neki brojevi koje morate pribaviti iz jednog drugog statistiikogprograma i8 0.7804
n 1pq

o19o
(koji je napisaoMarley Watkins,2000), dostupnogna prateioj \X/eblokaciji 19 o . 74 4 g
.0194
20 o,/o9o
knjige. Sledite hipervezedo Web lokacije Additional Material i tamoinju /to3t2oo411b8:bo 0 6582
komprimovanu datoteku parallel analysis.zippreuzrnite na svoj raiunar. AM 33i:
pcAforpararler
Anarys
Raspakujteje na ivrsti disk i pritisnite datoteku MonteCarloPA.exe. ;l::j:c^1,:
Watkrns, s
M * ,r0ool"r".,#,
pA Eoapsvc.,'nl;:;;;r"""''tPCArorpararrer
anatysis[coTDutersolware]
srarecolleop
 Pl vl I ler rrjrYrr I
Poglavlje 15; Faktorska anahza
19
vrednostidobrjenihu PCA i vrednosti
Tabela15.2:Poredenjekarakteristidnih Communalities
pragadobijenihparalelnomanalizom

Redni broi Stvama karakteristiina Vrednost dobiiena pn2 1,000

komponenle wednostiz PCA paralelnom analizom Odluka pn3 1.000 .543
pn4 1.000
6.250 1.3984 prihvatiti ,308
r,000 .258
2 3.396 1.3?77 prihvatili pn6 1,000 .377
1.2733 odbaciti pn7 1,000
3 I zlJ .445
pn8 1.000
1.158 1.2233 odbacili ,553
'r.000
,cta
5 898 1.1832 odbaciti pn10 1,000 ,355
p n 11 1.000 .440
pn12 1,000 ,586
pn'13 '1.000
,s38
pn14 1,000 .548
Korak 5 pn15
pn16
1.000 .462
poslednjatabelakoju treba pogledatije 1,000
Vraiamo se na rezultateiz SPSS-a; pn17 1,000
ComponentMatrix. U njoj su nerotiranefaktorsketeZinesvakeod stavki po18 1,000
pn19 1,000
(promenljivih) za te detiri komponente (faktora). SPSSpodrazumevano
r,000
upotrebljavaKajzerovkriterijum (zadri.atisvekomponentedije su kerrakte- Extractron
uetnooFtiiZrEfriiiinl Anatvsis
ristidnevrednostiiznad 1). Videdeteu tabeli da veiina stavki ima pristojno
velikefaktorsketeZine(iznad0,4) za prve dve komponente.Vrlo malo stavki Tota, Variance Explained

uopite ima faktorsketeiine za komponente3 i 4. To ukazujeda bi reSenje sa

Extraction
sumi oi5fri?ei
sarnodva faktora bilo primerenije.

Korak6 3,396 16,979 48,228

1,223
Prenego5to donesetekonadnuodluku o broju faktora, trebalobi da pogle- 1,158
6 , 11 3 54,341
5.788 6 0 . 13 0
date re5enjesa detiri rotirana faktora prikazano u tabeli PatternMatrix. Pri- .898 4,494 64,619
6
kazanesu faktorsketeLine(veie od 0,3) za ta detiri faktora; komponentaI 7
,/65 3,926 68,546
,731 72,201
inra desetfaktorskih teZinaiznad 0,3, komponenta2 pet,komponenta3 de- I
.o f , 5 3.275 75.476
I
tiri, a komponenta4 samodve.Idealnobi bilo da svakakomponentaima tri OJU 3,248 78.724
10
,601 3,004 81,728
ili viSefaktorskih teLina,pa ovo reienje nije optimalno, Sto joi jednom po- 1'1
,586 2,928 84,656
12 ,qa
drLavanaiu odluku da zadrLimosamo dva faktora. 13
2,495 87,151
.491 2.456 89,607
14
Uz SPSS-ove podrazumevaneopcije dobili smo reienje sa detiri faktora. ,393 1,964 s 1, 5 7 1
15
.J/f,
Moramo se vratiti i nametnutireieniesa dva faktora. to
,331
1.475 93.446
1,653
.299 't,496
,283 1.414
Postupak(2. deo) ,223 1,117
.874
Ponovitesve korakeiz 1. dela postupka,ali nakonStopritisnetedugmeExtrac' nalysis
sums of squaredloadings
tion, pritisniteNumberof factorsi upi5itebroj2. Pritisnite
Continue. cannot be added to obtarna total variance
Evodelatih rezultata.
 Poglavlje15: Faktorskaanaliza 19
ComPonent Matrixa

Component Structure Matrix

.t
p nr / ,trl9 .474
p nl 8 .639 .4U
pn7 ,6?1
pnB .614 .420
pn9 .609 .323 pn17 ,828
p n 13
pn1
.607 .413 pn12 ,763
,600 .381
pn2 .591 .408 p n 18 ,755
pn3 ,584 ,449
pn14 .456
p n1 3 ,733
,583
po12 .582 ,497 pn1 ,710
p n 1g ,545
pn'l1 .l)4 ,366
pn9 ,683
pn2D .545 ,459 p n l5 A7n
pn4 .474
pn16 ,474 ,357 pn7 ,040 -,338
pn5 .429 pn6
pn15 ,477 ,483 ,605
pn6 ,432 ,437 pn4 ,553
pn10 .416 a)a
p n1 9
ExlractronMethod PrincrpalComponentAnalysis ,784
a. 2 componentsex'tracted pnB
,t.+z
pn14
,740
Pattern Matrixs pn3
,737
ComDonent pn2
2 ,717
1
pn20
pnl t ,aa3 ,712
pnl2 .781 p n 11
p nl B .742 ,66'1
pn'l3 pn16
.728 ,593
pn15 ,703 p n l0
pn1 ,698 ,590
png pn5
pno
,656
.oJ3
,505
pn7
pn4 .540
pn'19 ,B06
pn14 .739
pn3 ,734
pnB ,728 ComponentCorrelationMatrix
pn20 ,718
pn2 .7M
pn'l1 ,645 omponent 1 a
p n 10 ,6'13 ,| L

pn16 .589 1,000 -,277

pn5 .490 z -,277
xtraction Method Princrpal Componenl Analysis.
1,000
Extraction
trrtffi
Rqtatron Method Oblimrn wilh Karser Normalzalron
Rotation ty",r.
a. Rotation converged rn 6 iterations. Method: Obtimin
witnxaiseirrroirJii"t,on.
198 veza izmedupromenlJlvln
Deo lV: Statistidketehnikeza istraZivanje Poglavlje i S: Faktorskaanaliza 199

Tumadenierezultata stavkubisteizbacilisaskale.Uklanjanjestavkis malim delom

vaniansekoii
(2. deo: oblimin rotaciiadvofaktorskogre5enia) je objainjenzajednidkimfaktorima,obidnopoveia
ukupnu ,bj"s;;;;, #l]
Prvo treba proveriti procentualniudeo variianseobja5njenovim dvofaktor- jansu.vrednostizajednidkogvarijabilitetaznatno se
menjajuu zavrsnostiod
skim reSenjem, prikazan u tabeli Total VarianceExplained.Dvofaktorsko broia zadtianih faktora, pa ih je obidno bolje interpretirati ,ruko'
odredi_
relenje objainjava samo 48,2 procenatavariianse,dok ietvorofaktorsko vania (na osnovudilagramaprevojai paralelneanalize)broja faktor"
f..;i c.
reienjeobiainjavapreko 60 procenata. biti zadrLani.
Nakon'rotacijedvofaktorskogreienja,treba pogledatitri nove tabelena upozorenie:U ovom primeru smo dobili vrlo ,dist' rezultat.
Svakapro_
kraju rezultata.Prvo pogledajtetabelu ComponentCorrelationMatrix (na menljiva je samopo jednoj komponenri dala veliku f"ktorrk.,
iezi.,u i ,uikoj
samomkraju rezultata).Tu je data jadinakorelacijeizmeduta dva faktora (u komponenrisu brojne promenljivedale velike faktorsketezine.
(To je pri-
ovom sluiaju, korelacijaje sasvim mala, -0,277).Na osnovu tog podatka mer 'jednostavnestrukture'.)Raspravuotome videti u knjizi
koju ,;;;;
treba zakliuditida li ie bila opravdanapretpostavkada te dve komponente sale Tabachnick i Fideil (2007, str. 647). NaLaLor,,tuto jednostavan
nisu uzaiamnozavisne(5toje pretpostavkaza ispravnostVarimax rotacije) r-ezukatse ne dobija za svepodatke.promenljivedestoiaju
umerenovelike
ili treba primeniti (ovdeprikazano)reienjeoblimin rotacijom i njegapred- faktorske tezineraznim komponentama, .,.ii- t o-po.r.rrr"ma
faktorske
teZinedaju samojednaili dve promenljive. "
staviti u izveitaju. U takvim .iuf"i"ui_", moZdabi
u ovom sludajuje korelacijaizmedute dve komponentesasvimmala, pa trebalorotirati neki drugi broj komponenara(npr. jednu.ris. j"dr*
i manje)
odekuiemoda Varimax i oblimin rotacijedaju vrlo slidnareienia'Medutim, da sevidi moZeli se.otkriti.boljereienje.Kada utvrdit. dn
rr.k. promenljive
kada su komponentejadekorelirane(npr.iznad 0,3), videieteda 6eserezul- naprosrone daju tezinedobijenimkomponentama,razmislite
o tome da ih
rati tih rotacijarazlikovati.Tada treba uraditi oblimin rotaciju i u rezultati- uklonite i zatim ponovite analizu.Da biste umeli da donesete
takve odluke,
ma navestinienoreienje. proditajte5to viSeo rome-Razumljiv prirudnik za podetnikej"
r.";igu koju su
Oblimin rotacija daje dve tabele faktorskih teLina.U tabeli Pattern Ma- napisaliPett,Lackey& Sullivan(2003).
trix prikazane su faktorske teZine svih promenljivih. Da biste prepoznali
znaienjekomponentei dali joj prikladno ime, potraZitestavkes najve6im Predstavljanjerezultatafaktorske anarize
faktorskim teZinamaza niu. U ovom primeru' glavnefaktorske teZinekom- vrsta i kolidina informacija koje treba navesti
ponente1 daju stavke1.7,L2,1B i 13. Proditajte(na slici 15.1)nazivetih u odeljku rezultaramenja seu
zavisnostiod oblasti istraLivanja,vrste izveitaja
stavki i videieteda seradi o pozitivnim oseianjima(oduievljeno,nadahnu- koji sepriprema i mestana
oblavlien.oni.koji_objavljuju radove iz oblasti psihologije
to, tilo, paZljivo).Glavnestavkeza komponentu2(1'9,14,3,8) jesunega- Iln::_qtti -olri., da zadovolje.stroge zahteveu pogledu
i
tivna osiianja (nervozno,uplaleno, prestravljeno,usplahireno).U ovom ?ij?!i,\^Ir":,
saqrzalaclanka o istrazivanjukoje ob"u.inog
obuhvata faktorsku inlliru.Treba nave_
sluiaju je prepoznavanjeznalenjai imenovanjekomponenatabilo lako, ali sti pojedinosti o uporrebljenojmetodi
izdvajanjafakrora,kriteri;umima po-
nije uvek tako. modu kojih je odreden broj faktora
(medu njima obaveznoi paralelnoj
U tabeli StructureMatrix, koiu u sklopu rezultatadaje samooblimin rota-
vrsti rotacijefaktorn (npr.Varimax, Oblimin), ukup-
cija,datesu korelacijeizmedupiomenljivihi faktora.Kada sepredstavljaob- llllll=:q:trebljenoj
rrol varijansi,podetnimiznosimakarakteristidnihvrednosti
limin rotirano reienieu izveitaju,daju se obe tabele' .obJasnJenoj i iz-
rrusrma nakon rotaciie.
u prethodnom delu rezukatadata je tabelacommunalities.u njoj su bro- tr1b1 prikazati sve faktorske teZine(ne samo
deo varijanseza sv3- one iznad 0,3).
levi ktji predstavljajuzajednidkimfaktorima obiaSnjen ctobr;enoVarimax rotacijom, tabelu treba nazvati,faktorske
t' pro-.nljivu (stavku).Mali brojevi (npr.manji od 0,3) moZdaukazujuna ""11?:?-t""o
;^::"_l:,t.t..n;e
k.orelacijepromenljivih i faktora'. Ukoliko je reienje do_
to da seta stavkane uklapadobro u svojukomponentu ostalimstavkama.
sa ;:i:::,^|?:_"cr;enti
oor:-11 roracijom,rrebazasebnonavesrii
na faktorske trijn" i koefici-
Primeraradi, u ovom d'oofaktorskomreienju,stavkapn5 ima,-u odnosu ,^:'::
^rrte Koret?crre promenljivihi faktora (mozei u istoj
ostalepromenljive,najmaniizajedniikimfaktorima objaSnjendeo variianse' koeficijente medusobne korelacijefaktora.
tabeli, kao dole), te
tj. zajeinidkivarijabilitet(engl.communality)od 0,258' a i najmanjufaktor-
po-
sku teZinu(0,49)za komponentu2 (videtiPatternMatrix). Da sebavite
boljSavanjem ili preiiSiavanjemmerneskale,na osnovutakvih informaciia
 u gornlem prllneru mogli bi se Predstaviti
Tabela 1: Matrica faktorskihte2inai koreracijapromenrjivih
Rezultati faktorske analize i faktoraza pcA sa
oblimin rotacijom dvofaktorskog reienja za stavke
skate pANAS
ovako:
Stavka FaktorsketeZine Koeficijentikorelacije
(Positiveand NegativeAffect Deo
i nugutiunihoseianja promenljivihi faktora
20 stavki skale pozitivnif varijanse
pANAs)
scare, j" il;il::lt:"
biro nli;::::^Tf"i:-H:Ji-",1'.l
li;
podataka
prikradnost
l;ffi;';j; eC{ ocenjena
u];r-" objaSnjen
;:ifr 53i3:Jil: p'"gi"ao* korelacionematriceotkriveno mnogo
je ko- za;ednidkim
za faktorskuanalizu' inovog pokazatelja faktorima
Ut"9::"..:*"t-Mejer-Okl Komponenta Komponenta Komponenta
eficijenatavrednostitSY "*"' O'O(Kaiser'1970' 1974)'I
Komponenta
I 2
bio je 0,8?,5to premaSuielregolu6;1y,Yt",!no"tje statisti6ku
I
2
(Aunl"u' 1954) dostigao znadajnost' 17 odu5evljeno -0,0.1
0,825
Bartletovtest sferi6nosti 2 0,828 -o,241
0,686
korelacionematrice'
Sa ."" ,l-uje na faktorabilnost detirikomponente s karak-
12 . n a d a h n u t o o,781 o,067 0,763 - 0 , 14 9
Analizaglavnihan1o"""""l otrrila1eprisustvo 18.dilo o,742 -o,047
o,586
i S'aVo
31'"'-':,tll'^2'^Ut'1% 0,755 -0,253
teristidnim vrednostima preko1' kojeobja5njavaju 0,572
prevoja,utvrdeno je postolanje_jasne tadke 13. paZljivo 0,728 -0,020 0,733 -o,221
varijanse.pregredomiiiugr"." kriterrjuma (1966) odlude- 15. uzbudeno 0,703
0,538
Katelovog
lomaizadrugekompo;;;"' Na osnovu
0,119 0,710 -0,236
o,462
zadr2edve komponente'To su podrZalii rezul- 1. zainteresovano 0,698 -0,043
no je da se za daljei"t'"Ziu"ni" vrednosti 0,683 -o,278 0,505
analize, sa samodve komponente 6ijekarakteristi6ne 9. snaZno 0,656 -n no"
tati paralelne pomocu velike ma- o,670 -o,076 o,475
prema5uju oogouurafiil u'"Ano"tipragadobiiene lednako 6. odlu6no 0,635 o,107 0,646 -0,338
435 ispitanika)' .. o,377
iricesluiajnihbrojeva(20 promenljivihx 7. aktivno o,599 -o,172
objasn O.U'
ilo1eukupno 0,605 -o,069 o,445
Todvokompon"ntno'"Sunje ?tf l:liifl:?'
17'00/o' ?t:?il:
Dabise 'akse 4. ponosno 0,540 -0,045
j" #il"s;'.t;;;""te a 2' komponente
3i,256/o' 0,553 -n 10F
0,308
je rotacija'Rotirano 19. nervozno
te dve komponente'sprovedena oblimin
0,079 0,806 -o,144
protumadile 0,784 0,620
(Thurstone' 1947)' pri 6emu 14. uplaSeno -0,003
re6enjeje otkrilopostoj-anf" f"J""i1."1'"estrukture 0,739 -0,253 o,742 0,548
3. prestravljeno -0,01
0
o b e k o m p o n e n t e i m a l u m n o g o v e l i k i h f a k t o r s k i h tte
e2inaisvepromen|jivedaju o,734 -o,207 o,740
Tumadenje dvekomponente 0,543
znatneteZinesamopo l"anoioOkomponenata' 8. ucveljeno -0,052 o,728 -0,213
istraiivanjima skalePANAS'pri demusu stavke o,737 u,cc3
biloje saglasnos prethodnim ose-
2O. usplahireno o,o24 -o,242
1' a stavkenegativnih o,718 o,717
pozitivnih osecanjadaleveliketeZinekomponenti negatlvna 2. uzr$ano -o,o47
o,507
2' lzmedu.ta dva faktora postoji slaba o,704 - 0 , 17 5 o,712
canlavelikete2inekomponenti 1 1. razdrailjivo -0,057
0 , 5 16
0,645 -o,236 0,661
kore|acija(r:-0,28)'RezultatioveanalizepodrZavajukoriscenjestavkipozt- o,440
Stosu
oseialJl.uoblikuzasebnihskala'kao
10. odbojno
0,080
tivnihosecanjai stavkinegativnih 16. kao krivac
0,6r3 -o,176 o,593
-0,013 0,589 -0,090
or"afoZifiautoriskale(Watson,Clark&Tellegen'1988)' 0,590 0,352
5. posramljeno -0,055
0,490 - 0 , 19 1 0,505 0,258
Napomena.Podeb|janesug|avnefaktorske,"zin",t.o"tffi
U i z v e S t : r j u t r e b a n a v e s t i i m a t r i c u s v i h f a k t o r s k i h t e Z i n a ( nreSenie
esamoonih
od 0,3) i matri* L"r"L.,i" promenliivihi faktora. ukoliko ie
veiih
navestii faktorsketeZinei ko- Ako rezultare u??li1:predstavljateu tezi (zarazliku od dasopisa),
dobiieno oblimin t;;i;;'-;;i.11"ttr'"3 tre_
(moZei u istoi tabeli,kao dole)' te "u.
balo bi da u dodatak
eficijentekorelacijepr"-."iiitih i faktora faktorsketeZi-
ukrjuiiti i d;.;;;evoja i tabelunerorira'ih fakror-
koeficijentem".l.'sobn"e r.o,.r".i;. faktora.Da bistedobili sve lltl-t:''t":
(iz-ta.bele
component ita?rrir.fr"ko bi ditaract"r, jobio
priliku
(npr' u ovom oa proveri slazeli se s
ne, morate ponoviti za odrrbranokonadno reSenie vaiorn odlukorn d,a zad,rlitern-o du.L*ponenre.
"""li"t ali ovoga puta uz iskljuienu op-
sluiaju za dvofaktorrt .r-otrti-in roraciiu), (videti odeljaksa opisom po- -.-Predstavljanjerezultarau aasopiruolitno je mnogo krac.e,zbog ogr:r-
prosrora.ukorikozerire daviditeobjavr;."tr"i"r"?lLo.rt ol o,ru_
ciju da se prikaZu,otno tto"fitiienti-iznacl0'3 uklonite ill:tno*
Irzr'potraiireg. na
stupka). pritisnite d;i.;; i u odeliku coefficient Display Format ig-r:ti http://www-rrqro.."-)."";;3/fi; iri sredite
less than nlpervezena prarec<oi
ub'olrrt" values '3' rVeb lokacili ove knjige.
kvadicu iz drugog p"ii", S"ppt""
DodatneveZbe
Poslovnookruienje
Datoteka s podacima:staffsurvey3ED.sav.
dodatku.
Poiedinostio datotecivideti u DEO V
1. U skladu sa uputstvimadatim u celom poglavlju,sprovediteanalizu
glavnihkomponenatasaoblimin rotacijomza desetstavkislaganja(od
Qla do Q10a) koie sadinjavaiuanketu Staff SatisfactionSurvey.Vi-
Statisticketehnike
deiete da dijagram prevoia ukazuje na to da treba zadrl'atisamo iednu
komponentu,iako dva faktora imaju karakteristidne
1. Pokrenite paralelnu analizuza 523 sludaia i 10
vrednostiveie od
stavki.Njeni rezul-
za poredenjegrupa
tati pokazujuda samo jedna komponenta irna karakteristiinuvrednost
koja premaiujeekvivalentnuvelidinudobiienuiz skupa sludainih bro-
jeva,5to ukazujena to da stavkeskaleStaffSatisfactionocenjujtrsamo
jednu zajednidkudimenziju(faktor). u petom delu ove knjige,istraiujemo neke spSS-ovetehnike
za ocenjivanje
razlikeizmedugrupa ili okornosti.Te tehnikesu vrro
,r"t;;. , osranjajuse
Zdravstvo na obimnu reoriju i statistitka nadela.pre nego sto ,npo!,r.te
Datotekas podacima:sleep3ED.sav. Pojedinostio datotecivideti u dodatku. analizu u
sPSS-u,neophodnoje da steknetebaremel.-elt"rno rnlr,l"
o statistidkim
1. Pomoiu postupakaprikazanihu poglavlju 15 istraZitezajednidkuos- tehnikamakoje nameravateda upotrebite.U tome uu-
-oz. pomoii *no-
novu niza pitanja osmiSlienihza ocenuuticajaproblemasa spavanjem go dostupnih udzbenikaiz staristike.(Na kraju r.";rg., ; oirt;tu prepo-
na razne aspekteLivota.Te stavke su nazvaneod intpactl do intpactT. rudenalireratura,dat je_spisak "u"
nekih prikladnih naslovi.iriii" ui dobro da tu
Pokreniteparalelnuanalizu(za 1'21'sluiaj i 7 stavki)da bisteproverili gradupregledateodmah.Tako bistelakSeshvatili
5taSpSSizradunava, srato
koliko faktora treLtazadri.ati. zna(i.i kako protumaditisloZenenizove brojeva
u njegovimrezultatima.U
nlrgfnim poglavljimapretpostavljamda vef imare
orroun" znanJaosrari-
stici i da poznaierenjenu terminologiju.

Tehnikeobradeneu petom delu knjige

Za ispitivanjeznadajnihrazlikaizmedugrupa
posroji ceo niz rehnika.pro-
gramski paket SPSSsadrzi mnogo
rtntir"titkrh t"hrril", a ovcleiu obraditi
samoone glavne,i to i parametaiske par:amerarske
i neparametarske. tehni-
na viSeprerpostavkio populacijiiz koje je izvudenuzorak (npr.
:: l_otlu'rl
qa su rezultatinormalnoraspodeljeni) iprirodi tih podaraka(da su mereni
na intervalnimskalama).Neparametarske
tehnike,r.-nj,., ,"ko ,rrog. pr.r-
p-ostavke i destosu prikladnije,a male uzorkeili kada ,,, prit
tzmerenisamo na ordinalnim_ uptl"ni podaci
skalama(diji se iznosi -og., ,u.riirati). u na-
rednoj tabeli dat je spisaksvih tehnika
obradenih, ouoi, pogr?ur,".
 obra-
ekuiualenata Pre nego 5to se upustimo u istraZivanje
Lista Pdrdmetarskih tehnikai niihouih neparametarskib nekih dostupnih tehnika, treba
razmotriti viSe zaiednitkih pitanja. Te teme
denilt tt Petom delu ie biti ,"i"uorrrn" za mnoga
poglavlja iz ovog dela knjige, pa iete se vraiari
ovde kako iud"t. prorazili
kroz ostatak knjige.
hi-kvadratza kvalitet
aproksimacije (fitovanja)
hi-kvadratza nezavlsnost Pretpostavke
U test
Man-Vitnijev Na nekim opitim pretpostavkanapoiivaju sve ovde
T-test nezavisnihuzoraka razmotreneparame_
Vilkoksonovtest ranga
tarsketehnike(npr' r-testovi,anarizivarijanse), p";.;;;.lnike
"
vaju i na dodatnim P::.?:::""k"ma. opSte pr.tport"uk. sezasni_
grupa
ANOVArazliditih
Jednofaktorska ovom poglavlju,a specifidnije fr"artuull"-o u
pretpostavk.,,,nut.anr- p.ri"rrii-",';;';":
Jedno{aktorskaANOVA ponovljenih meren1a trebi. Trebalo bi da.sevra6arena ovaj uvod kudn bui"ti
plii''..,;ruuri neku
Dvofaktorskaanalizavarijanse (razli6itihgrupa) od tehnikapredstavljenihu petom delu knjige.Rnr-ur.u.,i"
verezadovoljenjapretpostavkivideti u rntn'.h.ri.t fostupaka pro_
r Fil;iij;;07,4. pogra_
vlje). Dalie razmatranjeposledicanarusavanja
Multivariiacionaanalizavarijanse(MANOVA)
tih pretpostavkivideti u
knjigamasrevens(199G,6.poglavlje)i Grass,p".kh"ir-id";;;r,
l97z).

o tome koia ie Nivo merenja

U poglavliu 10, provelasam vas kroz procesodludivanla za sve parametarskeprisnrpe pretposravk je
pitanie' Odgovor se
,tutiriidfu teirnikaprikladnaza konkretno istraZivadko a
meri na intervalnojskali (pa rastojanjaizmedu
da se zavisnapromenljiva
podatakana ra-
-.n;" u zavisnostiod prirode istraZivaikogpitania' vrste raju rastojanjimaizme'duobeleZjakola se
brojc:anihur.Jnorri odgova-
(Ako dosad nisteproditalito pogla- mere).Dakle, upotrebljavasene_
spolaganiui broja promenliivihi grupa' prekidna skala,a ne dis.krerne
Evo kliudnih tadaka koie kategorije.Kad god ;. ," -rsrce pririkom
ui;., ,i.U"to bi .la ro uraditepre nego5tonastavite.) projektovanja istraiivanja,pokuiajtJ'dn
tr"bu i-"ti u vidu kada se tiaZi prikladna stzrtistidkatehnika: upotr"bite neprekid'J'rr"r. zavisne
promenljive,a ne kategorijske.Tako
stidetemoguinost upotrebeveieg broja
. Tttestovrse upotrebljavajukada imate samodve grupe(npr.muSkarci/ tehnika analizepodataka.
intervencije)'
zene)ili dve taike u vremenu(npr.pre intervenciie,posle
.Tehnikeana|izevartjanseSeLlpotrebljavajukadaimatedueiliuiie Sludajnostuzorkovanja
grupa ili tadakau vremenu' Parametarsketehnike obradene
u petom delu knjige zasnivaju se na prerpo-
. Tehnikeuparenih uzorakailiponovljenihmereniaupotrebliavaiuseza stavci da su rezulrati dobijeni
iz sludalnog uroik"u pop,rln.ij.. u stvarnim
uzorke'
testiranjeistih liwdi u uile naurata, tlikada imate uparene istraZivanjima ta pretpost"uku
d.r,o nije zadovoliena.
se
. Tehnike analizerazliiitih grupa i nezavisnihuzorakaupotrebliavaiu
kadasusubjektiusvimgrupamarazlit.itiljudi(||inezavisni). Nezavisnostopservacija
. Jednofaktorskaanalizavarijanse seupotrebliavakada imatesamoied- wpservaciie od koiih sesastojepodacimoraju biri uzajamno
rrezavisrre,
rj. ni
nu nezavisnupromenljivu(npr' pol)' op-servacijuili merenje r-. ;;i."ti nijednadruga opservacija
i1l:dl" ili
. Dvofaktorskaanalizavarijansese upotrebljavakada imate dvenezd- ove pretpostavke";
ima vrlo ozbiljneposledice;raspravuvi_
iliiil,f:,Y.enie
uisnepromenliive(pol, starosnagrupa)' (r996, str.238). U brojnim istraZivadkim
situacijama,
il:::y',]^5rwensa
"rJr 5cprerpostavkao nezavisnosti.
. AnalizavarijanseviSezavisnihpromenljivih(multivarijacionaanaliza) u nastavkudajemprimeretakvih studija
upotrebljavasekadaimateviSezauisnihpromenljivih(anksioznost' koje su napisatiSrevens,1996, st'r.;;;r-ier^retter
S;;lr-"*11]<niisa
wallnau.2004.str. | &
depresija). 2.5 ):
' Istrazivanje
. Analiza kovarilanse(ANCOVA) upotrebljavase kada treba stzrtistidki uii'ka studenarakoji rade u parovimaili malim
grupama.
promenliive kola Ponaianjesvakogilana grupe utidena sveostale
kontrolisati trr'tto"iti) uticaj dodatne, remetiladke dlanovei tako sekrli
promenljive'
utidenelvezu izmeclunezavisnei zavisne Pretpostavka o rrezavisnosti.
 V: JIatlStluKE LvrrrrrAs4s yv'vsv"J- Y'st/s
206 UeO

navika i preferencij". d:t: vezis gledaniemTV-a' kada

su Greika prve vrste,gre5ka druge vrste
o IsrraZivanie -tdetetau porodici (kole' recimo'
decaizi'tt po'odil"''lo"oSu"i" iednog zato
i moc testa
su-"osralu decu iz te porodice; T:testovi i analize varijansi sluLe za ispitivanje hipoteza. U toj vrsti analiza
gledaprogr"l ^i;lli:*: "'id"'""
nisu nezavtsne' uvek je moguie doneti pogreian zakljudak. Mogu se napraviri dve razlidite
opservaciie :^.^:..:: -;ih^.rno rrtic n:r po-
u uiionici i njihovog utrcala greSke.Kada odbacimo nultu hipotezu kola je u stvari tadna, radi se o greici
. Istra7,ivanl"*t'oJn pouiavanja stu-
i ,di"ak si"d"ttutu' Prisustvomalog brola problematiinih prve vrste. To se delava kada zakljuiimo da izmedu grupa postoji razlika, a
naianie ponaSanjai uiinka
denata *ozt ''"it"li;; t;" ostale; '"'o #t""ja ona zapravo ne postoji. Verovatnoiu te greike minimiziramo tako 5to izabe-
remo malu vrednost alfa; naldeiie se koriste vrednosti 0,05 ili 0,01, tj. sve-
poledinacanisunczavisna' grup-
ili mereniaprikupliaiuu sno rizikujemo da jedanput u 20 odnosno 100 sludajeva odbacimo nultu
Za svakusitr'racilr'r u koiol se opscrvaciie mogu hipotezu (o nepostojanju razlike) kada je tadna.
poi"'g"ttti.nekom obliku interakciie' (hiie-
nom okruZenluili '" 'Jltftit nivoa U ispitivanju (verifikaciji) hipoteza moZe se napraviti i druga vrsta greSke,
l";ito ie modelovanieu viSe
biti potrebn" ,p.tifit"il'Ji;;i[t' kada ne odbacimo pogreinu nultu hipotezu (tj. kada zakljuiimo da izmedu
uobitaien u istraZivanitll^\:,':obuhvataiu
rarhiisko).Tai pristui'';';;;" razliiitim grupa ne postoji razllka, a ona zapravo postoji). NaZalost, te dve greike su
gr"d""i*1; ili studiies paciientima'
decuu udionici," 5k#;;; tt gtndu ili zemlii'u'de o obrnuto srazmerne.Sto viSesmanjujemo verovatno6u gredkeI vrste, poveia-
medicinskim.p"tiiuti'i*;';;;;t;tili/kancelariii' i Fidella (2007\' vamo verovatno6u da iemo napraviti greiku II vrste.
tonre videti ., rs' pogiffi [";igt Tabachnicka
Idealno bi bilo da se pomoiu upotrebljenih testova tadno utvrdi postoji li
zaista razhka izmedu grupa. To je tzv. moi testa, tj. verovatnoia da se otkrije
Normalnost raspo.dele- ,. -.-t*^+^samo kada su populaciieiz koiih
postojeia razlika, odnosno da se ne napravi greSka II vrste. Testovi se razli-
rezuftate
Parametarsketehnike daju tadne (naroditou kuju po svoioj moii; recimo, kada su njihove osnovne pretpostavke zado-
U mnogim istraiivaniima
su uzorci.rr.,i t'o'-il"t'*tn"atfiene' raspo- vol;'ene, parametarski testovi (kao 5to su t-testovi, analiza varijanse itd.)
promenliive
druStvenimnu,rtn'tuj,-urednostj'":::" lt::.:::"lno
ti' naruiavanie ove pret- potencijalno su moiniji od neparametarskih testova. Medutim, na moi testa
deljene.Sreiom,uteill;;h;i[" fe prilidno robusna' dovolino u datoj situaciji utiiu i drugi dinioci:
tt"'ltota' Kada su uzorci
postavkeprouzroKuiemalu netadno't rrt Ol:l"iif"'1: a veliiina uzorka;
ou"p"tpo'tnuk"
veliki(npr'p,.oo'dtlp'J'*tii"l' k'i"nitrezultataza svaku grupu moze'se a v e l i i i n a u t i c a j a i s t r a Z i v a n er a z l i k e i z m e d u g r u p a . t j . L r t i c a j an e z a v i s n e
li"tp"a"la
prouzrokuie""t" o;;;;;t'
"lii;;;;;"-".'koi menrla promenljive; i
i se crtaiu p:*:::
proveriti pregteoom ?.lil;""* Ta-
' opis tog-procesavideti u knlizi alfa nivo (rizik grelke I vrste) koji je zadao istraZivad (npr. 0,05/0,01).
Graphs (vrdett #i;;;ti"p"atr'"iii
poglavtlel'
bachnickai Fidella(2007'4' Mo6 testasejako menja u zavisnostiod velidineuzorka upotrebljenogu
studiji.Stevens (1996)tvrdi da'moi ne predstavlja problem'(str.6)kada ie
uzorakvelik (npr. 100 ili viSesubjekata).Medutim, u istraZivanjinra na n.ra-
Homogenostvariianse temeliese na pretpostavcida
str
lim uzorcima(npr. n=20) morate biti svesnimogu6nostida neznadajanre-
paramerarsk.,.n"il;''lr'orrog d.l" kniige promenliivost
da
vu"l1"rrti.'ioznadi ie zultatmoZebiti posledicanedovoljnemoii tesra.Stevens(1996)predlaZeda
uzorcidobiienii, p.p"r".i;ai"ednakih r'rskloptt
zu irii,iunnje te homogenosti seza malegrupepo potrebipoveia alfa (riztk greSkeI vrste),npr.na 0,10 ili
rezultatausvim ,rd;;;d'""1*. varii anst'
osrrntl. L*eneov test i ednakosti 0,15 umestouobiiajenih0,05.
t_tesrovar analiza#, "*t,'ioii Postojei tabele (videti Cohen, 1988) u kolima se rnoZeoiitati veliiina
Niegovirezultati"tdtosPSS-ovogizlaz'azatetehnike'BuditepaZljivitttu- (ti' da mu
t9 q" n"r'" zateliniie znliaian uzorkapotrebnaza odredenu(dovoljnu)mo6 testa,za datv veliiinu uticaja
maienju rezultatat;t;;;;# manju od 0'0-5'.to razlike kolu Zeliteda otkrijete. Sve viSeje i softverskihprograma koji to
znaiajno ,t ,nto'-JdOlbjl. f"J" aoL'tiiit"znadai.tost ho-
ie
;:t;';;J;; na""r'e i da ne vaZi pretpostavkao umeju da izradunayu(npr. G"Power, dostupanna adresi http://www.psy-
znaii davariianse "ittk"i" tanl seto dogodi' Analizavariianse1e cho.uni-duesseldorf .delaaplprojects/gpower/).
mogenostiu"'i,u"'l' tit ;;;"tiJ; ukoliko su veliiine grupa I neki SPSSprogrami izraiunavaiu mo6 obavljenogtesta,vodeii radunao
te'prerpostavke
prilidnoneosetlllvana naruiavanie 1'5; Sttt'"ttt'1?96'str'249)'Ut-te- velidiniuticaja razllkei velidiniuzorka.Idealnobi bilo da imate 80 procena-
pribliZnosliine(npr-naiveiainaimania'= u koiima pretpostavka ta Sanseda otkrilete postojanieveze.Kada dobiiete neznadajanrezultari
,to.,,im"dobiiate d;;;il;;;il;;"' Ieaanza'situaciie
samoupotrebiteonal
a, a drugi -zaone kada lest::U '"- sluiaiu'
niie naruSen
podacrnra'
,k.rp ,""rrlt"ta koii odgovara
imate veoma mali uzorak, trebalo bi da pogledate moi upotrebljenog resta. zna(ajan(Stoukazujeda postoji razlika
Uz moi testa maniu od 0,80 (BO procenata Sanseda otkrijete postojeiu ra- grupa), mozerenasraviti
obaviti dodatneresrovezaldentifikacijutih ir-.{:
zliku), treba paZljivo protumaditi razlog neznadajnostirezultata. Ona moZe razrika-(;;.';;i, se Grupa
zlikuje od Grupe 2 ili Grupe 3, da li serazlikuju 1 ra_
biti posledica nedovoljne moii testa, a ne nepostojanj:r razlike izmedu Cil; ; L.upu 3).
Naknadnaporedenjaitite od moguie greike
grupa. Analiza mo6i pokazuje koliko poverenja treba imati u rezultate kada I ,rrrtJk;-".
brojaraztiiitih
porectenlr.
ft ; ;;il zr-y$,^:i;';:;ifit
se ne odbaci nulta hipoteza o jednakosti grupa. Sto je veia moi testa, to viie
znadajnosr, je
koju utoliko teZepostiii. Kocr ,lfiJ*:T:
tada treba biti uveren da stvarna razlika izmedu grupa ne postoji. rnarihu;;;"k"';" ume <ra
problem,zaro iro je ponekadvrio teiko bude
dobiti ,""tri""l?rurtut, i"k
je vidljiva razlikau rezulfarimaizmedu i kada
grupa veomavelika.
posrojei brojni
Pfani rana poredenia/naknadne analize testovikojile *rra;;;;;;,ilo;p,i,odi
gosti' Razlikujuse1{n1dni
i pretposravkena k.jima sezasnivaju. i stro_
Analizom varijanseutvrdujete da li postoje znatajne razlike izmedu raznrh Li nekima
posravljada su varijansed11 grupe jednaf." se prer_
grupaili okolnosti.Katkadaie vaszanimatida li segmpe kao celinarazliku- t"pL f"f.:;l;, drugima se ne
ju (da li nezavisnapromenljivana neki naiin utidena vrednostizavisnepro- pretpostavl
j i.o"if::', o,,3,,;tt."
menljive).U drugim istraZivadkimkontekstima r.rsredsrediiete seviSena ispi-
"
upotrebliavanimnaknadnim 1,.r-t:nr. ,.y Tukejev a ;;;." Meclunajdeiie
Iil, :tesrovi-n
,"r, ,r"irio znadajnera_
zliditosti" (engr.Honestty,sig,nificantDiffnrerr,
tivanje razhka izmedu pojedinih, za razltku od svih moguiih, grupa. Vodite ilsorlsJ.Jv (scheffe)test.
od ta dva, sefeovtest je bez-bednija -.io,Jo ,^' ,^^ri4ri1.'*ir."
radunao toj razlici, poito seza svakuod tih namenakoristi drugadijaanaliza. od greike I
vrste.Medutim' to seplaia u moii. Tim
Planirana(rli a prioril poredenja slui.eza ispitivanjekonkretnih hipoteza tesromje teiil-ur,'" u"-varno)
kriti stvarnopostojeiu razliku ir-.dr-grupr. ot_
(obidnoizvudenihiz teorijeili prethodnihistraZivanja) u vezis razlikamaunu-
tar odredenogpodskupagrupa (npr. da li segrupe I i 3 znatajnorazlikuju?).
Ta poredenjatreba specificirati(isplanirati)pre nego ito analiziratepodatke, Velidinauticaja
umestoda pecatepo rezultatimau nadi da 6etenaii neStozanimljivo! Svetehnike razmotreneu ovom d_elu
Ukoliko nameravateda specificiratemnogo razliditih, ali istovremenih knjige pokazuju da li je razlikaizmedu
grupa statisridkiznaiajna(tj. nesludajna).
poredenja,moraiefe postupati pailjivo. Planiranaporedenjane uklanyaju zaveiinu rr,ruziurtn i studenata
nastupi trenutak uzbudenjakada
povedanirizik od gre5akaI vrste,koji je posledicavelikog broja paralelnih utvrde da su njihovi rezuitati statistiiki
znatajni! Medutim, istraZivanje
hipotezakoje se ispituju. Gre5kaI vrsteznadiodbaciti nultu hipotezu(npr. znadivile od dobiiarr;u,rrriJtr." znaiajno_
sti' verovatnoia ne pokazuje
*.p." f"".zanosri promenrjivih(jadinu
da nema razlike izrnedugrupa) koja je u stvari fadna.Drugim reiima, po- Kada su izradunateza verik-e veze).
urork.i t"t i .,rrto-nr" .uriit . ir-.d,,
veian je rizik da 6eternisliti da steotkrili znadajanrezultat(razliku),a on je postajn statistiiki znaiajne.To gr,rp,
n" rnndi da;e
zapravosasvirnsludajan.Kada istraZujeteveliki broj razlika, bezbednijije imala,ikakvupraktidnuili t.orllskr;;;;"r,. ta ruzrikadovorjnovelika da bi
drugadijipristuptj. naknadna(post-hoclIi a posteriori)poredenja,koja Stite Jedanod nadinada ocenite;"t"";;';;.jih
od greiaka I vrste. velidinu uticaja (engI..effect rezultatajesteda izradunare
tir"l, ri. iuiiu ,r"r. izmedu promenljivih.
Treia mogudnostje da na alfa nivo (rizik greSkeI vrste)koji 6eteupotre- skup pokazateljakoji pokazuje To je
biti za procenustatistidkeznadajnosti,primenitetzv. Bonferonijevoprilago- ;.1";i";,r veriiinu razriia ir*"a, sredn,ih
vrednostiili iznos ulupn.
,r.iir*.', ,"uirno, promenljivoj koli se moZe
denje.To znadi zadatrstroZialfa nivo za svakoporedenje,da bi alfa u svim predvideti na osnovu poznavanjavrecrnosfi
testovimazajednoostao na razumnom nivou. To se postiZedeljenjemalfa nick & Fidell, 2007,str. nezavisnepromenljive (Thbach-
54).
nivoa (najieSie0,05) brojem poredenjakoje nameravateda obavite;zatim Ima viSepokazatelja,.yriieilg
se ta nova vrednostkoristi kao zahtevanialfa nivo. Primeraradi, za tri na' uticaja- Za. pored.enje grupa najdeiie se
aiu pokaz.atelji
parciiatrri proarot i Koenoud.
meravanaporedenjanovi alfa nivo bio bi 0,05 podeljenos 3, ito f e jednako .11otte!fi1v
va parcijalnieta kvadrar spss izraduna-
u ,kropu analize"io
0,017. Raspravuo tome videti u Tabachnicki Fidell (2007,str.52). va; no, to je lako izradunati varijanse,ari n. i u ,klopu t_testo_
,-,"tr.ouu drugitrnjeg;;ii;;;rl;".
Naknadna (post-bocrIi a posteriori) poredenjaupotrebljavajusekada L,e' Pokazateljveriiine uticaja parcijarni
.. eti kuadTatr;r;;;;;; je deru va_
lite da obaviteceo niz poredenja,tj. istraZiterazlike izmedu svih moguctih rrlansezavisne
nromenrjivekoii ie objainje' n.rr";r;;;
grupa ili uslovau studiji. Ukoliko odaberetetaj pristup, analizatreba da se Moie imari vrednosriu opseguod 0 promenrjiuom.
do i. s irug. ,,rr';;,";;:;;rd
sastojiod dva koraka. Prvo seizraiuna ukupan F pokazatelikoji kazujeima vrla razrikuizmedug,rupaizraienu predsta_
brojemstandardnihodstupanja.pazire
li znadajnihrazlika izmedu grupa u projektu. Ako je ukupan F pokazatelj ca ne pobrkatete pokazateljekada budete
tumadilijadinuveze.
Adresaweb
210 Deo V: Stattsttdketehnlkeza poreden1egrupa Deo V: Statistidketehnikeza poredenjegrupa
211

lokacije na kojoj se brzo i lako mogu izradunati oba spomenuta pokarzatelja o opcija Exclude casespairwise (katkada
piie Excrude cases anarysisby
velidine uticaja glasi: http://web.uccs.edu/lbecker/Psy590/escalc3.htm. analvsis)znatj da ie.sludaj(osoba)u.itiirr.r;Jl;;;
onih anariza
Cohen (1988, str.2Zl predloZio ie sledeie smernice za tumadenie velidine za koje mu nedosrajeneki od neophocr"id
p;";;k;:. b"kre, i takvi
uticaia (kada se ocenjuje istr:rZivanjekoje obuhvtrta poredenie grupa). [Ko- sluiajevi ie bill analiziranikad go.1je ,"
;;;;;'ri ,."0 goci imaju
enova preporuka se odnosi na pokazateli eta kvadrat, a[i se moZe primeniti podatkepotrebneza odredenuanalrrr',.
i na trrmaienje pokazatelia parcijalni eta kvadrat. Formula za parcijalni ima ' opcija Replacewith mean,
dostupnau nekim Spss-ovimstatistiikim
neznatno dr,rgadili imenilac. ViSeo tome proditajte u knjizi Tabachnicka i Fi- postupcima(npr.viiestrukojregresiji),znadi
a" c. rritiirru.,r.,"ro ,r"d_
delIa,2007,str.55.] nja vrednostsvihpromenrjivihida ie
biti ,nm..,ieni nedostajuii
fioye.
podaci. Ovu opciju nikada ne bi trebato d" k"ri;;;;,;r;; mo2e znat_
Velidinauticaia Eta kvadrat Koenovd (jedinica no da iskrivi rezurtateanarize,narodito onda
(o/oobja5njenevarijanse) standardnogodstuPanja) kacla'iJor,u;. mnogo
podataka.
Mali 0 , 0 1iti 1o/o 0,2
Kad god radite neki statistic=ki
postupak,pritisnitedugmeopdons
Srednji 0,06 ili 60lo 0,5 veritekoja je od navedenihopcija po,urd"n" (jer i pro_
se podiuru-"uana opcija
Veliki 0,138 ili13,80/o 0,8 menja u zavisnosriod postupka;.Ako nem.a.re jak razlog da postupitedru-
gadije,preporudilabtlr r."T da srudajeve
iskljuiite,"-"-ir.Iih
koje im nedosrajupodaci(pairwise).jedina situacija anarizaza
Vodite raduna o torne da Koen daje drugaiije smerniceza korelacione kada bi vam mogroza_
projekte (obradeneu ietvrtom delu kniige). Gornje vrednostivai'e za po- trebati da analizeogranidite samo n"asruiajeve
r..ii ,"rq"'pJa"tt.
promenljive(listwise)jesteona kada trebe za sve
redenjagrupa. I razmotrltr samopodskup sluda-
jeva koji dajepotpun skup rezultata.

Nedostaiucipodaci Brojevikoji dudno izgledaju

Kada radite istraZivanie,narodito ono sa [iudima' vrlo retko iete u svakoj rzlaznirezulrariz SpSS-a ponekad'sadriidudnebrojeveoblika
opservacijitj. od svakogispitanikadobiti kompletnepodatke.Zato pregle- bro;evikoie ie spSSprikazao u tzv.;rd;;i;;;";;;.;"'"""-'
1.24E-02.To
dajte 5tanedostajeu datotecis podacima.PokreniteproceduruDescriptives :ri lali sero ne
bi de.avalo,u glavnom-"nij,, izaberite
Edit, zatim oprions, i potvrditeop-
i utvrdite procentualniudeo nedostaiu6ihpodatakaza svaku promenljivu' ciju No scientificnoration for smail
.r.r-b.., in tablesna kartici General.
Kada odredenojpromenljivojneodekivanonedostajemnogo podataka,za-
pitajtesezaStoje tako?Trebalo bi da razmislitei o tome da li su nedostajuii
podaciraspodeljeninasumidnopo sludajevimaili tu postoji neka pravilnost
j.rpr. -nog. Zenenisu odgovorilena pitanjeo svojojstarosti).SPSS ima pro-
."Ju.u Miising Value Analysis koja olaklava pronalaZenie pravilnostiu ne-
dostaju6impodacirna (videti posledniu opciiu u meniju Analyze). Viie o
tome proiitajte u 4. poglavljuknjige Tabachnicka i Fidella,2007'
Taioclerazmorrire5L 6etes nedostaiuiimpodacimakada dodevremeda
uraditestatistidkeanalize.U mnogirnSPSS-ovim statistidkimprocedurirma,
preko dugmetaOptions birate naiin na koii ie SPSStretirati_nedostaiufe
podatke.Birajtep"Zlliuo,poStotime znatno utidetena statistidkerezultate'
lo je posebnouuZro-kudaprilaZetespisakpromenliivih-iza sveniih pona-
vljate iste analize(npr. korelaciieizmedugrupe promenliivih,t-testoviniza
zavisnihpromenliivih).
. Opcija Excludecaseslistwise znaii da ie biti analiziranisamoslu-ajeviu
kolima za suepromenliiuenavedeneu polju Variablespostojesui podacr.
Svakisluiaj kome nedostaie makari delii podatakauop5tene6ebiti ana-
liziran. Time biste znatnoi nepotrebno ograniiili veli|inu uzorka.
 Neparametarske
tehnike

U knjigamao statisticidestosegovori o dve vrstestatistiikih tehnika:para-

metarskimi neparametarskim. Po demu se razlikuju ta dva skupa tehnika?
Zaito ie ta razlika vaLna?Red
'parametarski' potideod 'parametar',tj. obe-
leZjepopulacije.U parametarskimtestovima(npr.t-testovi,analizavarijan-
se),pretpostavljajuse neka svojstvapopulacijeiz koie je uzorak uzet.To su
najieS6epretpostavkeo obliku raspodelepopulacije(npr. da je normalno
raspodeljena). S druge strane)zahteviza neparametarske tehnikenisr-rtako
strogi i nista se ne pretpostavljao pripadnoj raspodelipopulacije.\Zato se
katkada nazivaiutestovimabez raspodele,engl. distribution-free tests.)
Uprkos tome sto su manje pipave, neparametarske statistidketehnike
imaju i svojih loSih strana.Manje su osetljive od odgovarajuiih parame-
tarskih rodaka i zato rede otkrivajr"rpostojeierazlike izmedu grupa. Kada
imatepravu vrstu podataka,uvek ie bolie primeniti parametarskutehnikr'r.
Dakle,u kojim okolnostimabisteizabralida upotrebiteneparametarsku sta-
tistidkutehniku?
Neparametarsketehnike su idealneza podatke merenena nominalnim
(kategorijskim)ili ordinalnim skalama(iiii se iznosi mogu rangirati).Kori-
sne su i kada imate veoma male uzorke ili kada podaci ne zac'lovoljavaiu
strogepretpostavkeparametarskihtehnika.U SPSS-u se mogu koristiti na-
irazliditijeneparametarske tehnike,ali 6emo u ovom poglavlju razmotriti
samoone glavne.Evo koje ie teme biti obradenei koje su njihoveparame-
tarskealternative(obradeneu kasnijim poglavljima).
Kratakpregledtehnikaobradenih Hi-kvadrat
u ovom poglavlju postoje dve vrsre

Neparametarska tehnika Parametarskaalternativa

'x:':if testa hi_kvadrar, obe za

,,!,,[iti:ffi?::;jT5i{p1r"3
karegorijske podatke:

;'l'ft *nf ;; i: ;'"'"li'," 1,,

Hi-kvadrattest kvaliteta Ne postoji
podudaranja
Hi-kvadrattest nezavisnosti Ne postoji "'$' jJ"'ffi
-'!:^; o,r1,
ki,i
;.,1, "
2' Metodahi-kvadratza tesriranje
nezavisnosri; odreduje da ri supoveza
Kapa test (mera slaganja) Ne postoji ne duekategorijske. pr"-"trfiu".' o.,, por"ii
Man-Vitnijev
U test uzoraka(17.poglavlje)
T-testnezavisnih studajeva
u 'u:"r''' t *.*"i"jt (frekvencije
!i"s"'i!-l'i.a,'";;;ilil
rijama Or"*",1^ro:enljivl.N, r"""rorn,n'katego
Vilkoksonovtest ranga T-test uparenih uzoraka (1 7. poglavlje) pri_"r-. ia li
2",,"r _jeli"i;;" pusadai ne_
Kruskal-Volisov
test ANOVArazliditihgrupa
Jednofaktorska
lT,'rffiJ!J#'#"f:'.-ffi",i ni,a,"i"iir".",'","no,
dali su
(18.poglavlje)
Fridmanovtest JednofaktorskaANOVA ponovljenih merenja resta
hi-kvadrat
datie u tT.pogravlju
(18. poglavlje) t *?ttd:Tl|t6#f kniige
Grave*er

Tehnikeu ovom poglavljunamenjenesu prvenstvenoza poredenjegrupa. Hi-kvadrattest za ispitivanje

Neparametarskaalternativakorelacije(Spirmanovakorelacijaranga, ko- kvafitetapodudaranja
Ovaj test,koji se naziva;fri_f.""arlr-r.rr;"ano*
je u poglavlju 11.
eficijentro) predstavljena va za poreden
je proporcije .rzorka,desrorilt":ff
r
vrednosrima
srudajev"i,' ;;"r
iri onimaprethodnoi"u;i""*"ar"i";;; ?Ifr
u nekoj
p,orcdbenoj
popuraciji.
Pretpostavkeneparametarskihtehnika
Iako su opdtepretpostavkeneparametarskih tehnikablaLei zato de56e
zado- 3;ulm'iol3ulii"'i" ' d;;;'-"'1"911samo
jednukategorijsku
pro-
voljene,uvek bi trebaloproveritida li je tako u svakomkonkretnomsludaju.
. Sluiainost uzoral<a.
111,Me2e,.";;;!,;3,:i'J":H:1ff
ir"?:i:::iitl"JJ,",
S0%) ili odredenaoroporcija.
dobijenaJ:.i:; pretiodnoj
Primer istraiivadkog.pitanj ,ir,ri;t.
o Nezauisrtostopseruacija.Svaka osoba ili opservacijamoie se broj:rti a: rr,r"i;e, a, I,;;r;.;;;ili
populaciji opisanoj,r ;"" puiada u
samo jedanput,ne smeju se pojavlfivati u viSekategorijaili grupa, i inro*.J *;;;;.r",
', r, (20%)
podaci jednog subjektane smeju uticati na podatke drugih. U ovom p,. th od,,o-o ;; ;r",,. ve"i"ir"i""r"r,',Jno-"
::i :;.#,ll ".t Ii k e austra Ii j sk e sr udi j e.
::r ".
pogledu izuzetaksu tehnike ponovljenih merenja (Vilkoksonovtest ' Jednakategorijska
ranga,Fridmanovtest), kada se isti subjekti ponovno testirajuu viSe promenrjivasa dve'i viie
r Jednahipotetidka kategorija:puiai (Da/Ne).
navrataili u razliiitim okolnostima. proporcija(20"/" puiata; gyo/"nepuiada
ili 0,2/0,8).
Neke tehnikerazmotreneu ovom poglavljuimafu i dodatnepretpostavke
koje treba proveriti. Te specifidnepretpostavkesu objainjeneu odgovara- Postupakza obavfjanje
juiim odeljcima. hi-kvadrattesta kvaritetapodudaranja
O" pratiliovajprimer,
U ovom poglavljuprikaza6emorazneneparametarske tehnikena prime- 1,"]" otvoritedatoteku survey3ED.sav.
t
rima iz nekoliko datotekas podacima,koje se mogu prelrzetis prate6eWeb pritisnite
njegovu
stavkuNon-parametric
,?JHF{.:Analvze, Testsiza-
lokacije ove knjige. Svepojedinostio tim datotekamadate su u dodatku. -
Ukoliko ielite da pratiteprimerei odmah sprovoditenavedenauputstva,po- promenrjivu
smoke(tj'pusae)
i prebacite
i:1fff,jii:T:'r:t' je u porje
kreniteSPSSi otvorite odgovarajuiudatotekus podacima.Neparametarske
tehnike opisaiemo samo ukratko. Za dalje usavriavanje,proiitajte knjigc
koju su napisaliDaniel (1990),Gravetteri \Wallnau(2004),Siegeli Castellan
( 1 9 8 B i) P e a t( 2 0 0 1 ) .
 3. U odeljku Expected Values pritisniteopciju Values. U polje Values treba U tabeli rest Statistics
da upi5etedva broja. dari su rezultariSpsS-ovogtesrachi-square,
porediotekivanei opaze'e koji
. Prvi broj (0,2) odgovaraodekivanojproporcijiprve Sifrovanevrednostite vrednosti.U ovom slui"ii, .^riit"
vrlo mala, a nije ni statistidki irmectunjih je
promenljive(1:da, pu5ad).Pritisnitedugme Add. ,rri";"" 1ii,g.=g,79y.
. Upi5itedrugi broj (0,8),Stoje o6ekivanaproporcijadruge Sifrovanevred-
nosti te promenljive(l:ne, nepu5ad).Pritisnrtedugme Add. Predstavljanje rezultata
. Kada promenljivaima vi5e od dve moguce vrednosti,za svakuod njih tre- hi-kvadrat,
brojstepeni
slobode
(engr.
ba upisati odgovarajucu proporciju. i;:!;,:,:;;tiJl""l"J." degrees
of
4. PritisniteContinue i zatim OK (odnosno dugme Paste da biste komandu
snimilru Syntax Editor). Hi-kvadrat test podudaranja pokazuj"

Tim postupkomse generi5esledeca komanda: ffi""J

ff:i,.'l'- d:J{IT?*%i:r: ui:1";1 "#j"d x!'"'lr'oanoy
NPARTEST
/CHISOUARE:smoke Hi-kvadrattest nezavisnosti
/EXPECTED:.2.8 ovim testomseistrazuje,"to i.^"-du
crue
/MISSINGANALYSIS. od njih moie imati dvelfi uis" k"i.goriiu. kategorijske promenrjive. Svaka
r"r, p""r.ai 'i propor_
r.rsvakoj.a r.?i.g".i;n,, "tirr""r"rr,
u,"a.,o*i,ol"i.
;ii:*:ffi:5:T... o,bileoie_
Evokakoizgledajurezultatitog postupka.
unakrsno
j,"b;r,,;;F:i:Tii;T;?H;:,ili#I:[il:Ti
jf:Hil::a
kategorijamadruge (npr. rnusiur.iA.
unuk"rrr,. i"u.r" r"?rzi po svaka ielija
Observed N Exoected N Residual vv jednu t o-ulJ1,.puiad/nep-uiad);
JsurruKomDlnacrru kategorijaposmatranih -
Yt5 B5 87.2 -z.z menljivih. pro-
NO 351 348.8 2.2 Kada SpSSnaide na tabelu
Tolal 436 2 sa 2 (po dve kategorije
menljivoi), rezultathi-kvadrat u svakoj pro_
,*ru i jednu aoartrr, ,,korekciju
Test Statistics
neprekidnostiprema "Urlrrata
Jejrsu" 1vot"r: coi"ctiort for continuity). ona bi rre_
baloda kompenzuje mrr;!"i"
smoker
rpo precenjenuvrednosrhi_kva_
drat koja.sedobijau iabeli
untsoquare" .ubv 2 sa 2.""t-ii'u,rrora)
OT 1 u sledecemoosrupku, na
792
primeru datoteke survey3ED.sav
Asvmo. Sia.
hr i';;';;;;'in|.o;"r.u, pokazafu
a. 0 cells (,0%) have expected frequenciesless ihan 5. The minjmu,nexpecled cell frequency is 87.2.
nvara "o"trebrjava
Lil:'-'promenliive z r^ i.-x^aastuciijaobu-
s viie od d.vekategoril!
izlaziz SpSS-aneznarno - , 1npr.2 sa 3,4 sa 4),videieteda se
rurlikul".

pregtedhi-kvadrat testa nezavisnosti

Tumadenjerezultatahi-kvadrattesta podudaranja ft:!:I istraiivadkoe
t''mer
pitanja: pi;".J; r; moze formurisati
U prvoj tabeli date su opaZeneuiestalosti (frekvencije)iz tekudedatotekes postoji h vezaizmeJ-u na viie nadina:
pora'i p"i;Jil;g-io,rns"rj"?
podacima;vidimo da su puSadinjih 85 od ukupno 436 (ili 19,5"/").U koloni Da ri su mLrikarcideiie
Da li je proporcii" m.,ska."capuiada
ExpectedN date su uiestalostioiekivanena osnovuprethodno zadatepropor- il:?;"1t"na? jednakaroj proporciji
crje(20%). U ovom sluiaju,odekivanoje da bude B7 puiada,a opaZenoB5. sta uam treba:Dve kategorijske
promenljivesa po dve
. Pol (Muikarac/Zena) ili viSekategorija:
. Pu5ad(Da/Ne)
 Dodatne pretpostavke: Najmanja oiekivana uiestalost u svim ielijama
trebalo bi dar bude 5 ili vi5e. Neki autori predlaiu blaZe kriterijume: naj-
manje B0 procenata ielija trebalo bi da imaju odekivane udestalosti5 ili vi5e.
Za tabele I sa 2 ili 2 sa 2, preporuduje se da oiekivana udesralostbude naj- Expec{ed Count

manje 10. Kada tabela 2 sa 2 ne zadovoljava ovu pretpostavku, umesto %within SEX
% within
vrednosti hi-kvadrat treba upotrebiti FiSerov ,,taian pokazatelj verovat-
St\roKE
noie" (engl. Fisher's Exact Probability Tesr), koji se navodi u sklopu rezul- % of Tota I
tata hi-kvadrat testa.
ExpeciedCount
% w i t h i nS F X
Postupakza obavlianjehi-kvadrattesta nezavisnosti % wrthin
SMOKE
Da bistepratiliovajprimer,otvoritedatotekusurvey3ED.sav.
"h at Total
1. Otvorite meni Analyze, pritisnitestavku Descriptive Statistics,zatim rorar cil;
Crosstabs. E x p e c t e dC o u n t
2. Pritisniteonu promenljivu(npr.sex/pol)dijece kategorijezauzimatiredove "/. within sEX
tabele;pritisnitestrelicuda biste izabranupromenljivu prebaciliu polje % within
SMOKF
Row(s).
7oof TolaI
onupromenljivu
3. Pritisnite (npr.smoke/puSad) dijeie kategorije
zauzimatiko-
lonetabele,pa pntisnitestrelicuda bisteizabranupromenljivu prebaciliu
ChiSquare Tssts
poljeColumn(s).
dugmeStatistics.PotvrditepoljaChi-squarei Phiand Cramer's
4. Pritisnite Value dl
Asymp. Sig.
(2-sided)
Exact Sig. Fxac t Sig
tsearsonChfsquare (2-sids.il ( 1-sided)
V. Pritisnite
Continue. Continuity Correclion a
.494 l
,442
,337 '|
5. Pritisnite
dugmeCells. Ltkelihood Ratio ,562

. U poljuCountspritisnite Observed. Fishe,"sExact Isst

I ,481
Unear-by-Ljnea. ,541
. U odeljkuPercentage,potvrditepoljaRow,Column iTotal. Associatioo
,2A2
.493 1 ,483
6. PritisniteContinuei zatimOK (odnosnodugmePaste da bistekomandu \,1ol Vatid Cases
436
snimiliu SyntaxEditor). a
Computed ontylor a 2x table
-
Postupakgeneri5eovukomandu: 0cells{,Oo/, have syps61s6 6e,Jnl,6ss
than S. The mioimum expecreo
counl is35,g7.

CROSSTABS SymmetricMeasures
/TABLES:sex BY smoke
/FORMAT: AVALUETABLES
/STATISTIC:CHISO PHI Value ApproxSio.
Nominal -,034
/CELLS: COUNT ROW COLUMNTOTAL Cr"r"f, V ,482
/ C O U N TR O U N DC E L L . ,034 ,482
ffi assumingthe null hypothesis
b. Using the asymptotic
436

Sledi deo rezultataopisanog postupkaza tabelu 2 sa 2. lzlazse malo razlikuje standard error assuming the null
hypothesis
za promenljivesa vi5eod dve kategorije,ali u njemui daljetreba tra2itiiste kljud-
ne oodatke.
Tumadenie rezultata hi-kvadrat testa nezavisnosti koeficijentfi je -0,034, sto se smatra vrlo malim uticajem
po Koenovom
(1988)kriterijumuod 0,10 za mali,0,30 za srecinjii 0,5Ci
;;iiki utical.
Pretpostavke Za tabeleveie od 2 sa 2, u izveitaj rrebastaviti K;u_;;";pokazatelj
hi-kva- V
Najpre treba proveriti da li je prekrienajednaod pretpostavki,testa (cramer's v), koji uzima r.robzir broj stepenislobode.
zu orrr),ruvelidine uti_
drui u pogledu naimanieoiekivane ielijske uiestalosti,koja bi trebalo da caja kod veiih tabelakoristese malo drugac:ijikriterijumi. no
brrt. utvrcrili
bude5ltl uiS.(ili da naimanjeB0 procenata ielija ima odekivane uiestalosti koji kriterijum da upotrebite,najpre oduzmite1 od broja kategorija
u red_
-5ili viSe).Ta informaciiaie data u fusnoti ispod tabeleChi-SquareTests.U noi promenliivoi(R-1)' azatintoduzmite1 od broja kategorija'u
kolonrkol
'-'
fusnoti b u primeru kaZese'0 cells (,0%) haveexpectedcount lessthan 5. promenljivot(K-1). Od ta dva broja, zadriiteonai'manii."
The minimum expected count is 35 ,87'. To znadida nismo prekrdilipretpo-
-oi"kiuutt. ZaR-1, ili K-1 jednako1 (dvekategorije): mali=O,Q1,srednji_0,30,
stavklr,poito su udestalostiu svim ielijama ve6eod 5 (u naiem ki=Q,53
veli_
primeru,veie od 35,87). Za btlo R-1 bilo K-1 jednako 2 (trr kategorije):mali=0,g/,
srednji=0,21,
veliki=0,35
Hi-kvadrat testovi
Za bllo R-1 bilo K-1 jednako 3 (detiri karegorije):
U rezultatimanas najviSe zan'tmavrednostPearsonChi-Square,data r"rtabeli mali=O,Q(,51"6_
nji=O,17,veliki=0,29
chi-square Tests.Medutim, kada se ima tabelaz sa 2 (ti. kada svakapro-
menliivaima samodve kategorije),trebaupotrebitivrednostu drugom redu ViSeo pokazateljima koeficijent fi i Kramerov v proiitajre
u knjizi Gra_
rabele(Continuity Correction).To ie tzv.Jejtsovakorekciia (Yates'Correc- vetterai'Wallnaua(2004,str. 605).
tion for Continuity);ona kompenzuieprecenjenuvrednosthi-kvadratkoia Rezultateove analizemogli bistepredstavitiovako:
je posledicamalog broja dimenztiatabele2 sa 2. U gorniemprimeru, kori-
gou"n" vrednostiznosi0,337, uz znatainostod 0,56 (datu u koloni Asymp. Hi-kvadrattest nezavisnosti(uz korekcijuneprekidnostiprema
Jejtsu)nije po-
5ig. 1Z-ria.a)).Da bi rezukatbioznaiaian, veliiina Sig.treba da je 0,05 ili kazao znad,qnuvezu izmedu pola i pu6adkog statusa, (1, :;tO
c2 n : 0,04,
manja. U ovom primeru, vrednost0,56 je (11 puta) ueia od alfa vrednosti -0,03.
p : 0 , 5 6 ,f i :
0,05, pa mozemozaklluiiti da na5rezultarniie znaiaian.To znadida sepro-
porcija muSkaracakoii pusene razlikuie znatainood proporciieZenakoje
puie. Nema nikakve vezeizmedupuiadkogstatusai pola' Meraslaganjakapa
Joi jedanod statistidkihpokazateljaza kategorijskepromenljiveu spsS-ovoj
Unakrsno tabeliranie proceduricrossrabsjesremera slaganjakapa (Kappa).
ona je uobiiajenau
Procenatpuiaia svakogpola moie seoditati u zbirnim informaciiirmadatim medicinskojliteraturi z.aocenuslaganjaava tet
ara (npr.dijagnozedva kli-
u rabeli StX.SUOKE Crosstabulation.S toliko informaciia naguranihu nidara)ili saglasnostidva.razlitita"dllagnosridka
testa (novorazvijenresrLr
svaku 6eliju, ova tabela vas moZe zbuniti. Da biste saznalikoji procenat odnosuna zlatni standard).
muSkaracasu puiaii, proiitajte prvi red tabelekoii se odnosi na mudkarce.
U ovom sludaju,gledamo5ta piSeu nastavku% within sex' U ovom pri- Kratak pregled kapa testa
meru, 17,9 proceytatamuik:rracasu puSadii 82,1 procenatanepuiaii; 20,6 Prim11istraiivadkogpitanfa:Koriko
su saglasnedijagnostidkekrasifikacije
procenataiena ie puiadai79,4 procenatanepu5aia. skala^EdinburghpostnatalDepressionScale(EPDS)
T::Tl i Depression,
Da nas zanirnaprocenatceloguzorka koli spadau puiaie, preili bismcr r\nxicryand Srress Scale{DASS)?
nanlLeu poslednjired, koii sabira rezulrareza oba pola. U ovom sludaju, sta vam treba: Dve kategorij.skepromenrjives jednakim brojem katego-
pogledalibismo5tapiSeu redu 7o of Total. Prematim rezultatima,19,5 pro- rija,(npr.dijagnostidkaklasifikacijai. rekara
ili f . iesta:o="ii. deprimirana,
cenatauzorka puii, a 80,5 procenatane puii. 1=deprimirana; i dijagnostidkaklasifikacijaisteosobeko;, a^o 2. lekar ili
z. test). ;"
Veliiina uticaia Pretpostavke:Jednakbroj kategorijaza 1. i za 2. lekara.
jadi-
U proceduri Crosstabsizraiunava se viSepokazatelia velidine uticaja (tl. Parametarske alternative:Ne postoji.
ne veze izmedu promenliivih).Za tabele 2 sa2, naiie5ie se koristi koeficiient U narednom
. primeru istraZiiemostepenslaganjaizmecludve mere
depresi-
fi (phi coefficient), 5to je koeficiient korelacije u opsegu od 0 do 1, pri temu ie u uzorku Zenaposleporodaja.U datotecidepress3ED.r",,.r'tir,i za svaku
ve6i broj pokazuje jadu vezu izmedu dve promenljive. U ovotn primertt, Zenuna skalamaEdinburghPosrnaralDepressionScale(EpDS,
cor, Holden
 I vv,qvls I v, r\upitrarnelarsKe tehntke 223

and StressScale(DASS-Dep:Lovt- Symmetric Measures

6c sagovsky,1987) iDepression,Anxiety
r-""ibond, 199i) klasifikovani su u skladu s preporude'im granidni'r Asymp.
[""Jk
s vrednostima0 (nije
Value Std Error" Aoorox Tb Approx.
suakeskale.Dobijenesu dve.promenliive rvredsureor Agreernent nappa
5ti3 S'a.
;;;;;rt-" .055 ru.231 000
da li Zenepfepo- N of Valid Cases
i 1 (deprimirana).cili israzivaniaie urvrditi
319
;;;t,_;;;;) a. Not assumtng the nutl hVOolhes

isto tako klasifikujei skalaDASSDc-

znatekao deprimiranen" ,kuli Epirs,
b. Usjnglhe asymptotic
standarderrorassumrng
lhe nulthypolhesrs

pression(DASS-DeP)'

Postupakza dobiianiekoeficiientakapa Tumadenjekoeficijentakapa

podacimadepress3ED'sav'
Da bistepratiliovajprimer,otvoritedatotekus Glavni reatltat'"
,rT-
jr u tabeli symmetricMeasures,
gde ocitavamoda
1. otvoritemeniAnalyze,izaberite stavkuDescriptiveStatistics,pa pritisnite mera slaganja(engl. Measureof Agreement) Kappa ir'oi
0,s6, uz znaiaj-
nost p < 0,0005'Kako navodineat
Crosstabs. izo0 t , str.22'i,vrednosr 0,5 pokazaterja
2. Pritisnileonu promenljivu (npr'DASSdepgp2) kojace bitirednau unakrsnoj kapa predstavljaumerenoslaganje,tznad0,7
p.J;t;;;;;lr.
iznad 0,8 vrlo dobro slaganje.Dakl", u ouo_.primeru sraganje,a
tabelii strelicuda je prebaciteu poljeRow(s)' je stepenslaga'ja iz_
medu klasifikaciiesludaievakao deprimrranih
3.Pritisnrteonupromen|jivu(npr.EPDSgp2)kojacebitiko|onskauunakrsnoj pomoiu skaleEI,DSi skale
DASS-Depumeren.
tabelii strelicuda je prebaciteu poljeColumn(s)'
4.PritisnitedugmeStatistics.PritisniteKappa.PritisnitedugmeContinue. Osetljivosti od redenost
dugmeCells.
5. Pritisnite Pomoiu udestalosti (frekvencija)i procenatau taberi
6. U poljuCounts dugmeObserved'
pritisnite crosstabulationmogu
seizradunarii osetriiuosti odreden-o.sf,
mere iri testa.u,""ar.J"rr.oj literaturi
7'Uode|jkuPercentagepritisnitedugmeRow.PritisnitedugmeContinueiza- je uobidajenoda se
Editor)' njih ocenjujetadnostdijagnostidkog
tim O* (odnosnodugmePasteda bistekomandusnimiliu Syntax krivanju postoianja?:T"iu
ili.nepostojanjaboresti,odnosnot-"d'orinouog
resrau ot-
generi5ekomandu: odnosuna neki oostojefi zlatni siandard. resrau
TajpostuPak osetrjiuor, oaluz"va proporciyu
sludajevapostojania.bolesti
trrr"i"f-r..ii ,,r. tud.,o dijagnostifikovani,dok
CROSSTABS odredenostpredstavljap.opoi.i,,r'rirt-"*,iu".bez
tadnodijagnostifikovani.u ouo- date bolesti (stanja)koji su
/TABLES:DASSdepgP2 BY EPDSSP2 pri-J.u, ispitujemosaglasnosr
cije na skali DASS-Depr-r klasifika-
/FORMAT:AVALUETABLES odnosu,rn n";r.sc. upotrebljavaniresr
/STATISTIC:KAPPA kaciju,skalu EpDS. za klasifi_
/CELLS: COUNT ROW COLUMNTOTAL osetliivostskaleDASS-Dep
moZeseizraiunari ako seproditajuvrednosti
/ C O U N TR O U N DC E L L . iz drugekolone tabere.
Bb"r,rd;;.#i.;. je skaraEpDS (nai
9d zr:rtnisran-
{ard)prepoznala kao d.o::r1".,'ii;i'r"r.o klasifikovalai skaraDAss-
Ovako izgledajurezultati: ".X^f:j"je osettjivcst od sz,sp;;;;;" e6/80).
udredenostse izradunava
DASSdepgp2' EPDSgp2Cro$tabulation , tako ito seproditaju'vrednostiiz prve
gcresu osobekoje korone,
su pomofu skareEpDS bile kiasifik;"";;k;;
EPDSqp2 rane' SkalaDAss-Dep 'radno' nedeprimi_
0 nol 1 lrkely je t turiritou"ta 225.odukupno 239
T sto predstavlia takvih,
odredenostod. l+,t pro."nata.
DASSdePgpZ U notOepresseo Lounr lac
13.1',/" 100.0% kladene u pogledu obe te skale su veoma us_
% wrthrnDASSdepgP2 86,9% slu.*ajevat tnririt orru,rih.kao. nedeprimirani;
% withrnEPDSgp2 94.10/a 42,5To a1.24k postojiodredena medutim,
% of Total 10.5"/o 10.7Vo a1.2.k
qePrimirane. nesagrasnos, ,r-.Ju ,tlriajevakoje skaleprepoznaju
ffi 14 46 60
vi.e o fol"dinorri-n oroj'istraZivanja kao
100.0%
depression % wrthinDASSdepgp2 23,3Yo 76.7tlo videii u dodarku,a
;:i:}J ?i?l'l;o;i?, r1;i p"i'"2r
" ?,d,.,i, r,,,o',,,"*.i.
5.9% 51.5% 18,89ia
% w(hin EPDSgP2

count
4 4"i.
239
14.4%
80
1 R Ro/"

319
biom edcen-
Tolal
% within DASSdcPgP2 74.9% 25,1./" 100.0%
% withrn EPDSSP2 100,0% 100.0% 100,0%
74.9.A 25.10/. 1 0 00 %
% ol Total
 Man-VitnijevU test Postupakgenerise
ova tehnika se upotreblj ava za ispitivanje razlika izmedu ovu komandu:
dve nezavisnegru_
pe na neprekidnoj skali. primera radi, da li se muikarci
i ue,rerazlikuju po NPARTESTS
nivou samopoitovanja? ovaj test je neparametarska
alternativa r-resru ne- /M-W: tslfest By sex(.1
zavisnih uzoraka. Umesto da poredi srednje vrednosti dveju 2)
grupa, kao sto /MISSINGANALYSIS.
radi t-tesr, Man-vitnijev u resr poredi njirrove rnedijane. Dobfren.
vrednosti
neprekidne promenljive pretvara u rangove za obegrupe i poto-
izraiunava
da li se rangovi tih grupa znataino r"rlikui,r. poito se rezultati Prikazanje odabran deo rezultata
pretuaraju u ovog postupxa.
rangove, stvarna raspodela rezultata nije vaZna. Test Statisticsa

Iotal selt esteem

Kratak pregled Man-VitnijevogU testa l M a n n . W h i t n e VU
I 2 I 594,000
Primeristraiivadkogpitania:Da li semuikarci i ze.e razlikuju WlcoxonW
po nrvou sa- 53472,000
mogo5tovanja? Oseiaju li mu5karciveie samopoitovanjeod Zena? -1.227
Sta vam treba:Dve promenljive: Asymp.Sig.
. jednakategorijskapromenljiva Qaailed) ,220
sa dve grupe (npr.pol/sex);
' jed'a neprekidnapromenljiva(npr. G r o u p i n g V a r i a b l e :S E X
ukupno samopoitovanje/total self-
esteem).
Ranks
Pretpostavke:Videti opite pretposravkeza neparametarske
rehnike darte
na podetkupoglavlja.
Parametarskaalternativa:r-tesrnezavisnih uzoraka. 227.'t4
2'12.19
Postupakza obavljanjeMan-VitnijevogU testa
Da bistepratiliovajprimer,otvoritedatotekus podacimasurveysED.sav.
1. U glavnommenijuna vrhuprozoraotvoritemeniAnaryze,
izaberiteu njemu Tumadenjerezu.ftataMan-Vitnijevog
stavkuNonparametricTests,pa pritisnite 2 Independentsamples.
clavne vrednosrikoje.treba U testa
2' Pritisniteodabranuneprekidnu(zavisnu)promenrjivu(npr. gledatiu iilnru jesuzi nivo
ukupno sa- Sig(2-iailed). znadajnosti,dar u
mopostovanje tj. tsfest)i prebaciteje u porjeTest variabre List. ll9.i-1try'i iznos frl;;;lr"r.'i*" viie od 30 srudajeva,
racunava z-aoroksimacije, SpSS iz-
3' Pritisniteodabranukategorijsku(nezavisnu) promenrjivu(npr.por tj. sex) i koja obrhurru i korekcijuzbog
nih veza izmedu o"ant"r.".-t_r';;i;,; mecrusob_
prebacite je u poljeGroupingVariable, primeru, vrednosr z je _1,23
(zaokruZeno),uz iivy
4. Pritisnite
dugmeDefineGroups.Upisitesifreza Grupu1 (npr.1) i za ^zladajnostl oa' p=9,22. rr";, ,;;;;;oie (p) nije
Grupu manji od niri jednak 0,05'.pa
2 (npr.2). Njimaste sifrovali vrednosti promenljive i"l r"r"ri"i 127n;i" znatajan.Nema
pomo6ukojese sadade- znaiajnerazlikeizmecru statistidki
fini5ugrupe- pogledajteu svojSifarnik. ;;"" r;;i"sr"r""i" muikaraca i iena.
Ako ne mozeteda se setiteSifaraza Kada otkrijete statistidki.r.;t;l;;t"li'.,
svakugrupu,desnimtasterommisapritisnite porjeGroupingvariabtei iza- izmedu grupa, rrebaro bi da
opiSete i smerte razlike,,i
beritevariable Information.prikazacese okvir-saopi"imu=i
brojevima(si- veia' u tabeli Ranks to 15."r1 J1"ni]"'.,.pr"kidna promenlji'a proseino
frama)kojetreba upisatiza tu promenrjivu. pritisnituirg* se uiai u t io'i rrt"ur
5. U odeljkuTest Typetrebada je potvrdenopoljeMann_Whitney
continue. da u izveitaiunavedeternedij":i:"J. !._ank,Medutini, b'o bi borje
U_ ne izradunava,pa je porreban glio: NaZalost,njih ova procedura
6. PritisnitedugmeOptionsi izaberite joi jedan korak.
Descriptives.
7' Pritisnitecontinue i zatimoK (odnosnodugmepaste da bistekomandu
snimiliu SyntaxEditor).
Postupakizradunavanjamedijanasvake grupe Vilkoksonovtest ranga
1. OtvoritemeniAnalyze,pa pritisnite Comparemeansi izaberite Means. vilkoksonov resrranga - jo5
se nazivaVilkoksonov resrekvivalentnih
(npr. rova ili tesr ranqovasa z.lrakom* pa_
2. Pritisniteodabranuneprekidnu promenljivu ukupnosamopo5tovanje tj. namenjenje za.ponoviie,rr,nerenla,
kada sesubjekti.rere u dva navr:lraili poi tj.
tsfest)i prebaciteje u poljeDependentList. auu .nrtieitn;;i;;;. To je
rametarskaalternativar-restuponovljenih nepa_
3. Pritisniteodabranukategorijsku promenljivu (npr.pol tj. sex)i prebacite
je u -.r."i", ntr ;;;r"
srednjih vrednosti, Vilkoksonorrr.r, pr.ruuru poredenja
poljeIndependentList. ,.ruiror. ., ;";r;;". i njih
redi u trer.rutku1 i rrenurku2. vilkoksonov po_
4. PritisnrtedugmeOptions.PritisnitedugmeMedian u odeljkuStatisticsi restsernozeupotrebitii kada
subjektiuparenipo specifidnimkriterijumima. su
prediteu poljeCellStatistics.PritisnitedugmadMeani StandardDeviati-
Kao ilusrracijuove tehnikeupotrebilnsam
on, i uklonitekvadicuiz poljaCell Statistics. podatkeiz datotekeexperim-
3ED'savs prareie web rokacijeknjige (videti
5. PritisnitedugmeContinue. ;r.. ;;; o"i.ii..rr, srudije
dodatku). u ovom primeru, upor.di"io're'.urrate u
6. PritisniteOK (odnosnodugmePaste da biste komandusnimiliu Syntax d; k"j,- ,. ispituje
strah od starisrike(engl..Fear of Statistics ";
Editor). Test).,p"p";j;;;;;_ pre i posle
intervencijekoia je trebaloda pomog'e rrudrnJ-"
Postupakgeneri5eovu komandu: il;;;U; sratisrikom.
Kratak pregledVilkoksonovogtesta ranga
MEANS Primer istraiivaikogpitania: Ima li pio-..,.
TABLES:tslfest BY sex reztrlr:rraispitivanja srraha
statistikeod vremena1 do vremena)? od
/CELLSCOUNTMEDIAN sta vam ffeba: Jednagrupa subjekatamere.na
na istoj neprekidnojskali ili
po istom kriterijumu u dva navraia.promenrjive
su."r;i;;;;;;enutku 1 iri
Evo i tabele rezultatasa izradunatimmediianama: u okolnostima1, i rezultariu trenutku 2
ili u okolnostima2.
Report Pretpostavke:Videti opStepretpostavke
^ ' za neparametarsketehnike,na-
Total Self esteem
vedenena podetkupoglavlla.
Parametarska alternativa:t_resruparenihuzoraka.
SEX N Median
I MALb) 184 35,00
2 FEMALES 252 34,50
Total 436 35.00 PostupakobavfjanjaVilkoksonovog
testa ranga
Da bistepratiriovajprimer,otvoritedatoteku
experim3ED.sav.
1' Na vrhu ptozoraotvoritemeniAnaryze,
izaberiteu njemustavkuNonpara-
metricTests,pa pritisnite 2 RelatedSamples.
Velidinauticaja 2' Pritisnitepromenljivekoje predstavljaju
rezultateu trenutku1 i trenutku2
SPSSne izradunavastatistiike pokazateljevelidineuticaja, ali se pomoc'u (npr.fost1,fost2).prebacitein u
tu6icuTest pairs List.
vrednostiz nayedeneu rezultatimamoZeizradunatipribliZnavrednostr. 3' U odeljkuTest rype trebada je potvrdeno
poljewircoxon.pritisnite
oK.
r = z I kvadratni koren od N gde je N = ukupan broj sludajeva(opser- 4' Pritisnitedugmeoptions. rzaberite ouartiles;timeste zadariizraeunavanje
vacija). medijana za svakiod trenutaka u kojimasu obavljanaispitivanja.
U ovom primeru, z = -1,23 i N = 436; stogar iznosi 0,06. To bi se sma- 5' Pritisnitecontinue i zatimoK (odnosno
dugmepaste da bistekomandu
tralo vrlo malim uticajemprema Koenovom (1988) kriterijumu (0,1=mali snimiliu SyntaxEditor).
uticaj,0,3=srednjiuticai,0,5=velikiuticaj). Postupakgeneri5eovukomandu:
Rezultateove analizemogli bistepredstavitiovako:
NPARTEST
Man-VitnijevU test nije otkrioznadajnurazlikuu nivousamopo6tovanjamu5ka- /WlLCOXONdostl WITHfost2 (pAtRED)
r a c a( M d : 3 5 , n : 1 8 4 ) i Z e n a( M d : 3 4 , 5 ,n : 2 5 2 ) , U : 2 1 5 9 4 , z : - 1, 2 3 , /STATISTICS
OUARTILES
9:O,22,r:0,06' /MISSINGANALYSIS.
 UgO V:Otdl.lbtlu^e tsrrrrr^v J- Y'-r*

Prikazacemosamo deo rezultata: Kruskal-Volisov

test
Kruskal-volisovtest(nazivasei Kruskal-Volisaov H test)neparametarska
DescriptiveStatistics je
alternativaiedr-rofaktorskof
analizi varijanserazliiitih grrio sluzi za po-
redenjerezultaranekeneprekidnepromenljiveza tri iti uiie
je jednak Man-Vitnijevom u testu prikazanornu prethodnom [rr:pn.po prirodi
d.ru'pogl;-
vlja, ali omogufavaporede'je viie 6d dve grupe. RezLrltari se prervaraiuLr
fearof statstime2 rangove'pa se poredesrednji rangovi svakegrupe. To j" analiza
razlii:itib
grupa, pa u svakojgrupi moraju biti drugi ljudi.
o
Test Stalistics

tear ot statslim62' Kratakpregled Kruskal-Volisovogtesta

fear ot slatstimel Primeristraiivaikog pitania:Ima li razlikerr nivoima optimizm.
a 80' osobakoje
prigadajutrima starosnimgrupam:r?
dsymp.Sig .000
l2-lailed) Stavam treba:Dve promenljive:
a Basedon
Positivemnks'
o jedna kategorijskanezavisnapromenrjiva
s tri ili viie karegorija(npr.
b' wil"oton SignedRanksTest agegp3:1.8-29,30-44,45+);i
. jedna neprekidnazavisnapromenljiva(npr.
ukupan optimizanr).
Pretpostavke:Videti opite pretpostavkeza neparametarske
tehnike, na-
vedenena podetkupoglavlja.
TumadenierezultataVilkoksonovogtesta ranga- inien nivo
Parametarskaalternativa:Jednofaktorskaanalizavarijanserazliditih
grupa.
Glavnevrednostif."i.ir"b" gledati uizlaznimrezultatu iesuZ
znadajnostidat u red-u;r;;; sig (2-tailed).Kada ie nivo znadainostiied-
moZesezakljuiiti da ie razlika PostupakobavljanjaKruskal-Volisovog
nak ili manji od o,os t"pt''o'ti+, o,"oi,0.,001)' testa
i z m e d u r e z u l t a t a z n a i a j n a . U o v o m p r r n e r L l ' v e r o v a t r r o 6 a S i g . i z niz-
osi0'000 Da bistepratiliovajprimer,otvoritedatotekusurvey3ED.sav.
zakljuditi daie razhka
(5tozapravo,,-,utl-u.rl; od 0,0005i' Stogatreba 1. Na vrhu prozoraotvoritemeniAnaryze,izaberite u njemustavkuNonpara-
medu te dve grupe rezultata zna(aina(nesludaina)' metricTests,pa pritisniteK lndependentSamples.
2. Pritisniteodabranuneprekidnu zavisnupromenrjivu (npr.ukupanoptimizam)
velidina uticaia i prebaciteje u poljeTest VariableList.
na nadin opisanza Man-
Veliiina uticaja u ovom testu moze se lzriaiunati 3' Pritisniteodabranukategorrlsku nezavisnupromenrjivu (npr.agegp3)i pre-
korenomiz N' Medutim'
Vi;"tr" U r.*, ri' a"fi."lt- veliiine z kvadratnim baciteje u poljeGroupingVariable.
trenutka' a ne broj
u ovoj situaciiiN = il;;i;;servacija-u-dva vretnenska 4. Pritisnite
dugmeDefineRange.U poljeMinimumupisitepodetnuvrednost
- 4'18,N = 60 (sluiajevax2\zatr> ie r = 0'54'
sluiajeva'U ovom pri*"'u,'Z kategorrjskepromenljive(npr.1).U poljeMaximumupiditenajvecuvrednost
StoukazujenavelikiuticaipremaKoenovom(1988)kriterijumu:0'1=rnali kategorijske (npr.3). pritisnitedugmeContinue.
promenljive
uticaj, 0,i = srednjiuticai, 0,5 = veliki uticaj' 5' U odeljkuTest rype trebada je potvrdenoporjeKruskar-wailisH.
Rezultatiove analizemogu sepredstavitiovako: 6. Pritisnitecontinue i zatimoK (odnosnodugmepaste da bistekomandu
snimiliu SyntaxEditor).
ffitkriojestatistidkiznadajnosmanjeq1strahaodstatisti.
-4'18'p ( Q001 Postupakgeneri5eovu komandu:
ke nakonudestvovanja u programuobuke,z:
i*r'i"""* o{.:il:19:%[:
(Fear statisticssca-
odstatisiike
[":;$:ffi1""" "rr"ii"ir"6u NPARTESTS
L) oputuj" od (Ma:40) pre programa do (Md:38) posleprograma'
/K-W:toptim BY agegp3(13)
/MISSINGANALYSIS.
 testa' U navedenim rezultatima, nivo znadajnosti je 0,01 (zaokruZeno).
Prikazacemosamo deo rezultataovog To je
man;'eod alfa nivoa od 0,05, pa rezultat govori da postoji razlika
Ranks u nivoima
optimizma razliditih starosnih grupa. pregledom siednjih (prosednih)
N Mean Rank
vreci-
nosti rax_govagrupa vidimo da je optimi zam na najviiem nivou u
fola I $'29 147 19 8 , 1 8 najstariloj
f,ptimism 30-44 216,05 grupi (45 i viSegodina), a najmanji u najmladoj.
45+ 135 241.ffi Rezultati ove analize mogu se predstaviti ovako:
Total 435

Tsl Statistics
a'b Kruskal-Volisov test je otkrio statistidkiznadajnurazlikunivoaoptimizma
tri ra_
z l i d i t es t a r o s n eg r u p e( G p l , . n + Z : 1 8 - 2 9 g o d ,G p 2 , n : 1 5 b : 3 0 _ 4 4 g o d ,
Tolal ODtimism 1 )
Ch isquare 8,573 G p 3 , n : 1 3 5 : 4 5 i v i 5 eg o d ) ,c 2 ( 2 , n : 4 3 5 ) : g , 5 Z p : 0 , 0 1 4 . N a j s t a r i j a
sta_
df rosnagrupa (45 i viSegodina)ima vecu medijanurezultata(Md:2'3)
od osta_
Asymp.
.014 le dve starosne grupe, dija medijana iznosi 22.
Siq.
a KruskalWallisTest
b GroupingVariable:AGEGP3
Naknadnitestovii velidinauticaja
i medijane optimizma
vrednosti za svakustarosnugru- Kada dobijerestatistidki znaiajan rezultatKruskal-volisovogtesta,jos uvek
Trebalobi da izradunate
medijanaopisanu odeljkuposvecenomMan- ne znatekoje grupe se statistiiki znatajno medusobnorazfikiju. Da biste
fu-.St"Oir"postupakzadobijanje to
-VitnijevomU testu. utvrdili, treba da obavitejod nekoliko naknadnihMan-VitniievihU testova
izmedu,parovagrupa (npr.grupe najstarijihi grupe najmladih;.Ako name-
ravateda poreditesveparovegrupa ('1,sa2,1 sa 3-i 2 sa 3),morateprimeniti
MEANS
TABLES:toptim BY agegP3 Bonferonijevukorekciju alfa vrednosti(videtiuvod u peti'deoknjige),kako
/CELLSCOUNTMEDIAN. bisteizbegligreSkeprve vrsre.
Bonferonijevoprilagodenjeznadi podeliti alfa vrednost 0,05 brojem
te-
stovakoje nameravateda obavitei potom upotrebljavatitako revidiran
Ovo je tabela rezultatasa izradunatimmedijanama: alfa
nivo kao kriterijum za odredivanjeznadajnosti. ovde bi to znadilostroii alfa
RePort nivo od 0,05/3=0,017.Medutim, umestoporedenjasvih mogudihparova
TotalOPtimism 8ttg1, bolje je izabrati samo nekoliko klju3nih grupa i uporeiti njih, dime
sealfa nivo zadri.avana upotrebljivojvisini (nepremaloi).za svakogrupno
aoe in 3 qroups N Median
1 <=29 147 22,00 poredenjemoie se izraiunati pokazateljvelidineuticaja (tj. jaiine
vezeiz-
2 30-44 153 22.00 m-edupromenljivih),po postupku opisanomu odeljku poru.i..ro- Mor,-
3 45+ 135 23,00 -Vitnijevom U testu.
Total ,at 22.O4

Fridmanovtest
Fridmanov test je neparametarska alternativa jednofaktorskoj
analizi vari-
TumadenierezultataKruskal-Volisovogtestajesu:vrednostpo- Janseponovljenih merenja (videti poglavlje 1B). Upotrebljava se kada .,zme-
te.isti uzotak subjekata ili sludajeva i izmerite
Glavnevrednostikoje treba gledatiu izlaznomrezultatu lh i tri ili uiie naurctta ili pod
(df) i nivo znataino- tri razlidita uslova.
iurur.Iluhi-kvadrat (Chi-Sqriare),broj stepenislobode
two znadainosti manii od 0'05 (npr'
,ii lprikurnn kao Asymp.Sii'1' 5aa." ie.
je u dobijenimvrednostima Kratakpregled Fridmanovogtesta
0,0i,0,01,0,001),-oi. r.",ukliuditida razlika
treba pogledatt
;:,;t;ki;;; prome,tliirreizmedu te tri grupe znataina' zar'im Primer istraiivadkogpitania: Ima li promenerezulrara
i s p i t i v a n i as t r a h a o d
gtupt
sredniu vrednost ru,lg" (Mean Rank) za it rti n::11'::i.:-t^":l,t1b,1l statistike obavljenim u tri vremenska perioda (pre intervencije,
neposredno
Tu vidite koia od tri grupeima naivecirang' sto odgovaranalvecol posle intervencije i tri mesecanakon intervencije)?
,"r'.rlt"t".
vrednostineprekidnepromenljive' sta vam treba: Jedan uzorak subjekata, merenih na istoj skali ili u rri vre_
menski razlitita navrata ili pod tri razlitita uslova.
 TumadenierezultataFridmanovogtesta
Pretpostavke:Videtiopirepretpostavkezirneparan1etarsketehnike,na- Rezultati ovog tesra pokazuju da postoje znaiajne razlike u rezultatima na
v e d e n en a P o i e t k u P o g l a v l i a ' skali straha od statistike dobijenim u rri vremenska razdoblja.
'Ib
pokazuje
Parametarskaalternativa:Jednofaktorskaanalizavariianseponovljenih
vrednost sig. od 0,000 (5to zapravo znadi manje od 0,000-5).poredeii sred-
merenia(istih subiekata)' nje vrednosti rangova (Mean Ranks) za tri skupa rezultata, izgleda kao da
strah od statistike opada s vremenom.
testa
Postupakza obavlianieFridmanovog Rezultate ove analize mogli biste predstaviti ovako:
datotekuexperim3ED'sav'
Da biste moglipratitiovajprimer,otvorite
stavkuNonparametricTests' pa RezultatiFridmanovogtesta pokazuju da postoji statistidki znad,alna
1. otvorite meniAnalyze,izaberiteu njemu
razlikare-
zultatana skali strahaod statistikedobijenihu tri vremenskarazdoblja(pre inter-
K RelatedSamPles'
pritisnite
vencije,neposredno posle intervencije,3 meseca posle intervencije),c2 (2, n :
2'Prrtisnitepromenljivekojepredstavljajutatrimerenja(npr.fost1,fost2,fost3). 30) :41,52 p < 0,005). Pregledmedijanaje pokazaoopadanjestrahaod sta-
je potvrdenopoljeFriedman'
3. U odeljkuTest Type trebada tistikeu vremenskomrazdobljuod pre intervencije(Md:40) do posle interven-
4'PritisnitedugmeStatistics.Potvrditepo|jeQuartiles.PritisnitedugmeCon- cije (Md :38), kao i daljeopadanje3 mesecaposle intervencije(Md:35,5).
tinue.
da biste komandusnimiliu Syntax
5. PritisniteOK (odnosnodugmePaste
Naknadnitestovi i velidinauticaia
Editor).
Kada se utvrdi da postoji statistiiki znaiaina razllka koja nastaje negdeiz--
Tim postupkomgeneriSeteovu komandu: medu tri tadkeu vremenu,sledeii korak bi bili naknadni restoviporedenia
vremenskihtadaka od interesa(videti prethodno razmatranienaknadnih te-
NPARTESTS stovau vezi s Kruskal-Volisovimtestom).U ovom sludaju,naknadnoispiti-
/FRIEDMAN: fostl fost2fost3 vanie bi obuhvatilo pojedinadnevilkoksove resrove ranga, uz Bonferoni
OUARTILES
/STATISTICS korekciju alfa vrednostikako bi seizbegiagreika I vrste.Ja bih severovarno
/MISSINGLISTWISE' odludilaza poredenjerezultatau trenutku 1 (pre intervencile)s rezultarimau
trenutku2 (posleintervencije), i zatim onih u rrenurku2 (posleinrervencije)
Evoi rezultata: sa onima dobijenimu trenutku -3(3 mesecaposleintervencije). To su dva te-
DescriPtiveStatistics sta;zato bi moj revidiranialfa nivo za utvrdivanjestatistidkezrraiajnostibio
0,05/2 = 0,025.Pokazatelje velidineuticaja(iatineveze)trebalobi izradunati
za svakokonkretnoporedenjeobavljenoVilkoksovimtestomranga.

Dodatneveibe
Poslovno okruZenie
Ranks
Datoteka s podacima:staffsurvey3ED.sav.
Pojedinostio datotecivideti u
Mean Rank dodatku.
tear ot stats 2,78 1. Pomoiu hi-kvadrat tesra nezavisnostiuporedite proporciju stalnih i
time l
fear ol stats
privremeno zaposlenihlemploystatus)koii bi preporuciliorganizaciiu
2,Q3
timez kao dobro mestoza rad (recommend).
fear ol slats 1.18 2. Pomoiu Man-Vitnijevog U testa uporedite dobijene vrednosti zado,
Itime3
voljstva osoblja (totsatis) za stalno i za privremeno zaposlene(enrplo1,-
a
Test Statistlcs status).

5*'u*
i "':l
3. Pomoiu Kruskal-Volisovog testa uporedite dobiiene vrednosti zado-
voljstva osoblja (totsatis) za sve kategorije duZine radnog staZa (upo-
.000 trebite promenljivu seruicegp3)'

Friedman Tesl
 % T-testovi
Zdravstvo
D;l;;"k" i podacima:
sleep3ED.sav. o datotecividetiu dodatku.
Pojedinosti
1. Pornoiu hi-kvadrattestanezavisnosti uporediteproporciiurnulkaraca
i Lena(gender)koji odgovarajuda imaju problemasa spavaniem(pro-
blem\.
2. Pon-roiuMan-VitniievogU testauporeditesrednjevrednostipospano-
sti (gkupne vrednostina skali Sleepiness and AssociatedSensations
Scale:totSAS)za muikarce i Zene(gender).
3. Porno6uKruskal-Volisovogtesta uporeditesrednievrednostimerenja
pospanosti(ukupnevrednostina skali Sleepiness and AssociatedSen-
i"tiotrs Scale:lotSASl za tri starosnegrupe definisanepromenljivom
agegp3(<=37,38-50, 51+). SPSSima viSevrsta t-testova. Mi iemo ovde razmotriri dve:
. t-test nezauisnih uzoraka, koji se upotrebljava za poredenje srednle
vrednosti obelezja merenog u dve razlidite grupe ljudi ili u razlic.itim
okolnostima; i
o t-test uparenih uzoraka, koli se upotrebljava za poredenje srednjevred-
nosti obeleZia iste grupe ljudi merenog u dva navraca ili kada su sub-
jekti upareni (engl. matched pairs).
U oba sludaja, porede se vrednosri odredene neprekidne promenljive me-
rene u due grupe rli s dua navrata. Kada grupa odnosno okolnosti ima viSe
od dve, umesto t-testa upotrebljava se analiza varijanse.
Obe vrste t-testova razmotrene u ovom poglavllu poiivaju na nekoliko
pretpostavki koje treba proveriti pre obavljan ja analiza. Op5re prerpostavke
za obe vrste t-testova navedenesu u uvodu u peti deo knjige. T:test uparenih
uzoraka ima i jednu jedinstvenu dodatnu pretpostavku, koju takode treba
proveriti. Ona le podrobno objalnjena u kratkom pregledu t-testova upzl-
renih uzoraka. Pre nego 5to nasravite da ditate ovo poglavlje, trebalo bi da
proditate uvod u peri deo knjige.

T-testnezavisnihuzoraka
T-testnezavisnihuzoraka(engl.independent-samples
/-/esl)upotrebljavarrro
za poredenjesrednjevrednostineke neprekidnepromenljiveu dve rirzliiite
grupesubjekara.

Obja5njenjeprimera
Da bismoilustrovaliupotrebuove tehnike,koristiiemodatorekus podacinra
survey3ED.sav. U primeru se porede razlike izrnedupolova u izrnerenonr
nivou samopo5tovanja. Imamo dve promenljive,pol (sex),gde su muikarci
Sifrovanisa 1, a Zenesa 2, i tslfest(skraienood total self-esreem),5ro
je uku-
pan rezultat dobijen na skali samopoitovanjaod deset stavki. (Videti u
 dodatku pojedinosti o istraZiv:rniu,prornenijivarna i upitrriku upotreblienom Evo odabranogdela rezultataovog postupka.
za prikupljanje podataka.) Ukoliko Zelite da pratite primer i odmah sprovo-
Group Statisttcs
dite navedena uputstva, pokrenite SPSSi otvorite datoteku survey3ED.sav'
SEX Mean Std. Deviation Std. ErrorMean
-MALES
lolalselt-
184 u.02 4,91
Kratak pregledt-testa nezavisnihuzoraka
JO
)sleem
FEMALES 252 t5.t/ 5.71 JO

Primeristiaiivadkogpitanja:Da li postoiiznaiainarazlika izmedusredniih

vrednosti samopodtovanjakod muSkzrraca i i'ena? rndepndtrl Srnptes T6l

Levene s Tesl
Stavam treba:Dve promenljive: lor qualily ol

r jednakategorijska,nezavisnapromenliiva(npr.muskarci/iene);i Flesl lor qualty ol Msns

9506ConlrdeDco

r jednaneprekidna,zavisnapromelliiva (npr.vrednostsamopoitovanja)' hlaNal o( th6

sig Std. Eiror Drfierence
Sq. dt i2 taild) Orflerence Dilfererce
5t" ,e postiie: T-test nezavisnihuzoraka kazuje da li postoji statistidki blal tquar vaftances
.062 1,622 4U
uppet

znataina razlika u prosednomrezultatu merenianekog obeleLjau dve grupe

,105 ,45 ,52 ,.18 j,87
Equal varnces

(ti. da li se muSkarcii zene zna(ainorazlikuju po nivou samopoitovania). nol a$umed r,66| 422.U9 ,098 ,85 ,51

R.d.no jezikom statistike,ispitujemoverovatnoiu da dva skupa rezultata

(dobiienihod muikaracai od Zena)potiiu iz istepopulacije'
Pretpostavke:Pretpostavkeza ovaj test obradenesu u uvodtl u peti deo
knjige.Trebalobi da proditatetai deo tekstapre nego 5to nastavite. Tumadenje rezultata t-testa nezavisnih uzoraka
I.{"pur"-.tarska alternativa:Man-VitnijevU test (videti 16. poglavlje).
Korak 1: provera informacija o grupama
U tabeliGroup statisticssPSSje ispisaosrednjuvrednost(engl.mean)i
Postupakza obavlianiet-testa nezavisnihuzoraka dardno odstupanje(engl.standard deuiation)obeleZjaod ie vred.,osri
stan-
1. otvoritemeniAnalyze,izaberite u njemustavkucompare means,pa priti- za
svakugrupu (u ovom sludaju:muikarci/Zene). Navedenje i broj osobau sva-
sniteIndependentSamPlesT test. koj grupi (N). uvek najpre proveritete brojeve.Da li su tadni iznosi
(npr.ukupnosamo- N za
2. Pritisniteodabranuzavisnu(neprekidnu) promenljivu muikarce i zene?Nedostajemnogo podataka?Ako je tako, otkrijte razlog.
po5tovanje, je
tslfest)i prebacite u poljeTestvariable. ste upisalipogre5neSifreza mulkarceodnosnozene(0 i 1, umesro1
(kategorijsku)promenljivu(npr'pol,sex)i pre- {oz!a
odabranunezavisnu
3. Pritisnite i 2). Proditajte5tapile u iifarniku.
baciteje u poljeGroupingvariable'
4. PritisnitedugmeDefine groups i upiSitebrojevepomocukojih su grupe Korak 2: provera pretpostavki
.l:muskarci,
Sifrovane u skupupodataka.U tekucoj s
datoteci podacima, u prvom delu tabele Independent Samples Test dati su rezultati
Leveneovog
2:2eneizatou poljeGroup 1 upi6ite1;a u poljeGroup2 upiSite2. Ako ne testa.jednakosti varijansi. Ispituje se da li je jednaka varijansa (promenljivostJ
mo2eteda se setiteSifaraza svakugrupu,desnimtasterommi5apritisnite rezultata u dve grupe (mudkaraca i Lena).Ishod
o'og testa .dreduje koju
imepromenljive i u kontekstnom VariableInformation'Pri-
menijuizaberite t-vrednost (od dve koje je SPSSizradunao) treba ,-"trnii
(siframa) trebaupisatiza tu pro- radnom i upotrebiii.
kazacese okvirsa opisimai brojevima koje
o Kada je velidina sig. (u
menljivu.PritisnitedugmeContinue. odeljku Levene'sTest for Equality of Variances)
ve6a od 0,05 (npr. 0,07, 0,10), rreba uporrebiti prvi red rabele, izraiu_
5. PritisniteContinuei zatimOK (odnosnodugmePaste da bistekomandu nat za sludaj jednakih varijansi (Equal variancei assumed).
snimiliu SyntaxEditor).
. Ukoliko nivo zr-radajnostiLeveneovog
testa iznosi p=0,05 ili manie
Postupakgeneri5eovu komandu: ( n p r . 0 , 0 l . 0 , 0 0 I ) , r o z n a c i d a v a r i j a n s ed v e g r u p e ( m u i k a r c i / z
e n e )n i s u
jednake. Dakle, podl:t zadovoljavaju pretpoitavku o jednakosti va-
T-TEST 1.
rijansi. Ne panidite; SPSSje ljubazno izraiunao alternarivnu vrednosr r,
1 G R O U P S : s e x ( .2| )
/MISSING:ANALYSIS
koja kompenzuje_dinjenicuda varijanse nisu jednake. Treba uporrebiti
drugu vrstu tirbele rezultata t-testa, izradunatu bez pretposiavljanja
/VARIABLES: tslfest jednakosti varijansi (Equal variances not assumed).
/CRITERIA:Cl(,95).
zo0

To je viSe )mernrce(Cohen,1988, str. 254-7) za rumadenje

U gornjem primeru, nivo znaiajnosti Leveneovogtesta ie 0,062. ove velidineglase:
o variiansi niie bila
od gr"aniinih b,O5; znadi da pretpostavka iednakosti 0,01-maliuticai.
vrednost t iz prvog reda tabele'
naruiena. Zato uizveitaiu t'"tu *ut'ti 0,06=umerenutical.
0,14=velikiuticai.
Korak 3: procena razlike izmedu gruPa sto setic=e
grupe, pogledaite ko- nalegprim.era,velidinauticajaiznosi.sarno
Da bisteuwrdili postoii li znataina razhkaizmedu dve rnali.Procenrualnoiz.raLeno
0,006,dakrevrlo je
su dve vred-
D.ate. (pomnoziteizradunatieta kuadratsa 100),
lo'u Sig.(2+ailei) u odeljku r-testfor Equalityof Means. na razlikaobjainjavasamo 0,6 procenaravarijanse,u_opoSiounn,".
pol_
vilriianse'
nosti -"prva za sludaj jednakih varijansi, druga za nejednake U literaturi iz nekih oblasti (npr. medicinei,uelidina
odaberitevrednosrzakojuvam rezultatLeveneovog testa kazuje da ie taian ,'ri."i" iesto se iz_
raLavaKoenovimpokazaterjem d.Brzi kratak nadinizradunn"n.,;"pokaza_
(videtikorak 2).
telja velidineuricaja,medu kojima i Koenovogpokazatellu
. Kada je broj u koloni sig. (2-tailed\jednak ili manii od 0,05 (npr.0,03, 'web a, po,.nzit.
adresihttp://web.uccs.edu/lbeckeripsy5gO/e.scalc3.htm.'' nu
0,01, 0,001), tac{apost;ii znaiaina tazllka izmedu srednfihvrednosti
zavisnepromenljiveu svakojod dve grupe' Predstavlianjerezultatat-testa nezavisnihuzoraka
. Kada je broj iznad 0,05 (npr.0,06, 0,10),razlikaizrnedudve grupeniie Rezultate ove analize mogli biste predstaviti ovako:
znadaina,vei sludaina.
je ta
U gornjemprimeru, broi u koloni Sig.(2-tailed)iznosi0,105. PoSto T-testomnezavisnih uzorakauporedenisu rezurtatiispitivanja
treba zaklluditi da ne
veliiiia iznai zahtevanegranidne vrednosti 0,05, muskaraca i zena.Nrlebiroznadajne razrikerezurtatakodmuskaru"" "",.noposffi
(rfi': 34,o2,
postoji statistiiki znataini razyka,izmedu srednjih vrednosti samopoito- S D : 4 , 9 1 ) o d n o s nZoe n aM, : 3 3 , 1 2 S D : S , 7 1 ; t( 4 g 4 ) :
t , O Zp, : 0 , . 1 1
izmedu
vanja rnuikaraca i Zena.T,rbela sadrLii srednju vrednost te raz.like (obostrano). Razlikaizmedusrednjihvrednostiobelezja po g.pu."'(iroseena
du.'grup. (Mean Difference),koja iznosi0,85; a u odeljku957o
confidence razlika:0,85,950/o Cl: -1 ,80 do .l,g7)bilaje vrlomala(etakvadrat : 0.006).
donju (Lower) i gorniu (Upper) gra'icu interval,
t.rt.in"iof the Difference,
koji sa verovatnoiom od95"/o sadrZi stvarnu velidinu te razlike'
T-testuparenihuzoraka
lzradunavanieveli6ineuticaia u t-testu nezavisnihuzoraka
T-testuparenihuzoraka(ili ponovljenihmerenja)
upotrebljavamokada ima-
da jednu,grupuljudi (ili preduzeia,ili maiina
V.lieln, uticajalengl.effectslze)koiusvim ovim testovimapokuiavamo ::-:T" itd.), a podntk. od njih
peti deo kniige. veliii.e
Pokaza.telii uti- prrKuplramo u dva navrataili pod dvaraz.riiitauslova.primer takve
otkrijemo,razmotrenal" u uuod.,u situa.:ile
su eksperimendu kojima meienjeobavljamo
."1" na velidinurazlike izmedugrupa, a ne samo da li ie ta razlikir pre i posle neke intervencije.
"f."r"i" od svakuosobuocenimona nekoj neprekidnoj
,irt"i"" ili ne. Veliiina uticaia se procenjufepomoiu viSepokazatelia, vo u trenutku2' nakon 5tosmo ih podvrgli
skali u trenutku 1, i zatintpono-
kvadrat moze
kojih se najdesieupotrebljavaiueta kvadrat i Koenov d. Eta nekoj eksperimentalnoj
mtervenciji.Isti nadinseuporreblj^rur^ip^rene
obradi ili
uzav_i-
imati vrednosru opseguod 0 do 1 i predstavljaproporciju variianse uparenas nekom drugom na osnovu
subjekte(tj. svakaosobaje
(grupisania)'SPSS
,.ro1prorn"nliivol tblISnje.u nezaviinompromenljivo.r odredenihkriterijuma,kao ito su sra-
,r" irr"d,rnnua pokazatelieta kvadrat u t-testovirna,ali ga moZemo
sami izrr- ogl i sl')' Jedandeoparabivapodvrgnurinrervenciiir, a drugiinrerven-
:::'r
utJtz' Latrm seza svakipar porede
dunati pomoduostalihdatil'rrezultata' rezulratina nekoj neprekidnoJ skari.
uparenih.rro.nkusluZei za merenjeodgovoraisteosobena dv:r
Fonnula za.etakvadrat glasi: -^_l.r:t,oyi
ffzttctta_pitanja, recimo da oceni vaznostdrra'"speftaLivota(npr.zdravlja,
ttnansijskeobezbedenosti) u pogledunjihovog Lrticajana zadovoljstvoZivo-
t2
Eta kvadrat = ovom sludajur, oba aspekta treba ocenitina istoj skali (npr.od 1=ni-
t2+(N12+N2-2) :.,T'u
rnalo vaZnodo 1o=veomavaZno).
Kada u formulu uvrsrimoodgovaraju6ebroieveiz gorniegprimera:

1,622
Eta kvadrat =
1 , 6 2 2+ ( l B 4 + 2 5 2 - 2 )
Eta kvadrat = ,006
 ,Jv
Yr uPq
rogtavue | /: t-Ieslovt

ObjaSnienjeprimera 3' Kada-su obe promenljiveizabrane,prebacite

ih u polje PairedVariables
Kao ilustracijut-testauparenihuzoraka'Webupotrebilasam podatkeiz d:rtoteke tako.Sto cete pritisnutidugme sa strelicom.pritisnite
OK (odnosno dugme
experim3ED.sav(dostupnena prateioj lokaciji kniige).To ie veitadka Paste da biste komand, u Syntax Editor).
datotekas podacima, napravljena i modifikovana tako da ilustruie raz.ne PostupakgeneriSeovu komandu:"nirnifi
statistiiketehnike.Svepojedinosti projektaistraZivanja, upotrebljenihmera
itd. date su u dodatku. T-TEST
U donjemprimeruistraZiiuuticajintervenciie koja ie trebaloda poveia sa- PAIRS: fostl W|THfost2(pAtRED)
mopouzdanjestudenatau pogleduniihove sposobnostida ovladajustatisti- /CRITERIA:Cl(.95)
kom. Od stLrdenataie bilo traLenoda popune test za ispitivanjestraha od /MISSING: ANALYSIS.
statistike(engl. Fear of StatisticsTbsr,FOST) i pre (trenutak 1) i posle inter-
vencije(trenutak2). Upotrebiiu ove dve promenljiveiz datotekes podacima: Evorezultata
prethodnogpostupka:
FOST1(rezultatiispitivanjastrahaod statistikeu trenutku 1) i FOST2(rezul-
tati ispitivanjastrahaod statistikeu trenutku2).Da bistepratili ovaj primer, Paired Samples Stalistjcs
pokreniteSPSSi otvorite datoteku s podacimaexperim3ED.sav.
M e an N Sld. Devratron Std. ErrorMean
Pair 1 fear ol stats
q,17 30
limel
Kratakpregledt-testa uparenih uzoraka fear of stats
5,16 ,94

Primer istraiivadkog pitanja: Da li se znadajno razlikuiu rezultati ispitivanja time2 37,50 30 5,15 ,94
straha od statistike, nakon 5to su ispitanici udestvovali u intervenciji kola je
trebalo da poveia njihovu veru u sposobnost da uspeSnoovladaju statistikom?
Utide li ta intervencija na rezultate udesnika ispitivanla straha od statistike? Paired SaDptes T6l

Sta uam treba: Jedan skup subjekata (ili uparenih subjekata). Svaka oso-
ba (odnosno par) treba da di oba skupa odgovora. Dve promenljive: 95% Confidence
Interyal ot lhe
o jedna kategorijska nezavisnapromenljiva (u ovom slulaju, to je vrenrc; Drftergnce

sa dva razlitita nivoa: trenutak 1, trenutak 2)l

o jedna neprekidna, zavisna promenljiva (npr. rezultati ispitivanja straha
od statistike) merena u dva navrata ili pod razliiitim okolnostima.
Sta se postiie: T-test uparenih uzoraka kazuje da li postoji statistitki zna-
iajna razllka u srednjim vrednostima rezultata dobiienih u trenutku 1 i tre-
nutku 2.
Tumadenjerezultatat-testa uparenih uzoraka
Pretpostavke: Osnovne pretpostavke t-testova obradene su u uvodu u
Tumadenjerezultataove analize,artoyi
se od dva koraka.
peti deo knjige. Trebalo bi da proditaite taj deo teksta pre nego 5to nastavite.
Korak 1: odredivanjeukupne znaeajnosti
Dodatna pretpostauka: razhka izmedu dva rezultata dobijena za svakog
u tabeli-PairedsamplesTestpogredajteposrednjukolonu, sa zaglavljemSig.
ispitanika treba da je normalno raspodeljena. Krsenje te pretpostavke ne
(2+ailed);to je trazenaverovarnoia
prouzrokuje ozbiljne probleme kada uzorci imaiu viSeod 30 subjekata. dontienja pogrelnogzakljudka.Kadaje
ta vrednostma-njaod 0,05 (npr.0,04,
Neparametarska alternativa: Vilkoksonov test ranga (videti 16' poglavlje). o,ot, o,oot [ da posto-
;t znaiajna razlikaizmedudva rezultata.U.gornjem ""rrJr"r.rirtiti
primeru,verovatnoiaje
0.,000'Taj broj je zapravo zaokruLennatri
decimalnamesra,ito znaii da je
Postupakobavljanjat-testa uparenihuzoraka stvarna verovatnoia manja od 0,0005. Ta
vrednos,;. ,.rutrro (sto puta)
1. Otvorite meni Analyze, izaberiteu njemu stavkuCompare Means, pa priti- manja.od zadatogalfanivoa od 0,05. zato trebarur.r;"eiti
a" f.r,";i znaiaj_
snite Paired Samples T test. na razlikau rezulrarimaispitivanjasrrahaod statistike
a"r,r";l u rrenutku
2. Pritisnitedve promenljivekoje Zeliteda uporediteza svakog ispitanika(npr.
1 odnosnotrenutku 2.zabelei.ite vrednostt (u
ovom JJJJru,'s,:g) i uroj
fostl : strah od statistikeu trenutku 1, fost2: strah od statistikeu trenutku2). stepenislobode(df=29),poito njih rrebanavestiu izveltaju
o istraZivaniu.
 (Mean) Eta kvadrat se moZe
Trebalo bi zabeleZitii da je prosedno smanjenie straha od statistike dobiti pomoiu ove formule:
(Lo-
bllo 2.67,te cla se interval 95-procentr-repouzdanosti proteZe od doniih
w e r ) 1 , 6 6 d o g o r n i i h ( U P P e r )3 ' 6 8 ' Eta kvadrat = (5,39)2
(5,39)2+ 30- 1
Korak 2: poredeniesredniihvrednosti ?g n{
poStosmo ustanovilida postoii znaittinarazlika, u slededemkoraku treba
- z
) v J

u tre- 29,05+30_1
utvrditi koji skup ,"zupaiasadrZiveie srednjevrednosti(skupdobiien
uvidom Llprvu tabelu Paired - ,50
nutku 1 ili onaj ,,,trenutk,,2).Toiemo uraditi
sku-
samplesstatistics.u njoj su srednjevrednosti(Mean)izradunateza oba Kada u formulu uvrstimoodgovarajuiebrojeveiz gornjeg
p* ,.rultnt" pojedinaino.U naSemsludaiu,stra[ od statistike u tretrufku 1 primera:
prored,]oiznosi 40,1,7,dok u trenutku 2 iznosi37,50' Dakle, zakljuduiemo (5,39)2
iu ,,, ," rezukatiispitivaniasrrahaod statistikeznaiajno smaniiliod trenut- Eta kvadrar -
( 5 , 3 9 ) 2+ 3 0 * 1
kar1 (pre intervenciie)do trenutka 2 (posleintervencije)'
'tJp'c.tzorenje:
Iako smo dobili znadainurazliku u rezultatimapre i poslein-
tervencije,ne moZemoreii da je ta intervencijaprouzrokovalasmanienje
,rr.d.rosii,. zultataispitivanjastrahaod statistike.NaZalost,istraZivanianisu -
-#*r
,50
tako jednostavna!Na smanienjedobijenihrezultatarspitivaniastrahaod sta-
tistike moglo je uticati i mnogo drugih dinilaca.Tome je moglo doprineti i smernice (cohen' 198g, str. 294-7) za rumadenje
ove veliiine glase:
samoproticanjevremela, bezikakveintervencije. Tokom tog razdobljamo- 0,01=maliuticai, O,05=umerenuticai, 0,14=veliki
uticoj. poito smo dobiri
gli su ie desiti i drugi dogadajikoii su uticali na stavovestudenataprema sta- etakvadratjednak 0,50, zakljudujemoda je veomavelika
razlikaizmedure_
tistici. MoLd,a,u ,r" ,rJ.rnite uticali stariji studenti statistike, koii su ih zultataispitivanja srrahaod statisrikedobijenih pre posle
i intervencije.
obavestilida je predavad,,dobar" zato lto ie ispit lako poloZiti.MoZda su svi
dobili ilegalnu[opiju ispitnihpitanja (s tadnirnodgovorima)!Ima ioi mnogo Predstavljanjerezurtatat-testa uparenih uzoraka
drugih m"oguiihkontaminiralueihtinllaca. Kad god je moguie, istraZivaibi osnovne pojedinostikoje treba navestisu ime tesra,
svrha testa,vrednost
tr.bllo da predvidi te remetilaike iinioce i statistiiki ukloni niihov uticaj ili pokazate.ljat, broj stepenislobode(df), verovatnoia(alfh)dobijanja
sludaj-
ih ukljudi u eksperiment. U opisanomsludaiu,istraZivanje bi poboliSalakon- nog rezultatai srednje.vrednostiobeleija i stanclardn"odrtupo.,,aza svaku
trolna gr,rpakoj" ne bi bila iiloLenaintervenciji,ali bi po svemuostalom bila grupu odnosnomerenje.Pri objavljivanjurada
u veiini danainjih dasopisa,
slldnaJfeinicima.Time bi se iskliudiouticaj proticaniavremena,drugih do- potrebno je da se navedei p_okazarelj
,r.iidi.,. uticaja (npr. eta kvactrat).Re-
gadaja,podvala,ilegalnihkopiia itd' na rezultateistraZivania' zultateopisaneanalize-ogli birt. predstaviti
ovako:

velifine uticajau t-testu uparenihuzoraka

lzradunavanie T-testomuparenihuzorakaprocenjenje uticajintervencije
nu ,"rrrtut" ,"pi,i-
je vanjastrahastudenataod statistike(Fosr). iJtvrdeno
Iako seiz navedenihrezultatavidi da je vrlo malaverovatnoiada dobiiena je statistidki
razltkaizmedudobiyenadva skupa vrednostibila sttriajna'oni nam ne ka-
sm anje njevred i Fo; ffi il; i; ; i# :H: ?:35jE:ffr5:1ffii1:
nost znadajno

ti. kolika ie ta nzhka. Jedan 2 ( M : 3 2 5 ,

S D : 5 , 1 5 ) , t ( 2 9 ): S , 3 9 ,p < O , O 0 O(So b o s t r a n op)r.o s e d n o
zuju mnogo o velidiniuticaiadate inrerrrencije,
nekog pokazateliate veliiine smanjenje vrednostiFosr biroje 2,22,dok se intervar gs-procentnog
oi nafina da seto utvrdi bilo bi izraiunavanie pove-
renjaprote2eod 1,66 do 3,6g.Vrednosteta kvadrat(0,50)
(video tome videti u uvoclu u peti deo knjige). Pokazaiemo kako se iztaiu- pokazuie da je uti_
ve- caj intervencije
velik.
navai rumaii erakvadrar,iedanod najdei6eupotrebliavanihpokaz.atelja
lidineuticaia.
DodatneveZbe
Poslovnookruienje Jednofaktorska
Pojedinostio datotecivideti u
Datoteka s podacima:staffsurvey3ED.sav.
dodatku. analizavarijanse
1. PostupkomobjaSnjenimu odeljku o t-testunezavisnihuzorakaupore-
dite srednlevrednostizadovoljstvaosoblja(totsatis)za stalnoodnosno
privremenozaposlene(employstatus).Dali je razlika izmedusrednjih
vrednostizadovollstvaznacajna?
Zdravstvo
Datotekas podacima:sleep3ED.sav.
Pojedinostio datotecivideti u dodatku.
1. Postupkomobjadnjenimu odeljku o t-testunezavisnihuzorakaupore-
dite srednjevrednostipospanosti,dobijenena skali pospanostii pri- u prethodnom pogravlju'pomoiu t-restova
smo porecrilirezurtateispiti_
druZenihoseianja(total scoreof Sleepiness and AssociatedSensations vanja dobijeneu dve razliditegrupe odnosno
u isto;.grupi ali pod razriditim
Scale:rorSAS)za muikarce odnosno Zene(gender).Da li je razlika uslovima' Medutim, u mnogim istraZivanjim
a zanimanasporedenjeprosed_
izmedu srednjih vrednosti pospanosti znataina? nih rezultatau viie ocrdve grupe. T"J,
,. upotrebljava'analtzavarijanse
(ANovA)..|ednofaktorskaanaliza_
varijanseznati dapostojisamojedna
zavisnapromenljiva ne_
podeljenana viie nivoa 'i grupa,
Jfaftgr),
uslova'Primeraradi, kada brstena ornouu odnosno
ocenaudenikaizLatematike po_
redili delotvornosr tri. razlidita stila podudavanja,
imali biste jedan faktor
(stil podudavanja)s tri nivoa
1np..c.o razred,rt,irnorJ., grupama,
samosralneaktivnosti uz koriii^enje radunara "rlu-
). zavisna promenljiva je ne_
prekidna(u ovom sluiaju, ro su ocene
na testuiz matematike,
-'-----'-koje seu SAD
tzra.i.avajuprocentualno,tj. u opseguod 0 do
100).
Analizavarijanseje tako ,nri^ni r^to sro
poredi varijansu(promenljivost
rezultata)izntedu raznihgrupa(zakoju
severujeda je prouzrokujenezavisna
promenljiva)s tom promenljivo!6t
untrtarruuk. gr,,pJ (;k;t; sesmarrada
je posledicaslutajnosti).rzr.atuna
r. poknr"r.li (kolidnik)Ir koli predstavrja
varijansuizmeduerupapoderyenu uarilanto,n
kolidnikaF pokaiuie'du'1" ulil." vrednosr
u.cu f."-J"iii"or, "nuor;;,;;;.
izmedugrupa(koju prouzro-
kuje,nez.avisna promenljiva)nego unutar svakegrupe (ito
reziduali, engl.error term, rezultara su odstupanja
--- " iri
od srednje
statistiiki znaiajan_pokazarerj "Lar"rrij.
F kazujeda treba
-. tvrdnju odbacitinultu hipotezu,
{' da su prosednevrednosti oberiiiau populacijijednake.
ne kazujekoje segruperazrikuju;to Medurim,
-on rek treba utvrditi naknadnimtesto-
vtma' Alternativasprovodenjunainadnih
testovanakon dobijanja znataj-
nog iznosaomnibusF tesra,jesteda
stLrdijuisplaniratetako da obaviresamo
odredenaporedenja(tzv'planiran" por.d"r,,a).poredenje
niranih poredenjaraz.ntotreno naknacrnihi pla-
je u uvodu u peti deo knjige;
na i literaturaza dubrjeproudavanje.oba pristup" tamo je navede_
i-;;;;;e dobre i roie
rlrlnrt pa^jivo razmorrite svoj izbor pre nego sto otpoinete anarize.
Naknadni resrovirrn1niri: verovarnoiu
*:s:\i I ;;rr;'fi'j. ,"y prirrup
stroZi,5to oteZavadobijanjestatistidkiznadajnih
tnrtit n. Ui"f*" nemate
;asne konceptualne rirzlogeza poredenje samo
obaviti naknadnuanalizusvih grupa. "a*a."irr"ffia, bolje je
I
 U ovom poglavlju,razmotriiemo dve vrste jednofaktorskeanalizevari- raspoloZenje ispitanika.Podaci-suiz stvarnogistraZivanj
l*::j,-le^,1"qir"
ianse(ANOVA): grupa.rnojih postdiplomskihstudenata.Svepofedinosripro_
l?]i'i^lo:yila
. ANOVA razliditihgrupa,koja seupotrebljavakada u svakojgrupi imate ;erta lstrazrvan ja, upirnika,upotrebljenihskalaitd. datesu u dodatk,r.
uko-
(to ;e ,,projekats nezavisnimgrupama");i
razliiite subiekteili sludaieve .pratite
primer i odmah sprovodite navedena upurstva
:::".::,]1."*i
poKrentreSPSSi otvorite datotekusurvey3ED.sav.
. ANOVA ponovljenihmerenia,koja se upotrebljavakada istesubjekte
Evo pojedinostio promenljivamaupotrebljenimu analizi.
meritepod razliditimokolnostima(ili u razliiitim vremenskimtrenuci-
ma); to ie ,,projekatsa istim subjektima". Ime datoteke:survey3ED.sav

u narednom odeljku posveienom ANOVA analizi razliiitih grupa, ilu- Promenliive:

strovaiemoupotrebui naknadnihtestovai planiranihporedenia' ' Ukupan oprimizam(Totaloprimism,
Topti'r): ukupan rezurtardobijen
na skali optimizma.Brojeviod 6 do 30, gde veii brojevi
pot ,.Ji
ANOVArazliditihgrupa
Jednofaktorska
optimizam.
. Srarosrpodeljenana tri gupe (Age group,
"r,r;.,
3
s naknadnimtestovima Agegp3):Ova promenljiva
je dobijena reiifrovanjem, deljenjernstarosri
,ra iri grrrp. iste veliiine
-nezavisnu
JednofaktorskaANOVA razliditihgrupa upotrebliavase kada imate jednu (videtiupurstvau poglavljuB): grupa 1:78_29 goJinu =
promenljivu(grupisanja)s tri ili viSenivoa (grupa)i jednuzavisnu 1, grupa 2:
3044 godina = 2, grupa3: 45+ godina = 3
neprekidnupromenljivu. Ret iednofaktorskau nazivu kazuie da postoii
samo jedna nezavisnapromenliiva,a sintagmarazliditih grupa znadi da u
svakojgrupi imate razliiite subjekteili sludajeve' Postupakobavljanjajednofaktorske analizevarijanserazliditih
grupa s naknadnimtestovima
Kratak preglediednofaktorskeanalizevariianserazliditih 1. OtvoritemeniAnalyze,izaberite u niemustavkuCompareMeans,pa priti-
grupa s naknadnimtestovima sniteOne-wayANOVA.
Primeristraiivadkogpitania: Da li serazlikuju rezultatl merenlir optlmlz.ma 2. Pritisniteodabranuzavisnu(neprekidnu) promenljivu(npr.Totaloptimism)
mladih, sredovednih i starih subjekata? Prebacite je u poljeDependeniList takoStocete pritisnuti
dugmesa stre-
Stava* treba:Dve promenliive: licom.
. jedna kategorijskanezavisnapromenljiva s tri ili viSekategorija.To 3. Pritisniteodabranunezavisnu kategorijskupromenljivu (npr.agegp3)i pre_
baciteje u poljeFactor.
moZebiti ineprekidna promenljivareSifrovanatako da se dobiju tri
4. Pritisnitedugmeoptions i potvrditeporjaDescriptive,Homogeneityof va-
grupesa isrimtrojem dlanova(npr.srarosnegrupe- subiektipodelyeni
riance test, Brown-Forsythe,Welsh i Means plot.
i,ri ,turnrne kategorije:29 godinaili mladi, izmedu30 i 44, te 45 ili
vi5egodinar). 5' U odeljkuMissingvalues (nedostajuce vrednosti)
trebada je izabranaop-
cija Excludecasesanafysisby anafysis.pritisnitedugmeiontinue.
o jednaneprekidnazavisnapromenijiva(npr.optirnizam)'
6. Pritisnite
dugmePost Hoc. pritisnitedugmeTukey.
Stasepostiie:JednofaktorskaANOVA kazujepostojeli znadainerazlike 7. Pritisnitecontinue i zatimoK (odnosnodugmepaste da bistekomandu
izmedusrednjihvrednostizavisnepromenljiveu tri grupe.Potomsenaknird- snimiliu SyntaxEditor).
nim testovimamoZeutvrditi koie grupe serazlikuju.
Postupakgeneriseovu komandu:
Pretpostavke:Op5tepretpostavkena kojima podivaANOVA, razmotre-
ne su u uvodu u peti deo kniige'
ONEWAY
Neparametarskaalternativa:Kruskal-Volisovtest (videtipoglavlie16).
toptimBY agegp3
/STATISTICSDESCRIPTIVES
HOMOGENEITYBROWN-FORSYTHE
Obja5nienieprimera WELCH
Pokaza6u ovu tehniku na primeru datoteke s podacimursurvey3ED.saq do- /PLOTMEANS
stupne na prateioj'Web lokaciji knjige (videti str' xi). Podaci potidu iz alkete /MISSINGANALYSIS
,prou"d.n. radi istraZivalja faktora koii utidLrna psiholo5ko prilagodenje, /POSTHOC: TUKEYALPHA(,O5).
 lEr rrrr^e I vgldvug l e, Jeur rvrs^
244 ueo v: olatlutlutrE

Evo rezultataprethodnogpostupka'
Tu13.denje rezultata jednofaktorske a naIize varijanse
razliditihgrupa s nakhadnimtestovima
Oneway
DescriPtives Descriptives
U ovoi tabeli dati su podaci o svakojgrupi (broj ispitanikau grupi, srednje
vrednosti,standardnoodstupanje(engl. standard deuiation),minimum i
maksimum,itd.). uvek najpre pogledajteovu rabelu.Da li su radni brojevi
ispitanikau svakojgrupi?

Testhomogenosti varijansi
of Varianceg
opcija ,,Homogeneityof varianceresr"(koju ste ukliudili u 4. koraku) daie
Test of Homogeneity

Total Oohmlsm
Leveneov resthomogenosti varijanse. pomoiu kolegseispirujejednakostva-
Levene
rijansi u rezulrarimau svakoj od tri grupe. proditajtevelidinuznadainosti
5ro
df1
2
dt2
432 475
(Sig.)zaLeveneovtest.Kada je taj broj ueii od 0,05 (npr.0,08,0,12,0,2B),
744
niste prekriili pretpostavku o homogenostivarijanse.u ovom primeru, ve-
liiina sig. iznosi0,475. Poito je to viSeod 0,05, nismo prekriiliprerposrav-
ku o homogenostivarijanse.Da smo utvrdili naruiavanjete pretpoitavke,
potraLlli bismo u rezultatima tabelu Robust Tesrs of Equality o] M.urrs.
Tamo su prikazani rezultati dva testa (welsh i Brown-Forsythe)orporna na
krSenjepretpostavkeo homogenostivarijanse.

Robust Tesls of Equality of Means ANOVA

TotalOPt,mrsm
dI?
u ovoj tabeli dati su zbirovi kvadrata(engI.sum of squares)odstupanja(re-
Statrslrc: df1
4,3811 2 ZE4,5Ub .013 ziduala) rezukataod njihove srednjevrednosti, broj stepenislobode itd. za
42i 601 ,010
Brown-ForsYthe analizu razliditih grupa (engl. between-groups)i analizu istih subjekata
a AsymptolrcallY F distributed
(engl.within-groups).Trebalobi da ih prepoznarejer ste ih viclaliu udZbe-
Post Hoc Tests nicima za statistiku.NajviSenas zanima kolona sig. Kada je vrednostsig.
MultiplecomPatrsons
manja od ili jednaka0,05 (npr.0,03, 0,01, 0,001),postoji statistidkiznatai-
na razlika izmedusrednjihvrednostizavisnepromenljiveu rri grupe.To loi
Dependent Variable: Total Oplrmism
Tukey HSD ne znaii da znatekoja se grupa razlikuje od kojih drugih grupa. U tabeli
Multiple Comparisonsrezuhatanaknadnih restova(engl.post-hoc tests),
date su i statistidkeznadajnostirazhkaizmedusvakogpuru grupu. Srednje
vrednostiza svaku grupu date su u tabeli Descriptives.U ovom primeru,
1,94 sveukupnaznadajnost(kolona Sig. u tabeli ANOVA) iznosi 0,01, 5to je
.........,.37,.
..-..._L07., _,.........
- - - - - r l a3-4) s5 + - - - ,36 2.B3 manjeod 0,05, tj. pokazujeda je rezultatnekeod grupa statistidkiznatajan.
3-45;"-- -37 2.07
2 3A-44 Podtoje dobijenarazlika statisridkiznadajna,sadatreba pogledatirezulrate
rs srEnrfrcant dt ihe c5 level
i;;;;at dil'erffie naknadnihtestova.

Multiple comparisons
ovu tabelu treba gledati samo kada je razh.ka u tabeli ANovA statistidki
znatajna, rj. kada ie vrednost Sig. jednaka ili manja od 0,05. Naknadni te-
stovi iz ove tabele kazuju tadno gde su razlike izmedu grupa. pogledajte niz
kolonu Mean Difference. PotraZite zvezdice (") pored ispisanih broieva.
Zvezdica znati da se dve uporedene grupe medusobno znaiajno razlikr"rjuna
nivou p<0,05. U koloni Sig. dati su tadni iznosi znadajnosti. Prema gornjim .l:-",1*l yljanie 1ezu ftata j ed nofa kto rs ke a naIize
van,anse razIiciti h g rupa s nai;;d nim ieliou-i,i"
rezultatima, samo grupa 1 i grupa 3 se statistitki znadaino medusobno razli-
krrju. Drugim reiima, starosna grupa 18-29 godina i grupa 45+ godina
Jednofaktorskomana|izomvarijanseistra2enj"@
znaiajno se razlikuju po nivon optimizma ispitanika'

Dijagrami srednji h vred nosti

L];.T''JTiJi:i3
deljeni
u trisrupe ?1::'"*il'i^
l(grup1
l',':" !.9r. ;dil,::1""?i'::H:;
s;brekti;,' i o'
];"'soa-in;;
2e ilimanie oo.
"iJ.o.,,
grupa3: 45 i visegodina). utvrdenaje staistreti,iueu1n"r".titl"nJ
Pomoiu ovog dijagrarnalako je uporediti srednjevrednostirezultatadobi- 0,05 u LOTrezultatima n,uo,p <
tri starosnegrupe:i (2, +S.Z).:4,6,
jenih za raznegrupe.Na njernuse vidi da ie starosnagrupa 78-29 godina statistidkojznadajnosti, p: O,O.l. Uprkos
stvarnarazri[aizmedusrednjihvrednosti
zabeleLtla najmanji opfimizam,a starosnagrupa 45+ godinlrnajveii. mara'Veridina te razrike, grupa vrroje
izraienapomoiu pokazaterja eta
IJpozorenje;ovi dijagramiumeju da zavedu'U zavisnostiod skaleupo- Naknadnaporedenjap:T^o:u^lukeyevos kvadrat,rznosr o,02.
HSo t""t" ;";;; ;; lu .ruonlu
trebllenena Y osi (ovdesu to rezuhatimerenjaoptimizma),iak i male raz- vrednostgrupe1 (M :
like mogu izgledativrlo velike.U gornjemprimeru,stvarnarazlika srednjih ?],3_6,SD: +,SSj znad,ajno razlikuje
od srednlevred_
t^i'
vrednostivrlo je mala (21,36,22,10,22,96),a na dijagramuizgledaznatna. :"j5^':; j-?-:1'ont,c',puz'$vr
;:::,flY;":
ne razlikuje
znadajno
: zi,'
i 0",;; : 4,15)
ni od grupef ni od ruie S
f ""
Pouka:ne uzbudujtese zbog dijagramadok ne uporeditesrednjevrednosti
(dateu tabeli Descriptives)i skalu dijagrarna.
JednofaktorskaANOVArazliditihgrupa
velidineuticaja
lzradunavanie s planiranimporedenjima
U ovoj analizi,SPSSne daje velidinuuticaja,ali 6emo je lako izradunatiiz u gornjem primeru,porediri,-o'rer,rlt"te
merenjaoptimizma u svakoj od
njegovihrezultata.(Velidinauticayaopisanaie u uvodu u peti deo knjige.)Iz tri grupe' Medutim,.ima situacija
kada istraZivade ,unirnu ,r-o poredenje
rezultatanavedenihu tabeli ANOVA izradunaiemoeta kvadrat, iedan od odredenihgrupa.primeraradi, u .trf.ri_.r,tnf
no; ,r"ai;i, pl, ."rfititih in_
najdeiie upotrebljavanihpokazateljavelidineuticaja.Formula glasi (dobro tervencija moze nas zanima:i da li je
inrervencija 1 bolja ocr svih ostalih.
bi vam doiao kalkulator): Dakle, rada ne bismo poreciiliru.
-ogur" t"-fir*ri"
nima samo odredenipodskup svih ,l"o""lo"o a nasza_
mlguiih.poredef a,'r;;;;'rp.ovesti pla-
-^ r -, r -- Zbir kvadrataodstupanjarazlititih grupa
Lta livadrat =
nirana poredenjaumestoda radimo
niknudr. ,.rrou", ,*r" ;r" bi njihova
mof bila premala. (Moi testa u.rorr",noia
1" da se napravi gre_
ska druge vrsre,rj. da se ne ",;;,;;;
p;;reina hipot"rrn; ,rarri razmatranje
U ovom primeru, treba sarnoda podelitezbir kvadrataodstupanjarazli- "db;
iitih grupa (1,79,07)ukupnim
bija se eta kvadrat jednak
zbirom kvadrataodstupanja(8513,02).Do-
0,02, 5to po Koenovom kriterijumu (Cohen,
ffi:ffi[";],il:i:e:ffj',*""i:l*]-'"?;l.,lTH
nivoi znadajnostida bi,r"iTTiio1::Hj*iyir:;
je .irik oJ-greskeI vrste,zbogveieg broja re-
1988, str. 284-7) kazujeda uticaj razltkemali. Koen klasifikuje0,01 kao stova koji se sprovode. odluku
d" ri ,pro,restipranirana poredenja ili
mali uticaj,0,06kao srednjiuticaji 0,14 kao veliki uticaj. naknadneresrovetrebadoneti
gr" *g. sa poinere anarizu.Nijeprimereno
{Jpozorenje.'Uovom primeru smo dobili statistidki znatajan rezultat, ali uraditi obojei zatim birati r".r:r1*1"
r.?iil"- r. viie svicraju!Kao irusrraciju
ie stvarni uticaj razlike srednjih vrednostigrlrpa vrlo mali (21,36, 22,10, poredenja upotrebiiu ir." p"j",r."
22,96). To je odiglednoiz malog pokazateljauticaja razlike (eta kvadrat = *,Titi:il'
tako kao u prerhodnom primeru,
nije Lrobidaienoda se isti podu.i anariziraju
0,021.Kada je uzorak dovoljno velik (ovde,N = 435), sasvimmale razlike sludaju,postaviiemo,^11j,"_O:J*lt,;ql,!r"1., ;;di;a. U ovom
postajustatistiiki znadajne,dak i kada je razlika izmeduirupapraktidki ne- da li ""'"b;
su subjekti u najstarijoj
starosnojgrupi (45+ godina) optimis?idniji
od onih u dve mrade srarosne
vaLna.Dakle, uvek paZljivotumaditerezultatei uzmiteu obzir svedostupne grupe(18-29 godinzr; 30-44 godina)?
informacije.Nemojte pridavati preveliku vaZnoststatistidkojznadainosti,
poStotreba povestiradunai o mnogim drugirniiniocima.
 rvrq^tvr e'\s s"s"!s ' q"Jer rvv

ueo V: :;tatlsllcKe rerrrrrKe'1PYIYY=III ilYlo

roglavue I o ' JYur
252

5' U odeljkuMissing Values treba da je potvrdenopolje Exclude cases ana-

Zadauanievrednosti koeficiien.ata
da odaberetcgrupekoie Zeliteda po-
lysis by analysis. Pritisnitedugme Continue.
U narednomporr,,ptJ,llSS7" tt"Ziti 6. Pritisnitedugme Contrasts.
zadatt'veliiine koeficiienata'
redite. Da biste ," t-tlJi du t"uditt' .morate ' U polje Coefficients upi6itekoeficijentprve grupe. (U gornjemprimeru
da urade' pa iemo to sad.irobiasniti' 1,
Mnogi studentito spodetkane znaiu t o b i b i o k o e f i c i j e n-t1 . ) P r i t i s n i t ed u g m eA d d .
osnovu razliiitih vrednostinezavr-
Prvo treba da identifikuietegrupe na . Upi5itekoeficijentdruge grupe (-1). Pritisnitedugme Add.
snepromenliive(agegP3): . Upi5itekoeficijenttrece grupe (2). Pritisnitedugme Add.
o Grupa 1 (iifrovana sa 1): starostl'8-29 ' Ako ste ispravnounelikoeficijente,u poljucoefficient rotar na dnu
tabe-
' Grtpu 2 (Sifrovanasa 2): starost30-44 le pisace 0.
o Grupa 3 (Sifrovanasa 3): starost45+ 7. PritisniteContinue i zatim oK (odnosno dugme Paste da biste komandu
snimiliu Syntax Editor).
zarimtrebadaodluditekojegrupeieteporediti,akoiezanemariti.Dac'u
Postupakgeneri5eovu komandu:
za to nekoliko Primera'

Primer 1 ONEWAY
bi trebaloda glase: toptimBY agegp3
grupe 3 sa ostaledve grupe' koeficiienti
Za poredenje
/CONTRAST:-1 -1 2
. Grupa 1: -1 /STATISTICS DESCRIPTIVESHO MOG ENEITY B ROWN-FORSYTHE
. Grupa2: -1 WELCH
. Grupa3: 2 /PLOTMEANS
Poredese grupe iiii se koeficiientt /MISSINGANALYSIS
Zbir koeficijenatauvek mora biti 0' /POSTHOC: TUKEYALPHA(,o5).
u poredeniuJgrupediii ie koeficiient
razlikuju.zorr.-"r1., ," 1rr"r'ri.rwuiu
0, ort"l. ko"fl.ij"ttt. izmenitetako da
0. Kada nekoj grupi'dateLoeficiient
Evo kako izgledaodabranideo rezultatagornjeg postupka.
njihov zbir bude 0'
Conlrasl Coetticionts
Primer 2 po-
da grupa2 uopite ne udestvuieu
Za poredeniegrupe 3 s grupom.l {a AGEGP3
lontrast
,J"ni"), koeflllentl bi trebalo da budu:
18-29 30,44 45+

' Grupa 1: -1
Contrasi Tesis
' GruPa2: 0
Value ol srd. si9
e Grupa 3: 1' Contrast Errot ot
'2-l
ziled\

unositeu odeliku Contrastssledeieg olal Assume aoual variances t 2.45 91 2.ffi7 4i2 .@7
Vrednostikoeficijenatasvakegrupe JPtrmlsm ooesnoi
aisum 2.45 .92 2.654 251,323 008
SPSSPostuPka'

ize variianse
Postupak obavliania i ednofakto.r-skeanal
,atlieilingrupa i pianiranimporedenjima Tumadenjerezultatajednofaktorkeanalizevariianse
l.OtvoritemeniAnalyze,izaberiteuniemustavkuCompareMeans'papriti- razliditihgrupa s planiranimporedeniima
snite One-waY ANOVA' Tabele Descriptivesi Test of homogeneity of variances sastavni su deo rezul-
(neprekidnu)promenljivu^(npr-' optimism)'
2. Pritisniteodubr"nu zavisnu ,total List' tata ovog postupka, ali je njihov sadrZaj iednak kao u prethodnom primeru
promenljivu u polje Dependent
Pritiskomna strelicuprebacitetu jednofaktorske analize varijanse (ANOVA) s naknadnim testovima. Zato
kategorilsku promenljivu(npr' agegp3)' Pre- iemo ovde razmotriti sarno onaj deo rezultata koli le relevantan za planirana
3. Prrtisniteodabranu nezavisnu'
bacite je u Polje Factor' poredenia.
poljaDescriptive' Homogeneity-of-
4. Pritisnitedugme Options' pa potvrdite
Variance i Means Plot'
 I vvrevuv I o. JEuttvrd^lgro^d dlldilzd ydlualltje
zcJ

Korak 1 sta se posti2e: ooisanom

tehnikom se otkriva postojanje znadajne
U tabeliContrastCoefficientsnavedenisu koeficijentikoje stezzrdaliza sva- iznledutri skupa
."r,.,lrrt".
razlike
ku grupu. Proveriteda li je to ono 5to ste hteli. r-retpostavke:Videti
raspravu o opstim pretpostavk ama
jan-sedatirn u trvodu zaanarizu vari-
., peti deo knjigi.
Korak 2 Neparametarska arternatirr":
Frid"-"nov rest (videti 16. poglavlie).
Zanimaju nas glavni rezultati, dati u tabeli Contrast Tests.Radunamoda su
varijansejednakepoito ;e Leveneovtest (komentarisanu prethodnompri- Obja5njenjeprimera
meruanalizevarijanses naknadnimtestovima)pokazaoda je razlikavarijansi Prikaza(u ovu tehniku na podacima
statistidkineznatajna,dakle sludajna;zatokoristimo prvi red tabele(Assurne iz datoteke experim3ED.sav
na prateioj \feb lokaciji). pojedinosri (dostupne
equal variances).Znatajnost zadatog poredenja (data u koloni Sig.) iznosi o roj a","r".-,',
dodatku'Grupastudenata f"J"l-"i-" proiitajte u
0,007.To je manje od 0,05, pa zakljuiujemoda postoji statistiiki znadajna ,uiri i. p.r*r".a, .rt"rruul. u in'telvenciji(pro_
nzllka izmedugrupe 3 (45+ godina)i ostaledve grupe.Iako znaiayna,stvarna 3ilffiT:-",i}'n;::.':f ,flXfl:T?li:1"";;;;il"','o'o,
razbkaizmedusrednjihvrednostitih grupavrlo je mala(21,36,22,10,22,96). subjektivniha r,;" l1)i
^7 6i
l ;,;;
Vi6eo tome proditajteu raspravio rezultatimaprethodnogprimera. "
no nakon intervencije (rrenurak "; ;.'iil::"
", u ) i p.'""t. J** i;'; ,lilf il,'"#",'Il:
rrr-.r"."'k;;;;'ir;."rtak
Verovatnosteprimetili da je rezultatanalizeplaniranihporedenjadat kao Da bistepratili 3).
pokazateljt, a ne kao kolidnik F uobidajenu analizivarijanse.Odgovarajuiu "Ii,_l:i*, p"l;;"i;; spssi
rim3ED.sav. Slediprikazimenaupotrebljentt "rr.rir",air"reku expe_
vrednostkoliinika F dobijatekvadriranjemiznosat. U ovom primeru t iz- jedinostima pro_.rrt;iiil: ;;oirima i po_
navedenim, anr"L.i,
nosi2,687,5tokvadriranodaje 7,22.U izvedtajuo ovakvoj analizitrebana- ;;;;;_",
Ime datoteke:experim3ED.sav
vestii broj stepenislobode.Prvi stepenslobode(za svaplaniranaporedenja)
jeste1; drugi je dat u koloni df iza kolonet (ovdeje to 432).Dakle,te rezul- Promenliive:
tate bismo opisalisa F (1, 432) = 7,22, p = 0,007. ' Rezultadmerenjapoverenja..u
svojesposobnosti u trenutku1 (confidl):
ukupni rezurratina tesrur"i;*
r. irpitrl" pou.."nie u svoiesposobnosti
ANOVAponovlienihmerenia
Jednofaktorska 1ii11"9""lnje
statistike
crenompre intervencije.
lionfidence
in ctping -i,t.,sroii*ts),sprove-
U jednofaktorskojanahzivarijanseponovljenihmerenja,svaki subjekatse opseg moguiih
vrednostipokazu;uvlsl nrvo poverenja "*a,i"rrj-"j"j;;" 40. veie
meri pod dva ili viSerazliditihuslova,odnosnona istoj neprekidnojskali u
' Rezultatiispitivanja
tri ili viSenavrata.SluZii za poredenjeodgovoraispitanikana tri ili videra- poverenjau trenutku2 (conftd2):
tr na testu,sprovedenomneposredno ukupni rezulr:r-
zliditihpitanjaodnosnostavkiistogpitanja,ali seodgovorimoraju meriti na naKonrntervencije.
' Rezultati ispitivanja
istoj skali (npr.od 1=nimalose ne slaZem,do 5=potpunose slaZem). poverenjau rrenurku 3 (confid3),
tl na testusprovedenom3 meseca ukuprri rezulta_
poslerntervenciie.
Kratakprikazjednofaktorskeanalizevariianse
ponovljenihmerenja Postupak obavfianja jednofa
Primer istraZivaikog pitanja: Ima li razlike u rezultatima merenim u tri na-
ktorske
vr J'I\\ anaIize varijanse
Fonovljenihme-renja
vra ta ? 1' otvoritemeniAnatyze,
Sta ua- treba: Jedna grupa subjekata merenih na istoi skali u tri navrat:r ili
izaberiteu njemustavkuGenerarLinearModer,pa
pritisniteRepeatedMeasures.
pod tri razll(ita uslova, i/i odgovori (mereni na istoj skali) svake osobe na tri 2' U poljewithin subr3cl Feltor
razhtita pitanja odnosno stavke istog pitanja. Tu se radi o dve promenliive : NaSe upiSiteime kojece predstavrjativa.u
nezavrsnu promenrjivu
(npr.vremeiriUsrov).
. jedna nezavisna promenijiva (k:rtegorijska) (npr. trenutak 1/ trenutak To nije
ve, vei samoopis kojiste dali nezavisnoj "i;";;j;;;u-pror"n4i-
promenljivoj.
2/ trenutak 3)r i 3' U porjeNumberof Leversupisite
brojnivoaodnosnogrupa(vremenskih
e jedna zavisna promenljiva (neprekidna) (ttpr. rezultati na testu povere- rioda)o kojemse radi(u ouornprimeir. pe-
Si.
nja). Rezultati testa, dobijeni u raztrim vremenskim trenucirna, biie u 4. Pritisnite
Add.
datoteci podataka prikazani u z:rsebnimkolonama' 5. Pritisnite
dugmeDefinena desnojstrani.
 roglavue I o; Jeul lula^tut DAd qr rqlza var rjqr r-e

6. lzaberitetri promenljivekoje predstavljajupromenljivu ponovljenihmeren1a Mauchly s Ed ot Sphenc{yD

(npr.confidl,confid2,confid3).Pritiskom na dugmesa strelicomprebacrte

ih u poljeWithinSubjectsVariables.
7. PritisnitepoljeOptionsu donjemdesnomugluprozora'
8. PotvrditepoljaDescriptiveStatistics i Estimatesof effect size u odeljku Iestslhonullhypothesisthatthee(orcovariancemainrotlheo(honormalzedlranslormeddependenl
variabtesrspropodJonal
Display.Ako hoceteda zadatenaknadnetestove,u odeljkuFactor and
lo a ldenllty malnr
a
May be used lo adjusl lhe degrees ot freedom

FactorInteractionsizaberite ime svojenezavisne promenljive (npr.Vreme) the Tesls ol Wthin-Subjecls Effecls tabte.
lor lhe averaged tesls of sgn{icance. coriectd tests a.e dtsplayed rn

je
i prebacite u poljeDisplay Means for. polje
Potvrdite compare main ef- b
Design: tntercepl+cRoUp
Wilhin Subjecls Design: TtME

fects.U odeljkuConfidence intervaladiustment' pritisnite nadole

strelicu
i izaberitedruguopciju Bonferroni. Pairwise Comparisons

9. PritisniteContinuei zatimOK (ilidugmePasteda bistekomandusnimiliu MeasureiMEASURE1

Syntax Editor).
95o/oConfidence Intervalfor
PostupakgeneriSe ovukomandu:

GLM
confidl confid2confid3
/WSFACTOR: time3 Polynomial
/METHOD: SSTYPE(3)
Based on esttmated marqinal ,neans
/ P L O T : P R O F I L E ( t i m) e '.
The mean difference is significant at the ,05 level.
/EMMEANS: TABLES(time) COMPAREADJ(BONFERRON
l)
a. Adiustment for mulliple comparisons gonferroni.
/PRINT: DESCRIPTIVE ETASO
/CRITERIA:ALPHA(,05)
/ W S D E S I G N :t i m e .
Tumadenjerezultatajednofaktorskeanalizevarijanse
ponovljenihmerenja
Evo rezultataprethodnogpostupka' Primetili ste da su rezultati ove procedure brojni i narizgled
sloZeni. Medu
njima su testovi pretpostavljene sferidnosti, te rezultati analiza
DescripliveSlatsncs varijanse za jed-
nu (engl. uniuariate) odnosno vile promenljivih (engl.
Srd. Deviatron N multiuariate); ova po-
slednja se naziva i multivarijaciona analiza varijanle.
rme I
r9,00 30 Detaljno razmatranJe
tazlika izmedu rezultata univarijacione i multivarijacione
;ontoencE
21.87 :n un litevarijanse nije
rme? tema ove knjige; ' ovom poglavlju razmotriiemo
:onlidorce
samo rezultate multivarija-
25.03 5.2{.) 30 cione analize (vi5eo tome videti u knjizi Srevensa,
rme3 1996, str.466-9).Tumadi-
mo samo rezultate sPSS-ove multivarijacione
analize varijanse, zato ito se
univarijaciona temelji na sferidnosti pojataka.
MultivariateTest* Sferidnost znati daje varijansa
rezu.ltatamerenja razliiirosti populaciye za
PartralEta biro koja dva usrova, jednaka toj
Etfect Value Hvpothesrsdt Errordf Siq variiansi za bilo koja druga dva uslova-(ito
Prllar'sTrace ,000 49 najdeiie nije tadno). spSS meri sfe-
time
719
rtcnost Moklijevim (Mauchlv) restom.
Wilks'Lambda ,251 2,000 28,000 ,000
Holelling'sTrace 2.979 1a 2,000 28,000 .000 749 druge strane, za mulrivarijacionu anarizuvarijansenije neophodna sfe,
2,000 28.000 .000 749 .,S
Roy's Largesl Root 2 979 1a ridnost. Videiete , nasem primeru da pretpostavka
a.
o ,f.ridno.ri nije zado-
Exact statrstic voljena, ito poka,uje iznos sig. od 0,000 u tabeli
b. Mauchlyt rest of
Design:Intercept
SphericityM . a d a i n r a n a i i n a d a s e n a r u s a v a n j er e p r e r p o s t a v k e
kompenzuje,
WithinSubjectsDesign:trme bezbednije je pogledati rezulrare multivarijacion. arrrlire
varijanse datim u
SPSS-ovornizlazu.
Pogledajmo kljuine velidine koje treba razmorriti u rezulratima.
 I vvrdvuE | 9. JsuI lvrq^

Tab eIa D es cr iptive Sfa fisfibs Tabela Pai rwise Comparisons

U prvoj tabelirezultata,dati su opisnistatistidkipokazatelji(Mean,Standard Kada dobijete statistiik i znatajan rezultar iz goreopisanih analiza,
ro samo
deviation,N) tri skupa rezultata.Dobro ie proveriti imaju Ii te veliiine smisla. znadida mcdu ispitivanim grupama postoji neka razlika.
Jos uvek ne znare
Da li ie taian brol osobau svakojgrupi?Imaju li smislasrednjevrednostime- Koje se grupe odnosno skupovi rezultata medusobno razlikuju. (u
ovom
renog obeleLla,uzimajuii u obzir upotrebljenu skalu? U gornjem primeru, sludaju, to su grupe rezultata izmerenih u trenucima 1,2, 3 tj. skupovr
vreme
najniii rezultatmerenjapovereniazabeleZen ie u trenutku I lpre intervenci- 1, vreme 2, vreme 3.) To iemo proditati u tabeli pairwise compaiisons,
gde
je), a najvi5iu trenutku 3 (tri mesecanakon zavrienogkursa iz statistike). se porede svi parovi vremenskih tadaka i pripadne verovatnJie (u
koloni
sig.) i pokazuje da li su razlike izmedu parova znadajne. u ovorn primeru,
Tabela M ultivariafe lesfs znatajne su sve razlike, poito su sve vrednosti Sig. manje od 0,0i.
U ovoj tabeli,zanimljivaje vrednostWilks'Lambda i njoj pridruZenavero-
varnoia u koloni Sig.Svitestovimultivarijacioneanalizevarijansedali su isti nje rezultata jed nofaktorske a naIize
Predstavlja
rezukat,ali senajieSienavodi Vilksov pokazatelilambda. To je kolidnik zbi- varijanseponovlienih merenja
ra kvadrataodstupanja(rezultataod srednjevrednosti)unutar grupei ukup- Rezultate jednofaktorske analize varijanse ponovljenih merenja mogli
biste
nog zbira odstupanja;lambda poprima vrednostiizmedu 0 i 1, pri demu predstaviti ovako:
iznosi blizu I kazuju da se srednievrednostiposmatranenezavisne pro-
menljive za grupu ne razlikuju mnogo, dok vrednosti blizu 0 kazuiu da se
Jednofaktorskomanalizomvarijanseponovljenihmerenjauporedenisu iznosi
one razlikuju.U ovom primeru, Vilksov lambda iznosi0,25 uz verovatnodu na testu poverenjau sopstvene sposobnosti za savladavanjestatistike,dobije-
0,000 (5to zapravoznadip<0,0005).Podtoje verovatnoiap manja od 0,05, nih u weme 1 (pre intervencije),weme 2 (posre intervencije)i weme 3 (tri
treba zakljuiiti da segrupnesrednjevrednostirazlikuju, tj. da postoji stati- meseca posle intervencije).
U tabeli 1 date su njihovesrednjevrednostii stan_
stidkiznadajanuticaj vremena.To navodi na pomisaoda setokom ta tri vre- dardnaodstupanja.Utvrdenje znadajanuticajvremena,Vilksovlambda: 0,25.
menska razdobljapromenionivo povereniaispitanika u niihove sposobnosti F (2,28) : 41 ,17,p ( 0,0005, multivarijacionoparcijalnoeta kvadrat: 0,2b.
za savladavanje statistike.
Tabela'l
Veli6ina uticaja opisni statistiiki pokazatelji rezultata ispitivanjapoverenja u sopstvene spo-
Premdasmo utvrdili statistidkiznadajnurazliku izmedutri skuparezultata, sobnosti za savladavanjesfafisfrke,dobijenih u vreme 1, vreme 2 i vreme 3.
trebada procenimoi velidinute razlike,tj. uticajaintervencije(videtiraspra- Vremenskorazdoblje N Srednjavrednost Standardnoodstupanje
vu o velidinamauticaia u uvodu u peti deo kniige).Zanima nas pokazatelj Vreme1 (pre intervencije) 30 19,00 5,37
parcijalnoeta kvadrat tj. Partial Eta Squared,navedenu posledniojkoloni
Vreme 2 (neposredno 21,87 5,59
tabeleMultivariateTests.Eta kvadrat ie kolidnik dela varijansezavisnepro- posle intervencije)
menljiveobjaSnjenog razliditimkategorijamanezavisnepromenliive,ti. va-
Vreme 3 (3 meseca
rijansom izmedu grupa, i ukupne varijanse,jednake zbiru prethodne i 25,03 5,20
posle intervencije)
varijanseunutaf grupa.Etakvadrat poprima vrednostiizmedu0 i 1. Kad:rje
jednaka0, to kazujeda su srednjevrednostiposmatranezavisnepromenljive
za svekategorijejednake,tj. da nezavisnapromenljivane utidena zavisnu'
Suprotnotome, kada je eta kvadrat jednak l,znati da se posmatranoobe- DodatneveZbe
leZjene menja unutar kategorija,vei samo izmedu razliditihkategorija.U
ovoj studiji, dobijeni eta kvadrat iznosi 0,749. Na osnovusmernicakoje ie Poslovnookruienie
Datoteka s podacima: staffsurvey3ED.sav.pojedinosti o datoteci videti u
predloZioKoen (Cohen,1988, str.284-7) (0,01=maliuticaj, 0,06=umeren
dodatku.
uticaj,0,14=velikiuticaj),reklo bi se da je uticai intervenciie(kursaiz stati-
stike)vrlo velik. 1. sprovedite jednofaktorsku analizu varijanse s naknadnim resrovima (gde
je prikladno) radi poredenja ukupnih nivoa zadovoll'stva osoblja
fto;sa-
tis) z.a razhtite duzine zaposlenja (upotrebite pro-.jjiu,, seruicegp3).
ttii:fl;:
Poiedinostio datotecivideti u dodatku' /g^ \ Dvofaktorska analiza
podacima:sleep3ED.sav.
l . S p r o v e d i t e j e d n o f a k t o r s k u a n a l i z u v a r i j a n s e spospanosti
n a k n a d n ina
m tskali
estovima Ptl ll, varijanserazliditih
(gdeje pritf ua"oii"ii p"tta9"1a srednjih
pospanostr t p";;;;fi oseianja(Sleepiness
vrednosti
and Associated Sensations ,,,*ff grupa
grupedefinisane promenliivom
Scaletotal score:tofSAS),za tri "u'o"*
agegP3(<=37,38-50' 5 I +)'

U ovom poglavlju upoznaiemo dvof'aktorskuanalizu varijanserazliditih

grupa (engl. two-way betueen-groupsanalysisof uariance).Duofaktorska
znadida postojedve nezavisnepromenljive,a razliiitih grupa da su razliiiti
liudi u svakojgrupi. Ta tehnikaomoguiavaistraZivanje i pojedinainogiza-
iednidkog uticaja dve nezavisne promenliive na iednu zavisnu. U poglavlju
18, pomoiu jednofaktorske analize varijanserazliditih grupa poredili smo
nivoe optimizma u tri starosne grupe (18-29, 3044,45+). Utvrdili smo
znadajnurazliku izmedu grupa, dok su naknadni testovi pokazali da je naj-
veia razlika izmedugrupe najmladih i grupe naistarijih.Stariji liudi su po-
kazalivi5i nivo optimizma.
Sledeiepitanjekoje semoZepostavitiglasi:da li to vaiiiza muSkarcei za
Zene? JednofaktorskaANOVA ne moZeda odgovorina takvo pitanjelnjom
je analiziranuzorak kao celina koja obuhvatai mu5karcei Zene.U ovom
poglavlju,produbiiu to istraZivanie i razmotriti uticajpola osobana spome-
nuti nalaz.Zato (v imati dve nezavisnepromenliive(starosnagrupa i pol) i
jednuzavisnu(optimizam).
Prednostdvofaktorskeanalizevarijanseje to 5to se moie ispitatiosnovni
uticaj svakenezavisnepromenljivei moguii uticaj njihove interakcije.Uticaj
interakcije postoji kada se uticaj jedne nezavisnepromenljive na zavisnu
menja u zavisnostiod vrednosti drr-rgenezavisnepromenljive.Primera radi,
moZdaiemo u ovom sluiaju ockritida seuticajstarostina oprimizamrazliku-
je kod muikaracai kod Zena.MoZdaseoptimizammuSkaraca povedavas go-
dinama,dok sekod Zenasmanjuje.U tom sluiaju bismorekli da postoiiuticai
interakcije(faktora, nezavisnihpromenljivih)i da se uticaj starostimoie opi-
satitek kada sesaopdtina koju segrupu (muikarce/Zene) tvrdenjeodnosi.
Ako vam nije jasna razlika izmedu zirsebnih uticarjai utica;ainterakcije,
predlaZemda tu gr:rduprouiite u nekom dobrom udZbenikuza statistiku
(videtiGravetter& Wallnau,2004; Harris, 1994; Runyon, Coleman& Pit-
tenger,2000; Tabachnick& Fidell, 2007). Pre nego 5to nastavitesa ovim
poglavljem,preporudilabih vam da proditatei uvod u peti deo ove knjige,
gde sam razmo;ila nekoliko tema relevantnihza tehnikeanalizevarijanse.
ObiaSnienjeprimera Postupak obavljanja dvofaktorske analize varijanse
Kao ilustraciju razmatrane tehnike'Web upotrebiiu datoteku s podacima
1. OtvoritemeniAnalyze,izaberite u njemustavkuGeneralLinearModel,1
survey3ED.sav, dostupnuna prateioj lokaciji knjige (videti str. xi). Ti
pritisniteUnivariate.
podaci potiiu iz anketesprovedenekako bi se istraZiliiinioci koii utidu na
2. Pritisniteodabranuzavisnupromenljivu (npr.toptim)i prebaciteje u po
psiholo5koprilagodenje,zdravljei oplte raspoloZenje liudi. Radi seo stvar-
jedna grupa mojih postdiplo- Dependentvariable.
nim podacima iz koje
istraLivanja ie obavila
maca. Sve pojedinostite studije, upitnika upotrebljenihskala date su u
i 3. Pritisnitedve odabranenezavisne kategorijskepromenljive (sex,agegp3
prebaciteih u poljeFixed Factors.
dodatku.Ako Zeliteda i samipratitepostupakopisanu ovom poglavlju'po-
krenite SPSSi otvorite datoteku survey3ED.sav.U analizi su koriSiene ove 4. Pritisnite dugmeOptions.
' PotvrditepoljaDescriptivestatistics, Estimatesof effect size i Homr
promenljive:
geneity tests.
hne datoteke:survey3ED.sav . Pritisnite Continue.
. Ukupan optirnizam(Toptim): ukupana vrednostna skali optimizma' 5. Pritisnite dugmePost Hoc.
Rezultatimogu imati vrednostiu opseguod 6 do 30, pri demuve6ibro- . U spiskuFactorsna levojstrani,izaberite jednu ili vise nezavisnih pr
jevi pokazujuviSinivo optimizma. menljivihod interesa(kojeimajutri ili vi5e nivoaodnosnogrupa),np
o Starosnagrupa (Agegp3):reiifrovanapromenljiva,dobijenadeljenjem agegp3.
prornenljiveagena tri jednakegrupe:grupa 1: 18-29 = 1; grupa 2: 30- . Pritiskomna dugmesa strelicomprebaciteje u odeljakPost Hoc Tes
44 = 2; grupa 3: 45+ = 3 (uputstvaza reiifrovanjevideti u poglavlju8). lor.
. Pol (promenljivasex):mu5karci(Males)=1.,Lene (Females)=2. . lzaberite naknadnitest kojiielite da sprovedete(u ovomsludaju, Tuke
. Pritisnite Continue.
Kratak pregled dvofaktorskeanalizevariianse 6. PritisnitedugmePlots.
Primeristraiivaikog pitanla:Kako starosti pol osobeutidu na njen optirni- . U poljeHorizontalstavitenezavisnu promenljivukojaimaviSegrupa(np
zam?Da li pol osobemenja uticaj njenestarostina optimizam? agegp3).
. U poljeSeparateLinesstavitedrugunezavisnu promenljivu (npr.sex)
Sta ua* treba: Tri promenljive: . Pritisnite Add.
o dve kategorijskenezavisnepromenljive(npr. pol: muikarci/Zene;sta- . U odeljkuPlotstrebalobi da pi5uimenadve odabranepromenljive (np
rosnagrupa: mladi, sredoveini,stari);i agegp3*sex).
r jednaneprekidnazavisnapromenljiva(npr.ukupan optimizam). 7.PritisniteContinuei zatimOK (odnosnodugmePaste da biste koman
Sta sepostiie: Dvofaktorska ANOVA sluLiza istovremenoispitivanjeuti- snimiliu SyntaxEditor).
caja svakenezavisnepromenljivena zavisnupromenljivu,pri iemu seiden- Postupakgeneri5eovu komandu:
tifikule i eventualniuticaj njihove interakcije.Primera radi, omoguiava
ispitivanle(a) polnih razlika u nivott optimizma, (b) razlike u optimizmu UNIANOVA
mladih, sredovednihi starih osoba,i (c) interakcijete dve promenljive- da toptim BY agegp3sex
li starostrazliditoutiaena optimizammuikaracai Lena? /METHOD: SSTYPE(3)
Pretpostavke:Pretpostavkena kojima se zasniv:rANOVA navedenesu u / I N T E R C E P T I: N C L U D E
uvodu u peti deo knjige. / P O S T H O C : a g e g p 3( T U K E Y)
Neparametarskaalternativa:Ne postoji. /PLOT: PROFILE( agegp3*sex )
/pRtNT : DESCRT PTTVE ETASOHOMOGENEtTy
/CRITERIA:ALPHA(,05)
/DESIGN: agegP3sexagegP3*sex.
 Evo kako izgledajurezultatiprethodnogpostupka. M u l t i p l eC o m p a r i s o n s
DependentVariable:TotalOptimism
Descriptive Statistics HSD

D e p e n d e n t V a r i a b l e :T o t a lO p t i m i s m (r) (J) 957. Co nf idence lnterual

Mea n
AGEGP SEX Mean Std. Deviation N AGEGP3 AGEGP3 Ditterence (l-J) Std. Error sis Lower Bound Upper Bound
16-',4 30.44 -,74 -1,93
18-29 MALES 21,38 4,33 60 ,51 ,307
45+ 1 60', .52 -?,82
a7) ,67 .,37
FEMALES 21,34 87 3G44 18-29 ,74 ,c I ,307 -,44 1,93
Total 21,36 45+ ,.85 ,52 .n8 2.07
30-44 MALES 22,38 68 45+ 18-?9 1,60' ,52 ,007 ,37 2,82
30-44 .85 .52 ',36
FEMALES 21,88 4,58 85 ,228 2,07
Based on obseryedmeaos.
Total 22.10 4 .1 5 t3J -
Th" *""n difterenceis significanlal lhe ,05 level
45+ MALES 22,23 4,09 56
FEMALES 23,47 4,70 79
EstimatedMarginalMeansof TotalOptimism
Total 22.96 44q 135 ?4.O

Tota| MALES 22,01 eoc 184

FEMALES 2> )i 4,73 251
Total 4,43 23.0

Levene'sTestof Equalityof ErrorVariancesa o

G 22,0
D e p e n d e n t V a r i a b l e :T o t a lO p t i m i s m
SEX
g
F df1 dt2 sig E
E
1,083 5 429 aao * ....yALEs
U 21,O
FEIT'ALES
18-29
Teststhe null hypothesis that the error variance of the
d e p e n d e n t v a r i a b l ei s e q u a l a c r o s s g r o u p s . AGEGP3
a
D e s i g n :I n l e r c e p t + A G E G P 3 + S E X + A G E G P 3 -S E X

Tests of Between-SubjectsEffects
Variable:tolal
Typelll Sum PartialEta
Tumadenierezultatadvofaktorske
Source of S0uares
38 6474
df
5
Mean Square
47,729 2,475
siq
,032 ,uzu
analizevarijanse
206790.069 107?1,408 .962 o Descriptive Statistics.U ovoj tabeli
206790,069 1 ,000 su srednje vrednosti (Mean). star
agegp3 150.863 2 75,431 3,S11 .021 018 dardna odstupanja (Std deviations) i N svake podgrupe. proverire da
SEX 5.717 1 5,717 ,296 ,586 .001
' sex su ti brojevi taini. Pregledom strukture tih brojevn rt.ei iete uvid u ut.
agegp3 55,709 2 t7 qcq 1.444 .007
Error 8274,374 429 19.288 caj odabranih nezavisnih promenljivih.
Total 221303.000 435 o Levene's Test of Equality of Error
variances. ovde sr-rrezultati test
Conected Total 8513.021 434
jedne od temeljnih pretposravki analize varijanse.
a. R Squared = ,028 (Adlusted R Squared = .017) Najviie nas zanim
znadajnost tog rezultata, navedena u koloni sig.. odgovaralo bi nar
da raj broj bude ue(i od 0,05 i stoga neznadajan. zTaiztian rezuka
( s i g . m a n l i o d 0 , 0 5 ) k a z u j e d a v a r i j a n s a z a v i s n ep r o m e n l j i v e n i j e j e d
naka u svim grupama. Kada to utvrdite u svojoj studiii, preporuduje s
 (npr. 0,01) za vrednovanie rezultata Velidina uticaja
da zadatestroZi nivo znaiajnosti
ti. da zaseban uticai i uticaj interakciie Veliiina uticaja promenljive agegp3 data je ur koloni Partial Eta Squared
Juofaktorrke ANOVA analize,
Smatrateznadajnim salno ako
je Sig. veie od 0,01. U gorrrjem primeru, (0,018). Prema Koenovom kriterijumu (Cohen, 1988), taj uticaj se moie
klasifikovati kao mali (videti uvod u peti deo knjige). Dakle, mada sratisriiki
t * t t " . t 0 , 1 6 ? . P o 5 t o l e t o v i S e o d 0 ' 0 5 ' t r e b a z a k l j u i i t i d a h o m o g ejcd-
-
nost varllanr, .,,;" tj' da je varijansa zavisnc promenliive znatajna tj. nesluiajna, stvarna razlika izmedu srednjih vrednosti vrlo ie ma-
""'uSenat la. U tabeli Descriptives videiete da srednje vrednosti za tri srarosne grupe
naka u svim gruPama'
(za oba pola zajedno) iznose 21,,36,22,10,22,96. Razlika izmedu tih grupa
DvofaktorskaANoVAglavnideorezultatadajeutabeliTestsofBet- nema praktidnog znaiaia.
redom koiim ih
*".i_irrbi".ts Effects- Te iiformaciie nisu uvek poredane
treba analizirati. Naknadnitestovi
Iako znamo da se naie starosnegrupe razlikuju, ne znamo konkretno koje se
llticaji interakciie razlikuju: da li se gp1 razlikuje od gp2, da li se gp2 razllkuje od gp3, da li se
(npr'da seuticajstarostr
Naipre trebaproveritida li postojiuticaj.interakcije gp1 razlikuje od gp3? Odgovor na ta pitanja daie nam naknadni (engl. posr-
na nivo optimrzmameniau zavisnostiod toga da li ie osobamuSkaracili Ze- -hoc) testovi (videti njihov opis u uvodu u peti deo knjige). Naknadni testovi
osnovnih
f"a, utvrdite da le uticai intera.kcijeznaialan' tumaienje
""1. lako ni su relevantni samo kada nezavisna promenljiva ima viSeod dva nivoa (gru-
(zasebnih)uticajir nezavisnihpromenliivih viSenije iednostavno.
jednenezavistre promenliive, morate pe). Ti testovi redom porede sve parove grupa i kazuju da li se njihove sred-
ir-"ri"g i" rf.deeirda bisteopisaliuticaj
U prikirza- nje vrednosti znadajno razlikuju. Rezultate naknadnih testova SPSSdaje u
,f..ifi.ir"ti odgovaraju6.,ur.dr.ort druge nezavisneprourenliive' sklopu ANOVA postupka. Medutim, ne bi trebalo da ih gledate dok zajed-
treba pogledati red agegp3*sex' Znaiainost in-
,ri- ,"r,tltutirna iz SPSS-u,
vrednost nidkom (omnibus) anirlizom varijanse ne otkrijete neki znaiajan zasebanuti-
terakcijeie data u ieliji kolone Sig' u tom redu' Kada ie njena
uticai ie znaia-
interakcije caj ili uticaj interakcije. U ovom primeru, dobili smo znadajan zaseban
manjaodili lednaka0,05 (npr.0,03,0,01,0,001),
jan. U naiem primeru, uticaj interakcije.nije znataian (agegp3"sex: sig' - (osnovni) uticaj promenljive agegp3 (za razhku od promenljive sex, koja ga
'0t,237).To nema); zato je opravdano da naknadnim testovima ispirujemo uticaj agegp3.
kazujeda nemaznaiainerazlikeu uticaiu starostina optimizam
muSkaracaodnosnoi.ena.[.Jpozorenie: kada proveravateznadainostovih re-
Tabela Multip le Compa risons
zultata,vodite raiuna o tome da iitate brojeve u koloni sig., poStomnogo
Rezultatinaknadnihtestovadati su u tabeliMultiple Comparisons.Zadali
studenatamisli da seznadainostaita u koloni PartialEta Squared,5todonosi
smo da seizraiuna Tukejev(Tukey)test ,,zaistaznaiajnerazlike" (Honestly
katastrofalnePosledice !
SignificantDifference,HSD), jedan od delie upotrebljavanih.PotraZiteu
koloni Sig. brojevemanje od 0,05; to su znadajnirezultati,oznaieni i zve-
Zasebni uticaii
zdicom u koloni Mean Difference.U gornjem primeru, znadajnose medu-
Utvrdili smo da uticai interakciienezavisnihpromenljivihniie znadajan;sto-
sobnorazlikuju samogrupa 1 (18-29) i grupa 3 (45+).
ga je bezbednoi lako tumaditinjihovezasebneuticaje.Radi seiednostavno
o uticajujednenezavisnepromenliive(npr.uticai pola na sve_starosne grupe
od interesa (npr. Dijagrami
zaiednol. u prvoj koloni sleva pronadite promenljivu
proiitaite odgova- Na kraju rezr.rltataiz SPSS-anacrtan je dijagram nivoa optimizma muikara-
agegp3).Da biste utvrdili postoii li njen zasebanuticai,
ca i Zena za sve tri starosne grupe. Taj dijagram je veoma koristan jer
,ii""& Uroj u koloni Sig. r.rproduZetkutog reda. Kada je oiitana vrednost
omogr"riavavizuelni uvid u odnose izmedu promenljivih, 5to je obidno lakSe
manjaod ili lednakaOpS (npr.0,03, 0,01,0,001),zasebanuticaite nezavi-
od deiifrovanja velike tabele brojeva. Iako su na kraju rezultata, te dijagra-
sne promenljiveje znaiajan.U gornjem primeru, postoji znaiaianzaseban
me bi trebalo pogledati prve da biste bolje shvatili uticaj dve odabrane ne-
uticaj starosnegrupe (agegp3:sig'=0,02i), ali ne i znadajanzasebanuticaj
zavisne promenljive. Upozorenle: kada tumadite dijagrame, imajte u vidu
pola (sex:sig.=Q,5361. To znadida se muskarcii Zenene razlikuiu po svom
skalu upotrebljenu za crtanie zavisnepromenljive. Ponekad se ono 5to na di-
tptimizmu, uli d" portoji razlika u nivoima optimizmamladih' sredovec'nih jagramu izgleda kao ogromna razlika, zapravo svodi na tek nekoliko jedini-
i stariiihosoba.
ca mere. Videiete to u tekuiem primeru. Na prvom dijagramu izgleda kao
da postoli velika razllka u rezultatima mu5karacaiLena starije starosne grlr-
pe (45+). Medutim, kada pogled vratite na vertikalnu skalu na levoj strani
di|"gr"^u, vide6eteda je ta razhka zaptavo mala (22,2 prema 23,5\.
Predstavljanierezultatadvofaktorske Nakon podele uzorka, istraZivad sprovodi jednofaktorsku analizu vari-
janse (videti 18. poglavlje) i poredi nivoe optimizma u rri srar'sne grupe.
analizevariianse Kada je procedura split File ukljuiena, dobiiete zasebne rezulrare za mu-
Rezultati opisane analize mogu se predstaviti ovako: Skarcei Zene.

Dvofaktorskomanalizomvarijanserazliditihgrupa istraZenje uticaj pola i sta-

rosti na nivo optimizma,meren na skali Life OrientationTest (LOT).Subjektisu DodatneveZbe
b i l i p o d e l j e n iu t r i s t a r o s n eg r u p e ( g r u p a 1 : 1 8 - 2 9 g o d i n a ;g r u p a 2 : 3 0 - 4 4 Poslovnookruienje
godina; grupa 3: 45 i vise godina). Uticaj interakcijeizmedu pola i starosne Datoteka s podacima: staffsurvey3ED.sav.pojedinosti o datoteci videti u
grupe nije bio statistidkiznadfan, F (2, 429) : 1,44, p : O,24.Utvrdenje sta- dodatku.
t i s t i d k zi n a d a j a nz a s e b a nu t i c a js t a r o s t i , F( 2 , 4 2 9 ) : 3 , 9 1 , p : 0 , 0 2 ; m e d u t i m ,
uticajje malr(parcijalnieta kvadrat:0,02). Naknadnaporedenjapomocu Tu- 1. Sprovedite dvofaktorsku analizu varijanse s naknadnim testovima (ako
kejevogHSD testa pokazujuda se srednjavrednostrezultatau starosnojgru- treba) za poredenje nivoa zadovoljstva osoblja (totsatis) za razlltito tra-
p i 1 8 - 2 9 g o d i n a ( M : 2 1 , 3 6 , S D : 4 , 5 5 ) z n a d a j n or a z l i k u j eo d o n e u g r u p i janje zaposlenja (upotrebite promenlj'u seruicegp3),i to i za stalno
i za
4 5 + g o d i n a ( M : 2 2 , 9 6 , S D : 4 , 4 9 ) . S t a r o s n ag r u p a 3 0 - 4 4 g o d i n a ( M : privremeno zaposlene (employstatus).
2 2 , 1 O ,S D : 4 , ' 1 5 ) n e r a z l i k u j es e z n a 6 a j n oo d o s t a l i hg r u p a .Z a s e b a nu t i c a j Zdravstvo
pola, F (1, 429): 0,30, p : 0,59, nije dosegao statistidkuznadajnost. pojedinostio datotecivideti u dodatku.
Datotekas podacima:sleep3ED.sav.
1. sproveditedvofaktorskuanalizuvarijanses naknadnimtestovima(ako
treba)za poredenjesrednjihvrednostipospanostina skali pospanosrii
Dodatneanalizekadase dobiie pridruZenihoseianja(sleepiness and AssociatedsensationsScaletotal
znaeaianuticaj interakcije score:/o/sAS) muikaraca i i.ena(gender)podeljenihu tri starosnegrupe
Kada dobif ete zna(aian uticaj interakcije, trebalo bi da odnose dodatno definisanepromenljivomagegp3(<=37,38-50, 51+).
istraZite naknadnim testovima. (To vaZi samo ako jedna od odabranih pro-
menljivih ima tri ili vi5e nivoa.)Jedan od nadina da se to uradi jeste analiza
jednostavnih uticaja. To zna(i da 6ete zasebno razmotriti rezultate svih pod-
grupa. Uzorak treba podeliti na grupe jedne od nezavisnih promenljivih i za
njih zasebno sprovesti jednofaktorske analize varijanse kojima se istraiuje
uticaj one druge promenljive. Da smo u gornjem primeru utvrdili znataian
uticaj interakcije, mogli smo uzorak podeliti po polu i istraZiti uticaj starosti
na optimizam zasebno za mu5karce i za Lene. Za podelu uzorka i pona-
vljanje analiza za svaku grupu, upotrebite SPSS-ovu opciju Split File. Ta
opcija sIuLi za podelu uzorka na grupe jedne kategorijske promenljive i
zasebno ponavljanje analiza za svaku grupu.

Postupakza podelu uzorka

1 . O t v o r i t em e n i D a t a i u n j e m ui z a b e r i t es t a v k uS p l i t F i l e .
2. PritisniteOrganize output by groups.
3. Prebacitepromenljivugrupisanja(sex)u polje Groups based on.
4. Takoste uzorakpodelilipo polu (muSkarci/2ene)
izadalizasebnoponavljanje
svih buducih analizaza te dve grupe.
5. Pritisnitedugme OK.
 Kombinovana
analtzavarijanse

U prethodnimpoglavllimaposve6enimanalizivariianse,r"rpoznali smo ana-

lize razliiitih grupa subjek:rta (poredenje dve ili viSe grupa) i analize istih
subjekataili ponovljenihmerenja (ista grupa subiekara ispitivanih pod dva
ili viSeuslova).Dosad smo te pristuperazmatralizasebno.Medutim, ima si-
tuacijakada u istoj studiii trebakombinovatioba ta pristupa,tako da jeclna
promenljivabude ,,razliditihsubjekata",a druga ,,istihsubjekata".Primera
radi, Zeliteda istraZiteuticaj odredeneintervencijena nivoe anksioznostikli-
;'enata(ispitivanjempre i posleintervencije), ali i da saznateda li setai uticaj
razlikuje za muSkarcei za Lene.U tom sludaju,imate dve nezavisnepro-
menljive:jednaje ,,razliiitih subjekata"(pol: muikarci/Zene); drugaie ,,istih
subjekata" (vreme).
U tom sludaju, grupu muikaraca i Zenabiste podvrgnuli
intervenciiii izmerili niihovenivoe anksioznostiu trenutku 1 (pre interven-
cije) i ponovo u trenutku 2 (posleintervencije).
SPSSomoguiava kombinovanje promenljivih ,,razliditih subjekata" i
,,istihsubjekata"u istoj analizi.Takva analizase u nekim udZbenicimana-
ziva ,,split-plotANOVA* (SPANOVA).Ja sam se opredelilaza termin koji
koriste Tabachnicki Fidell (2007) - kombinovanaanalizavariianse(engl.
mixed between-u,ithinsubiectsANOVA), polto smatram da on najbolje
opisujeo demuseradi. Ta tehnikaje prolirenie analizevariianseponovljenih
merenja,prethodnorazmotreneu poglavlju18. Bilo bi dobro da proditateto
poglavlfepre negoiro nastavitesa ovim.
U ovom poglavljudaiu vrlo kratak prlkazkombinovaneanalizevarijan-
se.Ukoliko tu tehniku nameravateda upotrebiteu svom istraZivanju,proii-
tajte viSeo njoj (npr.Keppel& Zedeck,2004;Harris.1994; Stevens,1996;
Tabachnick& Fidell, 2007).
2t2 UgO V . \)LdLIDLIWAE Lgl ll llAs 4q Vvr ever rJE
Vl UPd
Obia5nienie
Primera
Kao ilustraciju kombinovane analize varijanse, upotrebi6u datoteku s poda-
'Web
cima experim3ED.sav dostupnu na prateioj lokaciji kniige (videti str.
xi). To su podaci iz fiktivne studije koja obuhvata ispitivanje uticaja dve ra-
zlidite inteivencije preduzete kako bi se pomoglo studentima da se izbore sa
svojom anksioznoSiu povodom predstoje6egkursa iz statistike (videti u do-
datku sve pojedinosti o toj studiji). Studenti su bili podeljeni u dve iednake
grupe, koje su popunile testza ispitivanje straha od statistike. Potom je jedna
grupa pohadala kurs matematidkih veitina, a druga udestvovalau programu
ngradnle samopouzdania. Grupe su opet popunile isti test neposredno posle
t"lnt"ru..t.ije, kao i tri mesecakasnije. Ta datoteka sa izmiSljenim podacima
dostupna je na prate6oj XTeblokaciji knjige. Ako Zelite da pratite doleopisa-
ne postupke, pokrenite SPSSi otvorite datoteku experim3ED.sav.
U ovom primeru, uporediiu uticaj kursa matematidkih veitina (grupa 1)
i kursa izgradnje samopouzdanja (grupa 2) na rezultate udesnika na testu za
ispitivanje straha od statistike, popunjavanom u tri navrata. Slede imena
upotrebljenih promenljivih i njihovi opisi u datoteci s podacima.
Ime datoteke: experim3ED.sav
Promenliive:
r Vrsta obuke (grupa): 1=Matematitke ve5tine 2=Izgradnja samopouz-
dania
o Rezultati na testu za ispitivanje straha od statistike, popunjavanom u
trenutku 1 (Fost1): ukupni rezultati na testu za ispitivanje straha od
statistike popunjavanorn pre intervencije. Rezultati poprimaju vredno-
sti u opsegu od 20 do 60. Ve6e vrednosti pokazuju ve6i strah od stati-
stike.
o Rezultati na testu za ispitivanje straha od statistike, popunjavanom u
trenutku 2 (Fost2): ukupni rezultati na testu za ispitivanje straha od
statistike popunjavanom neposredno posle intervencije.
o Rezultati na testu za ispitivanje straha od statistike, popunjavanom u
trenutku 3 (Fost3): ukupni rezultati na testu za ispitivanje straha od
statistike, popunjavanom 3 mesecaposle intervencije.
Kratakpregledkombinovaneanalizevariianse
Primer istraiivadkog pitanja: Koja intervencija delotvornije smanjuje rezul-
tate udesnika na testu kojim se ispituje strah od statistike, popunjavanom u
tri navrata (pre intervencije, neposredno posle intervencije, 3 mesecakasr-ri-
je)? Postoji li promena u rezultatima uiesnika na tom testu, popunjavanom
u tri navrata (pre intervencije, posle intervencije, 3 mesecakasnije)?
Poglavlje2O: Kombinovanaanaltzavarilanse 273
Sta uu- treba: Najmanje tri promenljive:
r iedna kategorijska nezavisnapromenljiva razliditih subjekata
sa dva ili
viSenivoa (grupal/ grupa2);
o jedna kategorijska nezavisnapromenljiva istih subjekata sa
dva ili viie
nivoa (trenutakl/ trenutak2/ trenutak3):
o jedna neprekidna zavisna promenljiva (rezultati udesnika pri
ispiti-
vanju straha od statistike, mereni u svakom vremenskom p"ilod.r).
Sta se postize: Pomoiu ove analize se ispituje postoje li osnovni (zasebni)
uticaji svake nezavisne promenljive i da li je interakcija izmedu dve r.rro-
menljive zna(ajna. U ovom primeru, kaza(e nam da li su se promenili rezul-
tati testa za ispitivanje straha od statistike, popunjavanom u rri navrata
(zasebni uticaj vremena). uporediie delotvornost te dve intervenciie (mate-
matidke vebtine I izgradnja samopouzdanja) za smanjivanje straha od stati-
stike (zasebanuticaj grupe). Najzad, kaza(e nam da li se promena rezultata
u vremenu razlikuje u re dve grupe (uticaj interakcije).
Pretpostavke: videti uvod u peti deo knjige, gde su razmotrene oplte pret-
postavke na kojima se temelji ANOVA.
Dodatna pretpostavka: Homogenost medukorelacija. struktura korelaci-
ja medu nivoima promenljive istih subjekata trebalo bi da bude jednaka
za
svaki nivo promenljive razliiitih subjekata. zadovoljenosr ove prerpostavke
se ispituje u sklopu analize Boksovim (Box) pokazateljem M. zbig velike
osetljivosti tog pokazatelja, treba koristiti konzervativniji nivo lila 1.
vrednost 0,001. Pretpostavka je zadovoljena kada pokazatelj nije "lfa,
znaiajan
(tj. kada je pripadna verovarnoia veia od 0,001).
Neparametarska alternativa: Ne postoji.
Postupakza sprovodenjekombinovaneanalizevariranse
1. otvorite meni Analyze, izaberiteu njemu stavkuGeneral Linear Model, pa
pritisniteRepeated measu res.
2. U polje Within-subject Factor Name upi5ite opisno ime faktora razliditih
subjekata (npr. vremena).To nije stvarno ime promenljive,vec opisno po
va5emizboru.
3' U polje Number of Levels upisitebroj nivoatog faktora(u ovom sludajuima-
mo tri vremenskaperioda;zato upi5ite3).
4. Pritisnitedugme Add. Pritisnitedugme Define.
5. Pritisnitepromenljivekoje predstavljajufaktor istih subjekata(npr. rezultate
na testu za ispitivanjestrahaod statistikepopunjenomu trenutku1, trenutku
2 i trenutku3).
6. Pritiskomna strelicu prebacitete promenljiveu polje within-subjects va-
riables. Trebalobi da se u polju ispi5uimenaodabranihpromenljivih(samo
kratkaimena:fost1, fost2, fost3).
 Box'sTeslof Equality ol Covariance Matricesa
7.pritisniteodabranupromenljivu subjekata(npr.vrstakursa).Pritis-
razliditih
'sM
komna strelicuprebacitetu promenljivu poljeBetween-subjectsFactors.
u I l"5ro
8. PritisnitedugmeOptions' '|
. U odeljkuDisplaypotvrditepoljaDescriptivestatistics,Estimatesof o

effect size, HomogeneitYtests' 5680

Sig . 96 9
. Pritisnite Continue.
Plots. I e s t st h e n u l l h y p o l h e s i st h a t t h e o b s e r v e d c o v a r i a n c e
9. Pritisnitedugme
m a t r i c e so f t h e d e p e n d e n tv a r i a b l e s a r e e q u a l a c r o s s g r o u p s
. pritisnitefaktoristihgrupa(npr.vreme)i prebacitega u poljeHorizontal a Desrgn:
I n t e r c e p t+ G R O U P
Axis. W i t h i nS u b j e c t sD e s i g n :T I M E
. U poljuSeparateLinespritisnite promenljivu grupa(npr.grupa)'
razliditih
10. PritisniteAdd. Trebalobi da se u poljuispiSuimenaodabranihpromenljivih Multiva.iate TestS
(npr.vreme*gruPa). Partial Eia

Continuei zatimOK (odnosnodugmePasteda bistekomandu

Effect HvDothesisdf Error df
11.Pritisnite lme Hillafs lrace .boJ 2 6 5, 93d 2.000 I / .uuu bbJ

snimiliu SyntaxEditor). Wilks'Lambda ,337 26.5934 2,000 27,0AO ,000 ,663

Hotelling's Trace 1.970 26.5934 2,000 27.OOA .000 .663
Postupakgeneri5eovu komandu: Roy's Largesl Root 1.970 26.593" 2,000 27.000 ,000 .663
time ' group Pillai'sTrace 131 z.034" 2,000 27,000 150 131
Wilks'Lambda 869 2.03/4 2.000 27.004 150 131
GLM Holelling'sTrace 151 2,0u4 2,000 27.000 150
Roy'slargest R@l
fostl fost2fostSBY gruPa a Exact statistic
151 2.0344 2,000 27.000 150 131

/WSFACTOR: vreme3 Polynomral b.

/METHOD: SSTYPE(3) Oesignr Inle.cept+9roup
Withrn Subjecls Desion: lime
/PLOT: PROFILE( vreme*grupa
)
/PRlNT: DESCRIPTIVE ETASOHOMOGENEITY
Mauch,y s Tes ot Spheridtyb
/CRITERIA:ALPHA(.05) Measure: MEASUFE 1

/WSDESIGN: vreme
/ D E S I G N :g r u p a . Vlhin Subjecls
:flecl Chi Square siq Gerssr
IME 348 28,517 000 ,605 640 ,500

Prikazacemodeo rezultatatog postupka. fesEthenullhypthesislhaltheetrorcovariancematrroltheodhonormalizedransformeddeFndenr

lo an 'denlilY matix
variabtesrspropo(ional

a
May be used lo adjusl lhe degrees ot feedom tor lhe averaged lesls otsignilicance. Coriectd lesls are displayed in
DescriptiveStatistics lheTesls ol Wlhin Subjecls Efects lable.
b
Desqn' lntereept+cBouP
T v D eo f c l a s s Mean S t d .D e v i a t i o n N WilhrnSubjecls Dsign: TIME

fear of stats mathsskills 39,87 4,60 15

r r , , EI conltdence Levene's Testof Equalityof Error Variancesa
40,47 5,82 t3
building
30 T dr1 dt2 siq.
Total 40.17 5.16
{ear o{ stats
lear of stats maths skills 37,67 4,51 ,893 28 eqa
timel
time2 confidence
5,88 15 fear of stats
building ,767 28 aco
time2
Total ( 1q 30
fear of stats
fear of stats maths skrlls 36,07 5,43 15 ,770 28 .388
time3
time3 c o n fi d e n ce
34,40 6,63 15 Teststhe null hypolhesis thal the error variance ot the dependent variable is
building
e q u a l a c r o s sg r o u p s .
Total o,uz a D e s i g n :I n t e r c e p t + G R o u P
aq ta\ 30
W i t h i nS u b j e c t sD e s i g n :l l M E
1t I
rugrd.vrjEzu; nomotnovana analtza varuanse

Tests of Between-Subjects Effects

str.466-g). TumadimosamoreznlrateSpSS-ove multivarijacioneanarizeva_
Measure:MEASURE-1
rijanse,zato dto se univarijacionazanivana sferidnosti
ariable:Ave poJaiaka.Sferiinost
T y p el l l S u m PartialEta znaii da je varija'sa rezsltatapopuracijeza biro koja .tuu
jednakatoj
Source of Squares dt F
M e a nS q u a r e Sio. S6r r2rcal
varijansizabilo koja druga dva usrova(ito najieiie nije "rtou",
Intercept 127464,100 1 127464,104 1 5 3 1 , 7 5 7 ,000 ,982 zaclovorjeno).SpSS
4,900
meri sf-eridnost Moklijevim resrom,ari multivarijo.ionuarrJlu
group 4,900 1 ,059 ,810 ,002 uur!u.rr. rr"
83,214 podrazumevasf'eridnost.Videiete u naiem primeru
Error 2330.000 28 crapretpostavka o sfe_
ridnosti nije zadovoljena,ito pokazuje ur.d.rort Sig.
otl b,OOOu tabeli
Mauchlyt rest of sphericiry.Mada ima nadinada seriaruiavanre
EstimatedMarginalMeansof MEASURE*1 te pretpo_
stavkekompenzuje'sigurnijeje pogledatirezulrate-J;;il".ione
analize
varijansedate u SPSS-ovomizlazu.
type of class Pogledajmokljudnevelidinekoje treba razmorriti u
- rnaths skrlls
rezulratima.
. -,confldnceburlding
TabeIa Descript ive Sfafistrbs
a u prvoj tabeli rezultatadate su srednjevrednosti,
standarclnaodstupanjai
6 broj suby'ekara (Mean, std Deviation,N) tri skupa ,.rurtn,u.
= \ b.bro je pro-
veriti imaju li te velidinesmisra.Da li je taian Lroj
osoba u svakoj grupi?
38 Imaju li smisla srednjevrednosri merenog obe.IeLja,
uri-u;Ji u obzir upo-
trebljenuskalu?U gornjemprimeru,videieteda su
= najvii" ,r"a'i, vrednosti
o :lyhl G9,87 i 40,47) rabelezeneu rrenurku 1, da su nize u rrenutku 2
(37,67i 37,33) i joi niZeu rrenufku 3 (3G,07
e
,E
i 34,40).Meclutim,ne znamo
o da li su te razlike dovoljno velike da budu statistidki
u, znadaine.
Pretpostavke
Pogledajtetabelu Levenet rest of Equality
of Error variancesi proverite da
li je naruienaprerposravkao homog"""rri
varijansi.2"r.riJir-o da vred-
2 nost sig' budeneznadajna(veia od o,os1.
time
u ovom sluiaju, ta verovatnoiaje
veia od 0,05 za svakupromenljiv'
i0,35, 0,39,0.39);dakl.,moZemobez_
bednodalje.
proveriri.pokazaterjBoxt rest of Equarity
.^,t^tty1r,eb.a of covarianceMa-
tnces'Zeleli bismo vrednostsig.
veiu od 0,001. U ovom p.i-.r,r, ra vero-
Tumadenjerezultatakombinovane vatnofa iznosi0,97; dakle, pretpostavkaje
zadovollena.
analizevariianse Uticaj interakcije
Primetili ste (joi jednom) da ova SPSS-ovatehnika generiSepriliino mnogo
5topogledamoverii'jne zasebnihuticaia,prvo rrebirda ocenimouti-
sloZenih rezultata. Ako ste proudili prethodna poglavlja, prepoznaiete deo I:.t:*"
rd' rnrerakcr;e. l)a Ii je vremenskapromena.ez.rliatajednaka
rezultata iz drugih postupaka analize varijanse. Tu su rezultati testova pret- (matemaridkeveitine/izg3{ni1 sa.mopouzdanja)? za dve grupe
postavljene sferidnosti, te rezultati univarijacione i multivarijacione analize ft ;"; k;uje drugi ,,iz
tabele Multivariare Tesrs. Zanima nn, pot nrut.ll
varijirnse (za jednu odnosno viSepromenljivih). Celovitoj raspravi o razlici iif:l r(jt:.";it.""p;
r nlegova verovatnoia navedenau koloni Sig.
izmedu rezultata univarijacione i n-rultivarijacioneanalizevarijanse r-rijenre- ;,,,,,:,t--^t1-bda
rrrurrlvarlracrone Svi testovi
anarizevarijansedali su isti rezultat,ali se'alieSde
sto u ovoj knjizi; u ovom poglavlju, razmorriiemo sarno rezultate multivari- navodi
pokazateljlambda.u.ovom sludaju,
i a c i o n e a n a l i z e ( v i 5 e o t o m e v i d e t i u k n j i z i k o i u j e n a l p i s a oS t e v e n s ,1 9 9 6 , Y_tl\':"
znadajan (verovatnoia sig. Vilksovogpokazaterja -ram
";;;;l;;.;;*;",iti. statistidki
bda ;;;;;; 0, 15, sto je
vi5eod na5egnivoa alfa od 0,05).

.i:l
 ueo v: JtatlsllcKe rennlKe za Pureoerue grupa Hoglavue zU: nomOtnovana analtza Vantanse 279

Zasebni uticaii Predstavljanjerezultatakombinovane

PoStosmo pokazali da uticaj interzrkcijeniie znatajztn'smemo da kreneuro analizevarijanse
dalje i o."r,i-o zaseban(osnovni)uticai svakenezavisnepromenliive'Da ic Rezultatiove tehnikepredstavrjajuse kombina.cijomnatina predstavljanja
utiiaj interakcijebio znataian,zasebneuticajebismo tumaiili veomaopfe- analizevarijanserazliditihgrupa (videti 19. poglavlje)i oneponovljenih
jednepromenliivemenia
zno zato5to znadainainterakcijaznati da se uticaj renja (videti18. poglavrje).uvek trebanajprenavesrikoliki uticaj
me_
u zavisnostiod vrednostidruge,te da uopiteni zakliudci(o niihovim zaseb- le interak_
ciie, zato ito od toga zavisi moguinosr rumade'ja zasebrrih(os'ovnih)
nim uticajima)najieSienisu tadni. Kada dobijeteznaiainu interakciju,tu- uticajanezavisnihpromenljivih.
maienjeuvek zasnivajtena onom 5to varn kazuiediiagram'
U ovom primeru,pokazateljWilks'Lambda za promenliivuvremeiznosi
Kombinovanom
0,337 uz verovatno6uSig.od 0,000 (5tozapravoznaii p<0,0005).PoSto;e analizomvarijanseocenjenje uticajdu" .-liditu krlu (M"Er"tidkih
vestina,lzgradnjesamopouzdanja)na rezultateudesnikaispitivanja
dobijeniiznosverovatnoiep manji od 0,05, zakliuduiemoda vremeima sta- strahaod statistike,
dobijene u tri vremenska.perioda(pre intervencije,neposrednoposre
tistidki zna(aianuticaj.To bi znadiloda su serezultatina testuza ispitivanie meseca kasnije). Nije bilo znatajne interakcije izmedu vrste intervencije
intervencijeitri
strahaod statistikepromeniliu tri posmatranavremenskaperioda. Zaseban V i l k s o vl a m b d a : 0 , 8 2 F ( 2 , 2 7 ) : 2 , 0 8 , p : 0 , 1 5 , p a r c i j a l n o
i vremena,
eta kvadrat:0,13.
uticaj vremenaie znataian. Utvrdenje znatanzaseban(osnovni)uticajvremena,Vilksovlambda:
0,34, F (2,22) :
Premdasmo utvrdili da postoii statistiiki znaiajna tazhkaizmedu tri vre- 26'59' p < 0,000b, parcijarnoeta kvadrat: 0,66, pri demu je
u obe grupe'zabereieno
menskaperioda,treba da procenimoi veliiinu te razlike (videtiraspravLto smanjenjerezultataudesnikana testu dobijenihu tri navrata(videti
tJbeiu 1). Zaseban
velidinamauticaja u uvodu u peti deo knjige). Zanima nas pokazateliparci- uticaj dve vrste intervencijenije bio znadajan,F (1, 28):0,059,
p: O,gj, parci.jalno
jalno eta kvadrat tj. PartialEta Squared,navedenu poslednjoikoloni tabele eta kvadrat - 0,002, sto bi znadiroda su oba kursa podjednako
derotvorna.
MultivariateTests.U ovoj studiji,dobijenietakvadrat zavremeiznost0,663' Tabela 1: Rezultati ispitivanja straha od statisrrke polaznika
Na osnovusmernicakoje je predloZioKoen (cohen, 198B,str.284-7) i koie veitina odnosno izgradnje samopouzdanja, mereni u tri
kursa matemailakih
vremenska perioda
senajdeSiekoriste(0,01=maliuticaj,0,06=umerenuticai,0,14=velikuticaj)'
reklo bi se da je uticaj intervencijaveoma velik. Matematidkevestine lzgradnjasamopouzdanja
Po5to smo istraZili uticaje promenliive istih subjekata, tazmotri6emo Vremenskiperiod n M SD n MSD
zasebanuticaj promenljiverazliditih subiekata(vrsta kursa: matematidke Pre intervencije tc 39,87 4.60 15 40,47 5,82
ve5tine/izgr adnja samopouzdanja). Posle intervencije 15 37,67 4,51 3233 5,88
3 meseca kasnije
Uticaj p rom enlj ive razli 6itih subi ekata tc 36,07 tr, rle
15 34,40 6,63
Zanimaju nas rezultati u tabeli Testsof Between-Subiects Effects.Pogledajte
red grupa (to je skraieno ime SPSS-ove promenljiveza vrstu kursa)' Vero-
vatno6aSig. iznosi 0,81. To nije manie od naieg alfa nivoa od 0,05, pa
zakljuiujemo da zasebanuticzrjgrupe nije znatajan.Nije bilo znadainera-
zlike u rezultatimaispitivanjastrahaod statistikedveju grupa (onih koji su
veZbalimatematidkeveitine i onih koji su bili podvrgnuti intervenciiiiz-
gradnlesamopouzdan ja).
U tabeli Testsof Between-Subject Effectsdatir je i veliiina uticaja promerl-
liive razliditihsubiekata.U ovom sludaiu,PartialEta Squaredza grupu iznosi
0,002.To je vrio malo. Zato ne iznenadujeda prornenljivarazliditihsubjeka-
ta nije doseglirstatistiikuznaiajnost.

!
' ' #:lr:'
 Multivarijaciona
analizavarijanse

U prethodnim poglavljima, analizom varijanse smo poredili grupe po ied-

nom obeleijz (jednoj zavisnoj promenljivoj). Medutim, ima mnogo istraZi-
vadkih situacija kada treba porediti grupe po viSe obeleZja. To le sasvim
uobidajeno u klinidkim istraZivanjima, gde je teZiStena vrednovanju uticaja
odredene intervencije na razna merila ishoda (npr. anksioznost, depresiju, fi-
ziike simptome).
Multivarijaciona analiza varijanse (MANOVA) proSirenjeje analize vari-
janse,koje se upotrebljava kada ima vi5e od jedne zavisne promenljive. Tre-
balo bi da su te zavisne promenljive na neki naiin povezane ili da postoji
neki konceptualni razlog zaSto se razmatraju zajedno. MANOVA poredi te
grupe i kazuje da li je verovatno da su srednje razlike u uticajima grupa na
tu kombinaciju zavisnih promenljivih nastale sluiajno. Da bi to uradila,
MANOVA pravi novu zbirnu zavisnu promenljivu, dobijenu linearnom
kombinacijom svih prvobitnih zavisnih promenljivih. Zatim analizira vari-
jansu te nove, kombinovane zavisne promenljive. MANOVA kaz-ujeda li
postoji zna(.ajna razhka izmedu grupa u pogledu uticaja na tu sloZenu zavi-
snu promenljivu; dobija se i univarijaciona analiza svake od zavisnih pro-
menliivih zasebno.
MoZda je neko od ditalaca pomislio: a 5to ne bismo prosto sproveli niz
ANOVA za svaku zavisnu promenljivu zasebno? Mnogi istraZivaii rade
upravo to. NaZalost, sprovodenjem niza ANOVA poveiavate verovatnoitt
(rizik) da napravite greiku I vrste. (GreSkeprve i druge vrste razmotrene su
u uvodu u peti deo knjige.) Jednostavno redeno, to znaii slede6e:5to viSe
analiza sprovedete, verovarnije je da iete dobiti znaiajan rezultat, dak i kada
razlika izmedu grupa u stvari nema. MANOVA je bolja zato 5to uzima u ob-
zir taj poveiani rizik od greSkeI vrste. Medutim, to ima svoju cenu. MANO-
VA je mnogo sloZeniji skup procedura, a ima i viSe dodatnih pretpostavki
koje moralu biti zadovoljene.

i#
 Ukoliko smatrateda ie MANOVA ioI rnalopreteikaza vas,imatejoi jed- sta se postiie: porecrese clve iri
nu moguinost.Sprovediteniz ANOYA za svakuzavisnupromer-rliivu zase[r- viie gr:rpa.po srednjrm vrednostima
odredenekombinacije(grupe)o,belei'ja
no, ali smanjiterizik greSkeI vrstetako 5to iete zadatistroZuvrednostalfa. lzav;snrh-pro-"nii.'itr;. Ispituje se
nulta hipotezada se srednjevrednosti'odred."*
.i;;l"irrr.*,
Jedanod naiina kontrole greiakaI vrstezbogviSetestovajesteBonferonije- nemenjaju promenlli_
u zavisnoJu
oi
vo prilagodenje.To zna(.ida uobiiajenu vrednostalfa (najdeiie0,05) delite
brojemtestovakoje nameravateda sprovedete. Ako irnatetri nezavisne pro-
;Lfi::tffllrntJli:'i")
prerposfavke: MANOVA
"i""" r"r.,".,k"
p,f_
podiva
menljive,podelili biste0,05 sa 3 (5toiznosi 0,0L7 nakon zaokruZivanja) i tLr La Tkoli\o prerposravki. One su
podrobnijerazmorreneu sledeiemoderjku.
novu verovatnoiubistekoristili kao granidnu.Razlikeizmedugrupzrpotom Trebaroul i""p?eirate i raspra_
vu o prerpostavkamau uvodu u peti deo
smatratestatisddkiznadajnimtek ako je dobijenaverovatnoia(Sig.)manja knjige-
1. Velidinauzorka
od 0,017.
MANOVA semoZeupotrebljavirtiza jednofaktorske,dvofaktorskei vi5e^ 2. Normalnostraspodele
faktorske analizevarijanse(kada irna viie nezavisnihpromenljivih, tf . fakto- 3. Netipidnetadke
ra), kao i u analizikovarijanse(kadasestatistiiki uklanja uticaj remetiladke 4. Linearnost
promenljive).U ovom poglavlju,daiu primer koyiilustrujejednostavnu,jed- 5. Homogenostregresije
nofaktorsku MANOVA analizu. Sloienije analizese ne razmatraju u ovoj
6. Multikolinearnosti singularnost
knjizi. Ako nameravateda koristite MANOVA analizu,zaistavam prepo-
7. Homogenostmatrica varijansei
rudujemda to ne radite dok viSeo tome ne proditatei svedobro ne prouiite. kovariianse
PredlaZemvam sledeiu literaturu:Thbachnicki Fidell (20071,Hair i ostali Neparametarskaalternativa:Ne postoji.
(2006) i Stevens(1996).
lspitiva nj e pretpostavki
Pre sprovodenjaMANovA analize,
Obiainienieprimera proveri6emoda li na5i podaci
prerpostavkepopisane u kratkom zado_
Za prrkazivanje MANOVA analize koristila sam datoreku s podacima ::^tl-"":j" pregredu.Neki od rih resrova
nrsu' strogo uzev,neophodni
za ovako velike'uzJ.ke, !r'ir, prikazati da
survey3ED.sag dostupnuna prate6ojWeb lokaciji knjiSie.Studijaje detaljno bisrevideli potrebanpostupak. "i,
opisanau dodatku.U ovom primeru,istraZiiernorazliku izmedurnuikaraca
i Lena u pogledu nekoliko merila raspoloZenja.To su: negativnoraspo-
1. Velidinauzorka
loZenje(merenona skali negativtrihoseianja,NegativeAffect), pozitivno u svakojieliji mora biti viie
raspoloZenje (merenona skali pozitivnih oseianja,PositiveAffect) i subjek- sruiajeva(opservacija) nego iro ima zavisnih
promenljivih.To je apsolutni
tivno doZivljenstres(rnerenona skali Total PerceivedStress).Ako Zeliteda minimum; bilo bi il;;H;1"
;e uzorak velik' manje su i posredicrt.s.tli".i9kih 'ou,,,u".^uau
pratite doleopisane postupke, pokrenite SPSS i otvorite datoteku normalnosri)'u ovom primeru, drugih pretpostavki (npr.
survey3ED.sav. u svakojieliii r.eba?a inirr nny,r..,nn,"
sludaja(toliko ima zavisnih ,r;
pt"r*rr;*ii;. ukuono imamo iest ielija (dva
nrvoanezavisnepromenrjiveimuika
Kratak preglediednofaktorskeMANOVAanalize svakinivo).u rezultatinia r'ci/Lene,ipo tri ,ruirn. pronrenljivez.r
Primer istraiivatkog pitania: Da li se muSkarcii Zenerazlikuju po opitcm
uaxova *rir)"'r"rrai"r."i'liri sludajeva u
svakojielifi' U ovom
primeru,.u ierijamai-"-o mnogo
raspoloZenju? Da li su mudkarcibolje prilagodeniod Zenapo svojinrpozi- potrebnogbroia sluiajeva viie od neophodno
(videti ;";l;;.r.riptive statisticsu rezultatjma
tivlim i negativnirnraspoloZenjima i nivou subyektivnodoZivljenogstresa? SPSS-ove procedure).
Sta vam treba: Za iednofakrorskuMANOVA analizu:
o jednakategorijska,nezavisnaprornenljiva(npr.pol); i 2. Normafnostraspodete
r dve ili vi5eneprekidnih,zavisnihpromenljivih (npr. negarivnoosedr- tsprtrvanjeznadajnosti
rezurtataMANovA
nje, pozitivno oseianje,subjektivnodoZivlfenstres). varijacionojnormalnoj .anarizezasnovanoje na multi-
raspodeli,ari je u praksi
na umereno narudavanje,ormal'osii ;";^;;;;;o.,i."" orporna
MANOVA se moZeproiiriti i na dvofaktorskai viSefaktorskaistraZivir- t".i,r^1i1" ; ;;;.;;11,10,.,
nja, kada ima viSekategorijskihnezavisnihpromenljivih. lanianetipitnihradaka)-Tabachnicki Fidel oorro-
studajeva'p"
c.rlii jerob,rsnosr.
{i."1t;[';3j j,'i'Jn:: L:::il
"uezbedLr
 normalnost(pomoiu tzv' 3' U polje lndependent stavite neprekidnezavisnepromenljivekoje ste oda-
normalnost(videti6. poglavlje)i multivariiacionu
provere normalnosti pomaZui u ot- braliza MANOVA analizu(npr.ukupnanegativnaosecanja/ tnegaff,ukupna
iri'"-fr^f^""frisovih.,dri;.iotti;. Postupci pozitivnaosecanja/ tposaff,ukupan subjektivnodoZivljenstres / tpstress).
3)'
i.r*""i" netipiinih tadaka(videtipretpostavku
4. Pritisnitedugme Save. U odeljku Distances pritisniteMahalanobis.
5. PritisniteContinue i zatim OK (odnosno dugme Paste da biste komandu
3. Netipidnetadke snimiliu Syntax Editor).
tadke(ti' rezultatekoji semnogo
MANOVA ie veomaosetliivan:r netipidne
postojanieunivarilacionihneti- Postupakgeneri5eovu komandu:
razlikuju oi veiine ostalih).Trebaproveriti
a i rnultivariiacionih
pit.in i"t^na (zasebnoza svakuzavisnupromenliivu),
'""iiple"lf,
tadaka.Multivarijacione netipi6ne tadke su subiekti s iudnom REGRESSION
-to*t
rzrznih zavisnih promenljivih (npr' vrlo /MISSINGLISTWISE
ino.llom dobiienih vrednosti
i vrlo mali druge). Univ:rrijacione netipic:- /STATISTICS COEFFOUTSR ANOVA
velikevrednostiiednepromenliive
(videti 6' poglavlie)' Postupak provere /CRITERIA:PI N(,05)POUT(,10)
ne talke otkriva p.o..du,u Explore
netipidrrihtaiaka i multivarijacionenornalno- /NOORIGIN
fostojanla multivariiacionih / D E P E N D E NiTd
sti prikazaduu nastavku' /METHOD:ENTERtposafftnegafftpstress
/SAVEMAHAL.
Provera multivariiacione normalnosti
- preko menija
Multivarijacionunormalrrosriemo proveriti kada od sPSS-a
Maha-
Regression- zarraiino da izradunaMahalanobisoveudaljenosti. Evo tabele rezultata prethodnog postupka.
lu.r"obisou" udaljenostje udaljenostodredenogsludaiaod centroidaostalih
prome.liivih
,iuJ"i*u; cenrroidje taika koiu tvore srednievredno.stiwih
Residualg Statisticaa

otkriva svesludajeveiudnih kom-

ii"u".n"i.r. & Fidell, 2007). ova analiza Minimum Maxrmum Mean Std. Deviation N

binaciiavrednostisuetri zauisne promenlliue' rIeqto(eo vatue 239,04 317,73 276,25 1J,5/ti

Std. PredictedValue -2,741 3,056 ,000 1,000 432
(nazvanu
Doieopisanim postupkom napraviiemo novu promenljivu Standard Error of
8,344 34,955 15,220 4,870 432
mah_2) u doto,..i , pod".i-u. Su"ku osoba (subiekat)dobifa odredenu PredictedValue
Adjusted Predicted Value 2 3 3 ,6
1 316.81 276,23 13,654 43?
re-
ur"drrort te promenljive,srazmernustepenurazliditostisvojekombinacije Residual -297jA1 448,062 ,000 165.473 43?
zuftataod ostatka uzorka. Uporediiemo te Mahalanobisoveudalienostis:-r
Std. Residual -1,789 2.698 ,000 .997 432
Stud. Residual -1,805 2,711 ,000 1,001 432
odredenom kritidngm 1rrednosiu,oditanom u hi-kvadrat tabeli kritidnih Deleted Residual -302,419 452,382 ,Q12 167.023 132
vrednosti.Kada rezultatdobiienza promenliivumah-2 odredenogsubiekta Stud. Oeleled Residual -1,810 2,732 ,000 1.002 432
Mahal. Distance
premaii tu vrednost,smatramoga rletipianomtadkom' MANOVA moZeda
,090 1B , 10 1 2,993 2.793 432
Cook's Distance .000 ,025 .002 ,003 432
istrpi nekolikonetipiinih taiaka, naroiito ako njihovevrednostinisu previ5e Centered Leverage Value .000 .042 .407 .006 432
,rrornk ie razumneveliiine.Kada je netipidnihtadakapreviSe-ili
a. Dependent Varrable:id
.krir"-r,"
"
kada one imaju previSeekstremnevrednosti,uklonite te sludaieveiz Lrzorka
ili transformiSitete promenljive (videti Tabachnick6c Fidell, 2007, str' 72)'
Pri dnu ove tabele je red Mahal. Distance. Pogledajte ieli;u u koloni Ma-
ximum. Zabeleiite tu vrednost (u ovom primeru, to je 18,1). Uporediiemo
Postupakizradunavanja udaljenosti
Mahalanobisovih tai broi sa odredenom kritidnom vrednoiiu.
1. OtvoritemeniAnalyze,izaberiteu njemustavkuRegression,pa pritisnite Tu kritidnu vrednost oditavate iz hi-kvadrat tabele, pri demu je broj ste-
Linear. peni slobode jednak broju zavisnih promenljivih. Uzmite da je koeficijent
u datotecis podacimakojajedinstveno
onu promenljivu
2. Pritisnite identifikuje alfa jednak 0,001. Da bih vam olak5ala ceo postupak, navela sam kljudne
sluealeva.
svakiod ispitivanih (U ovomprimeru,to je promenljiva
lD.)Preba- vrednosti u tabeli 21 .1, z.aistraZivanja sa do deset zavisnih promenliivih.
u poljeDependent.
citetu promenljivu P r o n a d i t ek o l o n u s b r o i e m z a v i s n i h p r o m e n l i i v i h k o j i i m a t e u s v o j o j s r u -
diii (u ovom primem, to je broj 3). U susednoj 6eliji desno oiitajte kritidnu
vrednost (u ovom sluiaju, ona iznosi 16,27)'
 uvv v , Ls vvv! rjv uPq
lJvr Yr
rugf avue z , ; tvtutuvat tlqurvr rq

izradunatih
Tabela21.1:Kritidnevrednostiza vrednovanje Mahalanobisovih
udaljenosti Postupakza generisaniematricedijagramarasturanja
Kritidna Broj zavisnih Kritidna
1' otvoritemeniGraphs,izaberite u njemustavkuLegacyDiarogs,pa pritisn
Broj zavisnih Kritidna Broj zavisnih
vrednost promenljivih vrednosl promenljivih vrednosl te Scatter,/Dot.
promenljivih
20.52 26,13 2. PritisniteMatrixScatter.pritisnitedugmeDefine.
13,82
3' lzaberitesve zavisnepromenrjive (negaff,posaff,pstress)i prebacite
16,27 22,46 27,88 ih u
poljeMatrixVariables.
18,47 24,32 to 29,59
4. lzaberitepromenljivu sexi prebaciteje u poljeRows.
Izvor:izdvojeno i prilagodeno iz tabele u knjiziautorki Tabachnik& Fidell (1996); prvobitni izvor: 5' Pritisnitedugmeoptions i potvrditeporjeExcrudecases variabre
P e a r s o n ,E . S . a n d H a r l e y ,H . O . ( E d s ) ( 1 9 5 8 ) . B i o m e t r i k at a b l e s f o r s t a t i s t i c i a n s( v o l . 1 , 2 n d e d n ) . by va-
riable.
New York: Cambridge UniversityPress.
6' Pritisnitecontinue i zatimoK (odnosnodugmepaste
UporeditemaksimalnuvrednostMahalanobisovihudaljenostidobiienuu da bistekomand
snimiliu SyntaxEditor).
rezultatima(npr. 18,1)saoditanomkritiinom vrednodiu.Kada le maksimal-
Postupakgeneriseovu komandu:
na vrednostveia od kritidne,u datotecis podacimaimate multivariiacione
netipiine taike. U mom primeru,Mahalanobisovaudaljenostbaremiednog
sluiaja premaiujekritidnu vrednostod L6,27, dakle multivarijacioneneti- GRAPH
pidnetaike postoje.Koliko ih je i koliko serazlikuiuod ostalihsluiaieva,to /SCATTERPLOT(MATR
lX):tposaff tnegafftpsrress
tek treba utvrditi. Da je maksimalnavrednostMahalanobisovihudaljenosti /PANEL ROWVAR:sexROWOFCnbSS
/M lSSlNG:VARtABLEW|SE .
bila manja od kritidne vrednosti,mogla sam bezbednozakljuditi da nema
ekstremnihmultivarijacionihnetipidnihtadaka i nastaviti proveru ostalih
pretpostavki. Evo i dobijenihdijagramarasturania.
ViSeo netipidnimtadkamanajlakie demo saznatisledeii uptttstvaiz .5'
poglavljada sortiramo sludajeve(u opadaiuiem redosledu)po novoi pro-
menllivoj (MAH-2) dodatoj na dno datoteke s podacima. Nazvana ie
MAH-2 zato 5to sam ve6imala MAH-1, napravljenuu poglavljuposveic-
nom viSestrukojregresif i. U prozoru Data View,sh.riaievidebiti poredaniod c
g E
CE
nayveiegdo najmanjegiznosaMAH-2, a najveii 18,1 biie na vrhu kolone ;3# Ir
r
Fo,?
rn
MAH_2. (.f,

U naiem primeru, rezulfatsamo iedneosobeje premaiio kritiinu vred- ;.i r

nost.To je osobaiiji je ID=415,a rezultat18,10.PoStoseradi o samoiednoi -ah
osobi a ni njen rezultatnije prevelik,ostaviiu tu osobu u datotecis podaci-
ma. Da je netipidnihtaiaka bilo mnogo, trebalo bi transformisatitu grupu
=>-
promenljivih(videti 8. poglavlje)ili ukloniti te sluiajeveiz datotekes poda- ,- @E
FoG
cima. Kada se nadeteu toj situaciji,obaveznoproiitajte viSeo navedenim
mogu6nostimapre nego 5to se odluiite za jednu od niih (Thbachnick& Fi- AI
nr
'; ?
del|,2007, str.72). E3
= t-
rn
q

4. Linearnost a.!.a
Ova pretpostavka znaii da izmedu svih parova zavisnih promenliivih treba -;o

da postofi pravolinijski odnos. To se moZe oceniti na vi5e naiina, od kojih ie A

Total Tot.rl Toral
najjednostavniji nacrtati matricu dijagrama rasturanja za sve parove zavisnih positive I e{tative p e l c e i v e d
affecl dftect 3t| ess
promenlfivih, zasebno za grupe (muikarce i Zene)nezavisnepromenliive.
288 Deo V: Statistiike tehnikeza poredenjegrupa Poglavlje21: Multivallacionaanahzava

Na ovim dijagramima ne primedujem znakove oiigledne nelinearnosti, te

iu pretpostavku o linearnosti smatrati zadovolienom. Postupak obavljanjaMANOVAanalize
1. OtvoritemeniAnalyze,izaberite u njemustavkuGeneralLinearModel,pa
pritisnite
Multivariate.
5. Homogenostregresiie
2. U poljeDependentVariablesunesitesve zavisnepromenljive (npr.Total
Ova pretpostavka je vaLna samo irko nameravate da radite postepenu ana-
'lo negativeaffect,Totalpositiveaffect,Totalperceivedstress).
lizu (engl. stepdown analysis). se radi kada iz nekog teorijskog ili kon-
ceptualnog razloga rangirate zavisnepromenliive. Postupak je veorna sloZen 3. U poljeFixedFactorsunesitenezavisnu promenljivu(npr.sex).
i ne obraduje se u ovoj knjizi. Koga zanima da saznavi5e, neka pogleda knji- dugmeModel.U
4. Pritisnite polju SpecifyModel trebada je izabrano radio-
gu koji su napisle Tabachnick i Fidell (2007, str. 252). -dugmeFullfactorial.
5. Pridnu poljaSum of squarestrebada pi5eTypelll. To je podrazumevana
i singularnost
6. Multikolinearnost metodaizradunavanja zbirovakvadrata. Pritisnite
Continue.
MANOVA najboljeradi kada su zavisnepromenljiveumerenokorelirane.U 6. Pritisnite
dugmeOptions.
sludajumanjih korelacija,trebalo bi da razmisliteo sprovodenjuzasebne . U odeljkuFactorand Factor interactionspritisniteodabranunezavrsnu
univarijacioneanalizeverrijanse za svaku zavisnupromenljivu.Kada su za- promenljivu (npr.sex).Prebaciteje u poljeDisplayMeansfor:.
visnepromenljivejako korelirane,to se nazivamultikolinearnost.Do toga . U odeljkuDisplay istog prozora,potvrditepolja DescriptiveStatistics,
moZedoii kada je fednaod promenljivihkombinacijadrugih (npr. ukupni Estimatesof effect size i Homogeneitytests.
rezultirtina skali sastavljenojod podskirla,koje su takodeukljudenekao za- 7.PritisniteContinuei zatimOK (odnosnodugmePaste da bistekomandu
visnepromenljive).To bi bila singularnost,koju moZetemoi,eizbefj tako 5to snimiliu SyntaxEditor).
iete znati kakve su varn promenljivei kako se dobijaju rezultati. Postupakgeneri5eovukomandu:
Iako za pronrrlaZenjemultikolinearnosti irna vrlo sofisticiranih nadina,
najjednostavnijeje da pokreneteproceduruCorrelation i proverite jadinu GLM
korelacijezavisnihpromenljivih (videti 11. poglavlje).Razlog za brigu su tposafftnegafftpstress BY sex
korelacijeoko 0,8 ili 0,9. Kada pronadeteneku toliku korelaciju,trebalobi /METHOD: SSTYPE(3)
da uklonite jedanod jako koreliranihparovazavisnihprornenljivihili da ih / I N T E R C E P TI:N C L U D E
objediniteu zalednidkomerilo. /EMMEANS: TABLES(sex)
/PRINT: DESCRIPTIVE ETASOHOMOGENEITY
7.Homogenostmatricavariiansei kovarijanse /CRITERIA:ALPHA(,05)
Sreiom, rezultateispitivanja ove pretpostavkeMANOVA daje u sklopu /DESIGN: sex.
svog izlaza. Taj test se naziva Box's M Test of Equality of CovarianceMa-
tricesi podrobnijeje razmotrenu nastavku,u sklopu tumaienja rezultata. Prikazacemosamo deo rezultataprethodnog postupka.
DescriptiveStatistics

SprovodenjeMANOVAanalize SEX Mean Std. Deviation N

Slediopispostupkasprovodenjajednofaktorskernulfivarijacioneanalizeva- Total PosilrveAffect MALES AOq 184
riianseradi istraZivanjapolnih razlika u nademskr-rpuzavisnihpromenljivih FEMALES aa ao 7,44 248
(Toral Negative Affec, Total PositiveAffect, Total PerceivedStress).Doda- Total 33,66 7.24 432
vanjernjoi nezavisnihpromenljivih,ova tehnika se moZeproSiritina viSe- Total Negative MALES 18,71 6,90 184
faktorsku analizu. lv{ogla bi se proSiriti i tako da obuhvati remetiladke A f fe c t FEMALES 1q qA 248
7,18
prornenljive(videtianalizukovarijanserazmorrenuu 22. poglavlju). Total 19.44 7,08 432
Total perceived MALES F A1
184
stress FEMALES 27,42 6,08 248
Total
26.72 432
290 Deo V: Statistidketehnllg:e lgredenje grupa
analizavarijanse
Poglavlje21 : Multivarijaciona 291

Box's Testof Equality of Covariance Matrices a

SEX
's
M | 6,942
1,148 95% Conf idence Interval
)ependent Variable SEX
dt1 6 --TiF Mean Std. Eror Lower Bound U p p e rB o u n d
Iotal Positiveettecr
dt2
33,625 ,534 32,575 34,675
1074772
FEMALES 33,690 ,460 32,785 34,594
sig ,331
Total Negative MALES 18,707 R2t I 7,683 19,730
Tests the null hypothesisthat the obseruedcovariance matrices
FEMAI.ES 19.984 ,448 19 , 10 3 20,865
ot the dependent variables are equal across groups.
a Total perceived MALES
Design: lntercept+SEX 25,788 ,428 24,947 )A A2O
FEMALES 27.419 .369 26,695 28,144
Multivariate Test*

Panial Eta
Effect Value sdf Errordl Sio
rnrercepr Ftlafs I face . 9 8 / 1064 .625d 3.000 428.000
Wrtks'Lambda 't084
,013 ,625. 3,000 428,000 000 s87
Hotelling's Trace 1084 ,625" 3,000 428.000 .000 987
Roy's Larqest Root 75.993 I 084 6254 3.000 428.000 000 987
sex Pillai'sT ,024 3 ,000 428,000
Wrlks'Lambda
Hotelling's Trace
.976 3,5694 3.000 428.000
.014
.014
.024
.424 TumadenjerezultataMANOVAanalize
.025 3,5694 3.000 428,000
Roy's Largest Root .425 3.5694 3,000 428.000
,014
.o14
,024 Predstavljamokljudne aspekterezulrataMANOVA analize.
.024
Exactstatistic
DesigniIntercept+sex Tab eIa D e scri ptive Sfafibtrbs
Proveriteda li su tadni brojevi u ovoj tabeli, naroiito da li brojevi
Levene's Test ot Equality of ErrorVariancesa N odgo-
varaiu onome5to znateo svom uzorku. Ti brojevisu 'broj sludajeva po e!u-
F df1 d12 Siq. jama' (videti1. pretpostavku).u svakojieliji, broj sludajeva
Total PositiveAtfect 1,065 'I
430
mora biti veii od
,303 broja zavisnihpromenljivih. Kada u svakoj 6eliji imate preko 30
Total Negative sluiajeva,
Atfect 1,251 1 430 26-4 eventualnonaruiena normalnost ili jednakostvarijansi ,r"6. -rrogo nauditi.
Total perceived
2.074
stress I 430 , 15 1 TabelaBox's lesf
Teststhen u l lh y p o t h e s itsh a tt h e e r r o r v a r i a n coet t h e d e p e n d e nvt a r i a b l ei s rzlazna tabela Box's Test of Equality of covariance Matrices kazuje
equal acrossgroups. da li
a Design:
podaci.naruiavajupretpostavkuhomogenostimatricavarijansei kovarijan-
Intercept+SEX
se.Kada je vrednost sig. ueia od 0,001, pretpostavka nije n'aruiena.Tabach-
Tests ol Between-Subjects Effects
nick i Fidell (2007, str.281) uporornrrul,,ia je Boksov pokazatellM desto
prestrog kada je uzorak velik. sreiom, u naiem primeru
Pariial vrednost sig.
Soufce Deoendpnl v
Type lll Sum
Eta Boksovog pokazateljaM iznosi 0,33; dakle, t,, pr.tportuvku nismo naruiili.
ol Mean SQuare F
,444 ,UU6 uuu
lolal negahve aflec1
total perceived stress
1 7 2,348i
281.099c
172 348
281.099
3.456 064 .008 Tabelateyene's lesf
lotercept .004 ,019
totat positive affect 478633.634 478633,634 s 1 0 8 . 2 7 0 ,000 Pogledajtesadatabelu Levene'sTest of Equality of Error variances.
tolal negatrveaffect '158121,903
1 5 8 1 2910 3 3170,979 .000 u njenoj
lotat perceived slress
,881 koloni sig. potrazitebrojevemanieod 0,05. Svakitakav kazuie
sex total positrve affect
299040.358 299040,358 8874.752 ,000 .954 da ie naruie-
lotal negativ affect
,440 ,440 ,008 .927 ,000 na pretpostavka o jednakostivarijansenjegovepromenljive.u tekuiempri-
172,348 172.348 3.156 ,064 .008
total percejved slress 281.09S 281.099 8.342 .004
meru,nijednapromenljivanemaznaiajnu.tr.dntst Leveneovog pokarutel,";
Error rotatpoajliva;6;r ,019
22596,218 430 52.549 zato smemoda pretpostavimoda su varijansejednake.eto
totalnegativeaffect 21442.088 430 49,865 utirrdite krlenje
totaipercejvedstress 14489.121 pretpostavkeo jednakostivarijansi, zadajtestrozi nivo alfa
rotal rorafios,rire-tteci-
430 33.696 za izradunavanl'e
5121 0.000 432 znaiajnosti univarijacionog_F-testa te promenljive. Thbachnick
tota,negativeaffect 184870,000 432 i Fidell
totatperceivedst.ess 323305.000 432 (2007) predlaLualfa nivo od 0,025 ili 0,01, umestouobidajenog
corecled I oldt roGr poilG anect 22596,657 431
nivoa 0,05.
totat negdtive aflecL 21614.435 431
totJ,perceived stress 1477A.220 431
a R Squared = ,000
iAdjusled R Squared:,.002)
b R Squared = ,008
{Adjusted R Squared = ,006)
 Deo V: Statistidketehnikeza poredenjegrupa
Tabela M u ltiva riate lesfs
ri
Ovaj skup multivarijacionihtestovaznaiajnostikazujeda li se grupe stati-
stidkiznadajnorazlikuju po linearnojkombinacijizavisnoprornenljivih.Na
raspolaganjuvam je nekoliko pokazatelja('$filks'Lambda,Hotelling'sTra-
ce, Pillai'sTrace).Jedanod najdeS6e navodenihpokazateljaje Wilks'Lamb-
da. Tabachnick i Fidell (2007) za op5tu upotrebu preporuiuiu upravo
Vilksov lambda.Medutim, kada su vam podaciloSi(mali uzorak,nejednak
broj sluiajevapo ielijama, naruSenepretpostavke),robusniji je pokazatelj
Pillai'sTiace (poredenjenavedenihpokazateljavideti u literaturi: Tabach-
nick & Fidell.2007,str.252). Kada imatesamodvegrupe,F-testovipokaza-
telja \7ilks' Lambda, Hotelling's Trace i Pillai's Trace identidni su.
TabelaWilks'Lambda
Trai.enipokazatelj iete naii u drwgom odeliku tabele Multivariate Tests,u
redu oznadenimimenomnezavisnepromenljive(grupisanja,u ovom sludaju
SEX).Bilo bi pogreino upotrebitibrojeveiz prvogodelika,koji seodnosina
presednu taiku. ProditajtevrednostpokazateliaWilks'Lambda i niegovnivo
znadajnosti(Sig.).Kada je nivo znadajlosti manii od 0,05, onda treba
zakljuditi da postoji razhkaizmedu grupa. Ovde smo dobili iznosVilksovog
lambda od 0,976, uz znaiainost0,014. To ie manje od 0,05; dakle,postoji
statistidki znatalna razllka izmedu muikaraca i i.ena u pogledu njihovog
opiteg raspoloZenia.
Tabela Between'suby'ecfseffects
Kada dobijeteznaiajan rezult:rtprethoclnogmultivzrrijacionog testaznadaj-
nosti, tada vam je dozvoljenoda dalje istraZujetesvaku od svojih zavisnih
promenljivih.Da li se muSkarcii Zenerazlikuiu po svim zavisnimmerilima
ili rn-o po nekim?Te informacijedaie izlaznatabelaTestsof Between-Sub-
jectsEffects.Poito je ovde bilo sprovedenovi5ezasebnihanaliza,preporuiu-
je se da zadateniZi nivo alfa da biste smanjili verovatnoiu (rizik) da
napravitegreiku I vrste(tj. da rezultatproglasiteznaiajnim kada on to niie).
To senajde56e radi primenom Bonferoniievogprilagodeni:r.U svom naiied-
nosravnijemobliku, to znaii podeliti prvobitni nivo alfa (obitno 0,05) bro-
verziiete formule
iem analizakoje nameravateda sprovedete(sofisticiranije
videti u Tabachnick6c Fidell, 2007, sr.r.270).U ovor-nsludaju,istraZujemo
tri zavisnepromenljivelzato bismo0,05 podelilis:r3, 5to dajenovu vrednost
alfa od 0.017.Svoierezultateiemo smatratiznadainimsamokada je pripad-
na verovatnoiagreSkeprve vrste (Sig.)manja od 0,017.
U tabeliTestsof Between-Subiects Effects,siditedo treieg skupavredno-
sti u redu saimenomnezavisne promenljive(u ovom sluiaju, SEX).Tu su na-
vedenesve zavisnepromenliivei pripadajuii univariiacionipokazatelliF,
analizavarijanse
Poglavlje21 : Multivarijaciona
broj stepeni slobode df i verovatnoia gre5ke prve vrste Sig.. Njih tumadite
jednako kao 5to biste tumaiili obiinu jednofaktorsku analizu varijanse. U
koloni Sig. potraZite brojeve manje od 0,017 (to je naS novi, prilagoden nivo
alfa). U ovom primeru, samo je za jednu zavisnu promenljivu (Total percei-
ved stress)znadajnost manja od naie granidne (Sig. od 0,004). U ovoj studiji,
jedina znaiaina razllka izmedu muikararca i Zena bila le u subjektivno doii-
vljenom stresu.
Veliiina uticaia
VirZnost(velidina) uticaia pola na subjektivno doZivljen stres moZe se izradu-
nati pomoiu pokazatelja u poslednjoj koloni Partial Eta Squared.Parcijalno
eta kvadrat predstavlja proporciju varijanse u zavisnoj promenljivoj (ti. u
vrednostima subjektivno doZivljenog stresa)koju objainjava nezavisnapro-
m e n l j i v a ( p o l / s e x ) .U o v o m p r i m e r u , t a v r e d n o s t j e 0 , 0 1 9 , 5 t o s e , p r e m a
opiteprihvaienim kriterijumima (Cohen, 1988, str. 284-7), smatra veoma
malirn uticajem (velidina uticaja razmotrena je u uvodu u peti deo knjige). To
znadi da pol objaSnjavasamo 1,9 procenata varijanse u rezultatima merenja
subjektivno doiivljenog stresa.
Poredenje srednjih vrednosti obeleZjapo grupama
Iako znamoda semulkarci i Zenerazlikujupo subjektivnodoZivljenomstre-
su, ne znamo ko je imao veie vrednostitog obeleZja.To iemo saznatiu po-
slednjoj izlaznoj tabeli, SEX. Srednja vrednost subjektivno doZivljenog
stresaza muikarce bila je 25,79, a za i.ene27,42. Mada je ta razlika stati-
stidkiznadajn:r,ona je zapravovrlo mala, manja od 2 jedinicena skali.
Naknadne analize
U gornjem primeru, nezavisna promenljiva je imala samo dva nivoa (dakle
dve grupe: rnr-rikarci, Zene). Kada nezavisna promenljiva ima tri ili vi5e
nivoa, neophodno je naknadnim univarijacionim analizama utvrditi koje su
razlike znaiajne (da li se grupa 1 razlikuje od grupe 2, da Ii se grupa 2 razli-
kule od grupe 3 itd.). Jedan od nadina da se to uradi bila bi jednofaktorska
ANOVA zavisnih promenljivih koje su bile znadajne u analizi MANOVA
(npr. subjektivno doZivljen stres).Unutar jednofaktorske ANOVA procedu-
re (videti 18. poglavlje), treba zahtevati naknadne testove promenliive s tri
ili viSe nivoa. Kad god sprovodite viSe analiza, ne zaboravite da smanjite
nivo alfa Bonferonijevim prilagodenjem.
 Deo V: Statistidketehnikeza poredenjegrupa
PredstavlianierezultataMANOVAanalize
Rezultati multivarijacione analize variianse mogu se predstaviti ovako:
Jednofaktorskommultivarijacionom analizomvarijanseistraZenesu polne ra-
zlikeu psiholo$komraspoloienju.Upotrebljenesu tri zavisnepromenljive:po-
zitivnaosecanja,negativnaosecanja i subjektivnodoZivljenstres. Nezavisna
promenljivabio je pol. Preliminarnimispitivanjemproverenesu pretpostavkeo
normalnosti,linearnosti,univarijacionim imultivarijacionim
homogenostimatrica varijanse-kovarijanse, i multikolinearnosti;
ruSavanjepretpostavkinije primeceno.Utvrdenaje statistidkizna6ajnarazlika
izmedu mu5karaca i Zena u pogledu kombinacije zavisnih promenljivih,
F ( 9 , 4 2 8 ) : 3 , 5 7 ,P : 0 , 0 1 4 ; V i l k s o vl a m b d a : 0 , 9 8 ; p a r c i j a l neit a k v a d r a t
: 0,02. Kada su rezultatizavisnihpromenljivihrazmotrenizasebno,jedina ra-
zlikakoja je dosegla statisti6kuznadajnost(uz po Bonferonijuprilagodennivo
alfa od 0,017) bio je subjektivnodoZivljenstres,F (1, 430) : 8,34, p : 0,004,
parcijalnieta kvadral:0,02. Pregledomprosednihvrednostirezultatautvrde-
no je da su kod Zena zabelelen neznatno veci nivoi subjektivno dozivljenog
s t r e s a( M : 2 7 , 4 2 ,S D : 6 , 0 8 ) n e g o k o d m u 6 k a r a c a( M : 2 5 , 7 9 ,S D : 5 , 4 1 ) .
DodatnaveZba
Zdravstvo
Pojedinostio datotecivideti u dodatku.
Darorekas podacima:sleep3ED.sav.
1. SproveditejednofaktorskuMANOVA analizu kako biste videli da li
pbstojepolnerazlikeza svakustavkusa skalepospanostii pridruZenih
osefanja (Sleepiness and AssociatedSensationsScale).Kao zavisne
promenljive, trebaie v am fatigue (zamor), lethargy (bezuolinost),tired
(wmor),sleepy(pospanost),energy (energja).
Analizakovarijanse
i*:w
&\
netipi6nimtadkama,
ozbiljnijena-
Analiza kovarijanse (ANCovA) jeste proSirenje analize varijanse (razmo-
rrene u 18. poglavlju), koje sluiiza istrazivanja razhka izmedu grupa uz sra-
tistidko uklanjanje (kontrolu) uticaja jedne dodatne (neprekidne)
remetiladke promenljive. Na tu dodatnu promenljivu (kovarijat) sumnjate
da moZda utide na vrednosti zavisne promenljive. SPSSregresionim postup-
cirna r,rklanjavarijansu u zavisnoj promenljivoj koju prouzrokuju kovarijati,
i potom na korigovane rezultate primenjuje uobidajene tehnike analize vari-
janse.Uklanjanjem uticaja dodatnih promenljivih, ANCOVA poveiava moi
ili osetljivost F-testa, tj. poveiava verovatnoiu da 6ete otkriti razliku izmedu
grupa, ako ona postoji.
Analiza kovarijanse moZe biti upotrebljena u sklopu jednofaktorskih,
dvofaktorskih i multivarijacionih ANOVA tehnika. U ovom poglavlju, ra-
zmofreni su postupci analize kovarijanse pridruZeni sledeiim analizama
. lednofaktorska ANOVA razliditih grupa (jedna nezavisnapromenljiva,
jedna zavisna promenljiva); i
. dvofaktorska ANOVA razliiitih grupa (dve nezavisne promenljive,
jedna zavisna promenljiva).
U narednim odeljcima ukratko iu vas upoznati s pozadinom ove tehnike
i njenim osnovnirn pretpostavkarna koje treba ispitati zatim sledi nekoliko
uradenih primera. Pre neplodto pokrenete te analize, predlaZem da proditate
uvodne odeljke u ovom poglavlju i ponovo prelistate odgovarajuia pogla-
vlia u kolima je opisana ANOVA (1S. i 19.). Multivarijaciona ANCOVA
ovde ueie biti ilustrovana. Koga to zanima, predlaZem mu knjigu dije su au-
torke Tabachnick i Fidell (2007).
Cemu sluZiANCOVA
ANCOVA se moZe upotrebiti za poredenje dve grupe koje se testiraju pre i
posle (npr. poredenje uticaja dve razliiite intervencije,mereno u svakoj grupi
pre i posle intervencija). Rezultati na testu pre intervenciie tretiraiu se kao
k o v a r i j a t z a k o n r r o l r - rt,i . s t a r i s t i i k o u k l a n i a nj e p r e r h o d n o p o s t o j e c i hr a z l i k a
iz.rredugrupa. zato je ANCovA vrlo korisna kada su uzorci mali ili kada su
 Deo V: Statistidketehnikeza poredenjegrupa
uticajirazlikamali cloumereni(videtiraspravuo velidinamauticajau uvodu
Lrpeti deo knjige).U takvim okolnostima,veomauobidajenirnu druitvenim
naukama,Stevens(1996)preporuiujeda seupotrebedva ili tri paZljivooda-
brirnakovarijata (obeleZja),kako bi se smanjilavarijansagreike i poveiala
verovirtnoiaotkrivanjarznadainerazlikeizrnedugrupa' ukoliko postoji.
ANCOVA je podesnai kada subiektinisu sludajnododeljenigrupama,
vei su upotrebljenepostoieiegrupe,npr. razrediudenika.Poito se te grupe
mogu razlikovatipo viSeatributa (a ne samopo onom koji istraZujete), AN-
COVA se moZe upotrebiti da bi se smaniileneke od tih razlika. Dobro oda-
brani kovarijati smanjuju remetiladki uticai razhka izmedu grupa. To
svakakonije idealna situacija,poStonije moguie ukloniti uticaj svih mo-
gudih razlika; medutim, njime se ta sistematskagreika smanjuje.Spro-
voderrje analizekovarijansenetaknutih ili postojeiih grupa predmet ie
sporenjaautor:l r.rovoj oblasti.Kada se nadeteu toj situ:rciii,bilo bi dobro
da proditateviSeo tome. Neka od tih pitanja sumarnoje obradio Stevens
(1996, str.324-7).
lzbor prikladnihkovariiata
A N C O V A s e m o Z e u p o t r e b i t i z a i s t o v r e t r r e n uk o n t r o l u v i S e k o v a r i i a t a '
Medutim, njih treba paZljivo odabrati (videti Stevens,1996, str.320 iTa-
bachnick & Fidell, 2007, str. 203,211). Prilikom identifikacije moguiih
kovarijata, morate dobro poznavati teoriiu i prethodna istraZivanja spro-
vedena u toj oblasti. Promenljive odabrane kao kovarijati moraju biti nepre-
kidne, pouzdano izmerene (videti 9. poglavlje) i jako korelirane sa
odabranom zavisnom promenljivom. Idealno bi bilo da izaberetemali skup
kovarijata koji su medusobno umereno korelirani, tako da svaki od niih
jedinstveno doprinosi obja5njenju varijanse. Kovarijat mora biti izmeren pre
tretmana odnosno eksperimentalne obrade kako bi se spredilo da tretman
u t i i e i n a v r e d n o s r ik o v a r i j a t a .
Alternativeanalizikovarijanse
ANCOVA ima viSeogranideniai temeljnihpretpostavkizbog,kojihprojekat
istraZivanjaili podacimogu biti neprikladniza analizukovarijanse.Thbach-
nick & Fidell (2007, str.221,)i Stevens(1996, str.327) navodeviSealterna-
tiva analizi kovariianse. Bilo bi dobro da istraZite te alternative i u
konkretnim okolnostimaprocenitekoii je put najbolji.
Osnovnepretpostavkeanalizekovariianse
Pored pretpostavki uobidajenih za svaku analizu varijanse i razmotrenih u
uvodu u peti deo knjige, ANCOVA ima vi5e svojih posebnih Pretpostavki i
problernatidnih pitania. U ovom poglavlju c'etro razmatrati silmo kljudne
p.etpostauke na kojirna se zasniva ANCOVA. Tabachnick i Fidell (2007, str.
Poglavlje22: Analizakovarijanse
200) podrobno i dobro obraduju ovu renlu, ukljuduju6i i nejednake uzorkt
netipidne tadke, multikolinearnost, normalnost raspodele,homogenost vari
ianse, linearnost, homogenost regresije i pouzdanost kovarijata. (Vei ie
sam ovaj spisak statistidkog Largona dovoljan da doveka preplaii!).
Uticajtretmana na merenje kovarijata
IstraZivanje trebzr projektovati tako da se kovarijat meri pre tretmana od
nosno eksperimentalne obrade kako bi se izbegao uticaj trermana na kova
rijat. Ukoliko tretman utide na kovarijat, ta promena ie biti korelirana
promenom u zavisnoj promenljivoj. Kada ANCovA ukloni uticaj kovarija
ta, uklonide i deo uticaja rretmana i tako smanjiti verovatnoiu dobijanjr
znaiajnog rezultata.
Pouzdanostkovarijata
ANCovA pretpostavljada su kovarijati izmerenibezgreike,ito je potpun
nerealnapretpostavkau dobrom delu druStvenihistraZivania.Samo de
obelezjaiiji uticaj trebaukloniri, recimosrarostispitanika,mogu seizmeri
prilidno pouzdano;osrala obeleLja(ona koja se mere pomoiu skala)ne za
dovoljavaju tu pretpostavku.Pouzdanostalatkt za merenjemoze se oo
boliSatina nekolikonadina:
' Potrazitedobre i dobro validiraneskalei upitnike.Proveriteda li mer
ono 5to vi mislite da mere (nije dovoljno proditati samo naziv skale-
proditajtei prateii prirudnik,pregledajtesvestavke)i da li su prikladn
za val uzorak.
Proverite unutralnju saglasnost (to je jedna vrsra pouzdanosti) skale
tako 5to iete izrac'unati njen Kronbahov pokazatelj alfa (videti 9
poglavlje). Alfa treba dtr je iznad 0,7 (bilo bi poZeljno iznad 0,8) da b
se skala mogla smatrati pouzdanom.
Ako ste sami morali da piSetepitanja, ona treba da sr-rjasna, prikladn:
i jednoznadna. Pitanja i skale odgovora treba da su prikladni za sue
grupe. Pre sprovodenja glavnog istraZivan ja, obavezno ispitajte svoje
pitanja pomoiu probnog (pilot) testa.
Ukoliko upotrebljavate bilo koju vrstu opreme ili merne instrumenta'
ciie, obavezno proverite radi li ispravno i da li je propisno kalibrisana
Proverite da li je osoba koja n-rkujerom opremom ovla5iena i obudena
da je upotrebljava.
Ako u istraZivanju udetvuju i drugi ljudi kao opservarori ili ocenjivad
ponaSanja, proverite da li su obuieni i da li svi primenjuju iste krite-
rijume. Medusobnu usaglaienost ocenjivada proverite probnim (pilot]
testiranjem pre nego 5to predete na glavno istraZivanie.
 Poglavlje 22: Analizakovarijanse
298 Deo V: Statistieketehnikeza poredenjegrupa

Objainjenjeprimera
Medukorelacijekovarijata Za prlkazivanje jednofaktorske analize kovarijanse upotrebi6u datoteku s
med'sobno kore-
OU"1.Z;"odabrana,r. ko,n"rilntenc bi trebalo da su iako podacima experim3ED.sav, dostupnu na prateioj Veb lokarcijiknjige (videti
jako koreliraju sa zavisnom promenljivom, ali ne i
lirurru.id."lrro bi bilo 4a
kovarijata,oslonite se na postoieiu str. xi). To su podaci iz fiktivne studiie o ispitivaniu uticaja dve razliiite in-
-"dl.rrobrro.Prilikom izboraprikladnih preliminarnimanaliz-ama kore- tervencije koje studentima pomaiu da se izbore sa svojom anksioznoSiu po-
i."rr;" i prethodnaistrazivaniau toj oblasti.
izmedu predloZeni6 kovari- vodom predstojeieg kr-rrsaiz st:rtistike. (Sve poiedinosti studiie videti u
i".,illrri"ii 11. poglavlle)isiraZiteiaiinu veze
kou"rijati koje sre nameravalida upotrebiteiako dodatku.) Podeljeni u dve jednake grupe, studenti su odgovorili na nekoliko
i^,"'. ef." urvrdite iu ,,,i jedan ili viSenjih (videti Ste- pitanja, pri demu je jedna skala merila njihov strah od statistike. Potom je
-"drrrobno korelirani (npr' r=0,80), uklonite
ledna grupa pohadala kurs matematidkih veStina, a druga je udestvovala u
vens,1.996,str.320).Svaklododabranihkovarijatatrebadadasvojsa-
ne doprlnosl smanlenlu programu izgradnie samopouzdanja. Nakon tih intervencija, svi su ponovo
mostalan doprinos; preklapanje medu nltma
odgovarali na ista pitanja koja sr-rdobili pre programa. Spomenuta datoteka
variiansegreike.
sa izmiSljenim podacima dostupna je na'Web lokaciji ove knjige. Ako Zelite
da pratite doleopisane postupke, pokrenite SPSS i otvorite datoteku
Linearnavezazavisnepromenliivei kovariiata experim3ED.sav.
promenljive i svakog ko-
ANCOVA pretpostavlja da ie veza izmedu zavisne U ovom primeru istraZujemo uticaj kursa matematidkih veStina(grupa 1)
Isto vaLi i za sve parove kovarijata, koliko
varijara linearna (pravolinijska). i kursar izgradnje samopouzdanja (grupa 2) na rezultate udesnika u ispiti-
pretpostavke obiino_ smaniuje mo6
gocl da ih ima. NaruSavanie ove vanju straha od statistike, pri iemu uklanjamo uticaj rezultata dobijenih na
za ukliuiivanje kovariiata
iosetliivost) resta. Ne zaboravite,jedan od razloga tom testu pre pohadanja kurseva. Sledepojedinosti o imenima upotrebljenih
bilo je pove6anje moii analize variianse' promenljivih i njihovi opisi u datoteci s podacima:
ali
Linearnost se moze proveravati vizuelno na diiagramima rastlrranja, Ime datoteke: experim3ED.sav
pro-
se to mora r-rrzrditirur.btto za svaku grupu (ti' svaki nivo nezavisne Promenliive:
trans-
menljive).Ukoliko otkriiete krivolirriisku vezu, to se moZe popraviti
(videti B. poglavlje) ili njegovim izbacivanjem iz . Vrsta poduke (grupa) 1=Matematidke veitine,2=Izgradnja samopouz-
formacijom rog kovarijata
analize izbaiiti lode kovarii are, zato 5to ie transfor- danja
u.r"lir..'e.sto ie lakSe iz
misane prornenljive teiko protumaiiti. . Rezultati na testu kojim se ispituje strah <ldstatistike, popun;'avanom u
trenutku 1 (Fost1): ukupni rezultati na istom testu popunjavanom pre
intervencije. Rezultati poprimaju vrednosti u opsegu od 20 do 60. Veie
Homogenostnagibaregresiie
ovo impresivnozvuii, aznati samoto dabiveza izmedukovarijataLzavY vrednosti pokazuju ve6i strah od statistike.
,n. pro-"tliive trebalo da bude iednakaza svegrupe' Na diiagramuregre-
o Rezultati na testu kojim se ispituje strah od statistike, popunjavanom u
sile to ,. ui.ii kao jednakosr nagiba regresionelinije "a svaku grupu. trenutku 2 (Fost2): ukupni rezultati na istom testu popunjavanom ne-
Nieiednakinagibi kazuiu da postoii interakciiaizmedutog kovariiatai tret- p o s r e d n op o s l e i n r e r v e n c i j e .
mana.Ako interakcijapostoji, onda rezultatianalizekovarijansezavatava- o Rezultati na testu kojim se ispituje strah od statistike popunjavanom u
ju, pa nju uop5tene bi tiebalo sprovoditi(videtiStevens'1996, stt'323,331; trenutku 3 (Fost3): ukupni rezultati na istom resru, popunjavanom 3
Tabachnickgc pld.ll, 2007, sir.202). Postupakprovereove pretpostavke n ) e s e c ap o s l e i n r e r v e n c i j e .
dat je u primerimau nastervku poglavlia.
Kratakpregledjednofaktorskeanalizekovarijanse
Primer istraiivaikog pitanja: Postoji li znataina razllka u rezultarima ispiti-
JednofaktorskaANCOVA vanja straha od statistike grupe koja je pohadala kurs matematiikih veitina
U ovom odeljku, proii iemo korak po korak kroz postupak jednofaktorske
(grupa 1) i grupe sa kursa izgradnje samopouzdzrnja(grupa 2), kada se uklo-
analize kovarijanie. Jednofaktorrka nNCOVA obuhvata jednu nezavisnu,
ni uticaj nlihovih poietnih odgovor:r na istom testr.r?
kategorijsku prornenljivu (sa dva ili viSe nivoa ili uslova), iednu zavisnu ne-
prekidnu promenljivu i jedan ili viSeneprekidnih kovariiata. Ova tehnika se
3"r,o .rporrebljava za vrednovanje uticaja intervenciie ili eksperimentalne
obrade, rato jto uklanja uticaj rezultata ispitivanja dobiienih pre intervencije'
 I
300 Deo V: Statistidke tehnike za poredenje grupa
$l
I
Starramtreba:Najmanietri promenliive:
o jednakategorijskanezavisnapromenliivasa dva ili visenivoa (grupa1/
I Pretpostavka 2: pouzdanost kovarijata
grupa2);
o jedna neprekidnazavisnapromenljiva (rezultati udesnikapri ispiti-
vanju strahaod statistikemereniu trenutku 2);
r jedanili viSeneprekidnihkovariiata (rezultatiuiesnika pri ispitivanju
strahaod staristikemereniu trenutku 1).
Sta sepostiie: ANCOVA kazuieda li serezultatiispitivanjadve g1-rpena
strah od statistikesprovedenomu trenutku 2 znatajno razlikuiu nakon
uklanjanjauticajarezultata(odgovora)studenatana testusprovedenompre
intervencija(kursevaobuke).
Pretpostavke:Sve uobidajenepfetpostavkejednofaktorskeanalizevari-
janse(videtiuvod u peti deo kniige).Niih trebaprve proveriti.Dodatnepret-
posravke analizekovarijanse(videti niihov opis dat u prethodnom delu
poglavlja):
1. kovarilat semeri pre intervencijeodnosnoeksperimentalne obrade;
pouzdano koliko je to
2. kovarijat se meri bez grejke (ili baremonoliko
uopite moguie);
3. kovariiati nisu iako medusobnokorelirani;
4. izmeduzavisnepromenljivei kovarijatapostoji linearanodnos za sve
grupe (linearnost);
5. odnos izmedu kovariiatai zavisnepromenljivejednak je za svegrupe
(homogenostnagibaregresionelinije).
Neparametarskaalternativa:Ne postoji-
Proverapretpostavki
Pre nego 5to podnete proveru posebnih pretpostavki na kojima se temelji
ANCOVA, morate proveriti zadovoljenost pretpostavki na kojima se zasni-
va obidna jednofaktorska analiza varijanse (normalnost raspodele, homo-
genost varijanse). Pre nego (to nastavite sa ovim poglavliem, trebalo bi da
proditate uvod u peti deo knjige i 18. poglavlle. Tu gradu ovde neiu pona-
iliati; tat otriiemo samo dodatne pretpostavke analize kovariianse' nave-
dene u kratkom pregledu.
Pretpostavka 1: merenie kovariiata
Ova pretpostavka nalaLeda se kovariiat izmeri pre poietka_tretmana odno-
sno eksperirnentalneobrade. Zadovoljenost ove pretpostavke ne proverava
se statistidki, nego tako morate projektovati istraZivanje i sve istraZivadke
postupke. Eto zaStoie vaZno planirati studiju tek onda kada dobro upoznate
rtatistiik. tehnike koie nameravate da upotrebite'
Poglavlje 22'. Analizakovarijanse 301
I ova pretpostavka nameie odgov:rrajuii naiin projektovania istraZivanja,a
znati da treba izabrati najpouzdanije dostupne merne alatke. Ako u istraZi-
vanju nameravate da koristite neko psihometrijsko merilo ili skalu, proveri-
te njenu unutraSnju saglasnosr (medusobnu saglasnost stavki koje ie
sadinjavaju) izraiunavan;'em Kronbahovog pokazatelja alfa (pomoiu SPSS
-ove procedure Reliability, videti 9. poglavlje). Poito sam podatke za ilustra-
ciju ove tehnike izmislila, ne mogu da proverim pouzdanost ispitivanja
srraha od statistike. Da su to stvarni podaci, proverila bih da li je Kronbahov
a l f a b a r e m 0 , 7 0 ( b i l o b i p o Z e l j n od a j e 0 , 8 0 ) .
Pretpostavka 3: korelacije izmedu kovarijata
Kada upotrebljavateviSekovarijata,proveriteda nisu prejako medusobno
korelirani (r=0,8 i viSe). Tome sluZi SPSS-ovaprocedura Correlarion,
podrobno opisanau 11. poglavlfu.PoStoja imam samo jedan kovariiat, u
ovom primeru to ne moram da radim.
Pretpostavka 4: li nearnost
Pretpostavkao linearnomodnosuizmeduzavisnepromenljivei kovarijata,
za svegrupe, moZe se proveriti na viSenadina.U sledeiempostupku po-
kaza6uvam iedanbrz nadin.
Postupakza proverulinearnostiza sve grupe
Da bistepratiliovajprimer,otvoritedatotekus podacimaexperim3ED.sav.
Prvi korak
1. OtvoritemeniGraphs,izaberite u njemustavkuLegacyDialogs,pa pritisni
te Scatter/Dot.
2. PritisniteopcijuSimple Scatter.PritisnitedugmeDefine.
3. U poljeY axis stavitezavisnupromenljivu (uovomsludaju, strahod statistike
izmerenu trenutku2, fost2).
4. U poljeX axis stavitekovarijat(npr.strahod statistikeizmerenu trenutku1,
fostl).
5. Pritrsnitenezavisnupromenljivu (npr.grupa/group) i staviteje u poljeSet
Markers by.
6. PritisniteOK (odnosnodugmePaste da biste komandusnimiliu Syntax
Editor).
Postupakgeneri5eovukomandu:
GRAPH
WITH fost2 BY group
/SCATTERPLOT(BIVAR):fost1
/MISSING:LISTWISE
 uE(, v . urdl.ttiLtuKE tct tl llAe zd PUI Eucl uu vl uPd Poglavlje2?: rT9r"1I9y_!9!:9

Drugi korak naru5ena. Kada otkriiete krivolinijski odnos, uzmite neki drugi kovarijat ili
1. Kada je dijagram rasturanjanacrtan i prikazan u prvom planu, dvaput ga pri- pokuiajte da transformiSerepostojeci (videti 8. poglavlje), pa ponovo nacr-
tisniteda biste otvoriliprozorChart Editor. trrjte dijagram rasturanja i proverite da li 1epoboljian.
2. Otvoritemeni Elements i u njemu izaberiteAdd Fit line at Subgroups. Na
dilagramuce se prikazatilinijekoje najboljeodgovarajupodacimasvakeod Pretpostavka5: homogenostregresionihnagiba
grupa.Ja sam ih na donjoj slici izmenilada bi bile jasnije (linijujedne grupe Poslednja pretpostavka (homogenost regresionih nagiba) odnosi se na vezu
nacrtalasam isprekidano),a izmenilasam i markere(videtiuputstvaza mo- izmedu kovarijata i zavisne promenljive u svim grupama. Proveravate da
difikovanjedijagramau 7. poglavlju). nema interakcije izmedu kovarijata i tretmana odnosno eksperimentalne
3. Otvoritemeni File i u njemu izaberiteClose. o['rrade. Zadovoljenost ove pretpostavke moZe se proveriti na viSe nadina.
Vizuelno, moie se pogledati dijagram rasturanja zavisne promenljive u
Evo kako izgledamojdijagram rasturanja.
ftrnkciji kovarijata, nacrtan prilikom ispitivanja pretposravke 4 (videti gore).
type of class
Imaju li te dve linije (koje u ovoj studiji odgovaraju dvema grupama) slidne
maths skills
nagibe? U gornjem primeru linije su vrlo slidne, pa izgleda da ova prerpo-
O
conlidence stavka nije naruiena. Da su linije bile primetno razlidito usmerene,zakliuiili
A
DUrlolng bismo da postoji interakcija izmedu kovarijata i tretmana (kao 5to se vidi po
razlici medrr grupama). To bi znadilo da je ova pretpostavka naruiena.
AO Ova pretpostavka se moZe proveriti i statistidki umesto grafidki. To znadi
da bismo izradunali interakciju tretmana i kovarijata i njenu statistidku
/a
aa
a znatajnost. Kada je interakcija znaiajna na nivou alfa od 0,05, pretpostavka
a je naru5ena. Sada iemo izraiunati tu interakciju.
ol
o
40 o ao " ,/' A
.E
a/t o
o
(E a6 Postupakproverehomogenostiregresionihnagiba
a
o ao 1. OtvoritemeniAnalyze,izaberite u njemustavkuGeneralLinearModel,pa
o pritisniteUnivariate.
(E 3 5 {:' 2. U poljeDependentVariablesprebacitezavisnupromenljivu (npr.strahod
o,
a statistikeizmerenu trenutku2, skracenofost2).
a
3. U poljeFixedFactorprebacitenezavisnu grupisanja
tj. promenljivu (npr.vr-
stu poduke,skracenogroup).
f,,
R Sq Linear= 0.766 4. U poljeCovariateprebacitekovarijat (npr.strahod statistike izmerenu tre-
aL
ao R Sq Linear= 0,725
nutku1, skraceno fostl).
5. PritisnitedugmeModel.Pritisnite opcijuCustom.
6. U poljuBuild Termstrebada je izabrana opci.ialnteraction.
7.Pritisnitenezavisnu promenljivu (group)i zatimje pritiskomna dugmesa
strelicomprebaciteu poljeModel.
35 40 45 50
8. Pritisnitekovarijat(fost.l)i zatimga pritiskomna dugmesa strelicompreba-
fear of stats timel
cite u poljeModel.
9. Ponovopritisnitenezavisnu promenljivu (group)na levojstrani(u odellku
Kako vam izgleda rirspodela rezultata svake grupe? Da li vam odnos iz- Factorsand Covariates).Kadaje ta promenljiva izabrana,pritisnitei zadrLi-
medu zavisne promenljive i kovarijata, u svakoj grupi, lidi na linearan (pra- te tasterCtrl na tastaturi,
i zatimpritisnitekovarijat(fost1).Pritiskom na dug-
volinijski)? Najgore bi bilo da se pokaZe jasar-rkrivolinijski odnos. U me sa strelicomprebacitega u poljeModelna desnojstrani.
gornjem primeru odnos je jasno linearan, pa pretposfavka linearnosti nije
304 Deo V: Statistidketehnikeza poredenjegrupa
Poglavlje22: Analizakovarijanse 305

10.Sada bi u polju Model trebalo da pise ime nezavisnepromenljive(group);

ime kovarijata(Fost1); ijos jedan red u obliku: kovarijat* nezavisnapro- Postupakza jednofaktorsku analizukovarijanse
menljiva(group*fost1). 1. OtvoritemeniAnalyze,izaberite u njemustavkuGeneralLinearModel,pa
11. To poslednjeje interakcijakoju proveravamo. pritisniteUnivariate.
12. Pritisnitecontinue i zatim oK (odnosno dugme Paste da biste komandu 2. U poljeDependentvariabtesstavitezavisnupromenljivu (npr.strahod sta-
snimiliu Syntax Editod. tistikeizmerenu trenutku2, skracenofost2).
PostupakgeneriSeovu komandu: 3. U poljeFixedFactorstavitenezavisnu promenljivutj. promenljivu
grupisanja
(npr.vrstapoduke,skracenogroup).
UNIANOVAfost2 BY group WITH fost'l 4. U poljeCovariatestaviteodabranikovarijat(npr.strahod statistikeizmeren
/METHOD: SSTYPE(3) u trenutku1, skracenofost'l).
: INCLUDE/CRITERIA
/INTERCEPT : ALPHA(,O5) 5. PritisnitedugmelModel. U oderjkuspecify Modelpritisnite opcijuFuil Fac_
:
/DESIGN groupfostl fostl*group. torial.PritisniteContinue.
6. PritisnitedugmeOptions.
Evoi rezultata
tog postupka. 7.Pri vrhu,u odeljkuEstimatedMarginarMeans pritisnitenezavisnu pro-
menljivu(group).
Testsof Between-Subjects Effects 8. Pritiskom na strelicuprebacite
je u poljeDisplayMeansfor.Takostezadali
nt Variable: fear ol statstimez da se izradunasrednjavrednostzavisnepromenljive u svakojgrupi,uz
TypelllSum uklanjanjeuticajakovarijata.
Source of Squares Mean Square sis
df F
9. u donjemdeluokviraza dijalogoptions izaberite opcijeDescriptivestati-
Corrected Model 577,689 3 192,563 26,102 ,000
lntercept
stics, Estimatesof effect size i Homogeneitytests.
3,877 1 3,477 ,525 ,475
GROUP ,846 1 ,846 , 11 5 ,738
10. Pritisnitecontinue i zatimoK (odnosnodugmepaste da bistekomandu
FOSTl 538,706 '1
538,706 73,022 ,000 snimiliu SyntaxEditor).
GBOUP- Postupakgeneri5eovu komandu;
,409 1 ,409 ,055 , 8 16
FOSTl
Erol 1 9 ' 1 , 811 26 7,377
Iotal
UNIANOVA
42957,000 30
lorrected Total 769,500 n fost2 BY group WITH fostl
a R s q u a r e d= , 7 5 1( A d j u s t e d
R s q u a r e d= , 7 2 2 )
/METHOD: SSTYPE(3)
/ I N T E R C E P T I: N C L U D E
/EMM EANS: TRBLES(group) :M EAN)
W|TH(fost1
U gornjoj izlaznoj tabeli, zanima nas samo znadajnost interakcije, tj. red
/PRINT: DESCRIPTIVE ETASOHOMOGENETTY
Group*Fost1. Ostale rezultate slobodno zanemarite. Kada je pripadni broj
/CRITERIA:ALPHA(,Ob)
u koloni Sig. manji od ili jednak 0,05, interakcija je statistiiki znatajna, a
pretpostavka narulena. Naravno, to u ovoj situaciji ne l.elimo. Odgovarala / D E S I G N : f o s t l g r o u p.
bi nam verovatnoia ueia od 0,05. U gornjem primeru, Sig. (tj. verovatnoia)
iznosi 0,816, 5to je mnogo iznad graniine vrednosti 0,05. Pretpostavka o
homogenosti regresionih nagiba nije naruiena. To podrLava nad raniji
zakljudak, dobijen pregledom dijagrama rasturanja za svaku grupu.
Po5to smo time zavriili proveru pretpostavki, nastavljamo analizu kova-
rijanse u istraZivanju razlika izmedu grupa.
 Deo V: Statrstidketehnlkeza poreoen1egrupa P o g l a v l l e 2 2 :r y /
306 ,l&
s
U nastavkusu rezultatitog postupka'
Tumadenierezultatajednofaktorskeanalize kovarijanse
ANCOVA daje mnogo rezulrara, pa iemo ih tumaditi korak po korak.
UnivariateAnalYsisof Variance r Proverite da li su pojedinosti u tabeli Descriptive Statisticstadne.
Btween"Subjects Factors . U tabeli Levene'sTest of Equality of Error Variances proverite da li
ie
Vaiue Label N
5
naruiena pretpostavka o jednakosti varijanse. Trebala bi nam verovat-
type of 1 maths skills
class 2 contrdence 15 no6a Sig. veiar od 0,05. Kada je tir vrednost manja od 0,05 (stoga i
hilildrnn
znadajna), to znadi da varijanse nisu jedn:rke i da je pretpostavka
DescriPtiveStatistics narulena. U ovom sludaju pretpostavka nije naruiena, zato 5to Sig. iz-
Varlable(earof slals llme2
DeDendenl n o s i 0 , 7 1 , 5 t o j e m n o g o v i S eo d g r a n i i n i h 0 , 0 5 .
tvoc of class Moan Std Dcvration N
15
Glavni rezultati analizekovarijansedati su u tabeli Test of Between-
malnsskrlls Jt,o, 4.515
2 confidencebuilding 37.33 5,876 15 SubjectsEffects.IstraZujemoda li segrupeznadajnorazlikuju po vred-
30
Total 37,50 5,151
nosti zavisneprornenljive(npr.strahaod statistikeizmerenogu trenut-
ku 2). Pronadite red sa imenom nezavisnepromenljive (group) i
Levene'sTeEt of Equalityof Error variancesa
proditajtebroj u odgovarajuioj6elijikolone Sig.Ako je broj u toj ieliii
DependenlVaIIablerfear oi siatstrme2
manji od 0,05 (odnosnood zadatognivoa verovatnodealfa), grupese
razlikuju znadajno.U ovom primeru,ta verovatnoiaiznosi0,39, 5toje
dependentvanableis equatacrossgroups
ffi
a Design:Intercept+fost1{grouP
viSeod 0,05; dakle,nai rezultatnife znaiajan.Kada seukloni uticaj re-
zultata ispitivanjastrahaod statistikeobavljenogpre intervenciie,ne
Tests ot Between-Subjects Elfects postoji znaiajna razllka u rezultatima osoba u grupi koja je udila ma-
DependentVarrable.fcaf oi stalstime2 tematiakevedtinei osoba iz grupe za izgradnju samopouzdanja.
Trebalobi razmotritii veliiinu uticaja,koju pokazujeparcijalnietakva-
,750
,018
drat (Partial Eta Squared;objainjenje velidineuticaja videti u uvodu u
,750 peri deo knjige).U ovom sludaju,ta vrednostiznosi samo0,027 (Stoje,
.027
prema Koenovim smernicamaiz 1988, mali uticaj). Taj broj kazujei
koji deo varijanseu zavisnojpromenljivoj objadnjavanezavisnapro-
R Squarcd= ,732)
menljiva.MnoZenjemsa 100 pretvoritetaj parcijalnietakvadratu pro-
iRTo**o -zso (Adiuslcd
centualnuvrednost(pomeritedecimalniz rezza dva mestaudesno).U
EstimatedMarginal Means ovom primeru,uspelismo da objasnimosamo2,7 procenatavarijanse.
type of class
U prikazanojtabelimoZeseoditatijo5 i uticaj kovarijata.Pronaditered
OocndentVariablc fcar of stats timc2
sa imenom kovarijata(npr.strah od statistikeizmerenu trenufku 1, ti.
idelce I ltsval,
95a",C,onf FOSTl)i proditajtebrol u odgovarajuiojielili kolone Sig.On kazuje
ower Bound I UooerEound
of class Mean Sld. Eror
36.512
da li postoji znaiajna veza izmedu kovarijata i zavisnepromenliive,
1 mathsskrlls 37,926" b9u
2 confidencebuildinq 37.0744 690 35,659 38 4BB kada se ukloni uticaj nezavisnepromenljive (group). U redu Fostl
,Lio||ow|ngVa|UeS'learo'stalstime1=40,17 (na5egkovarijata),verovatnoia Sig. iznosi 0,000 (ito zapravoznadr
manjeod 0,0005).To je manjeod 0,05, pa je nai kovarijat znata1an.U
stvari, on je objasnio75 procenatavarijanseu zzrvisnojpromenljivoj
(parcijalnieta kvadrat od 0,75 pomnoZensa 100).
U poslednjojtabeli rezultata (Estimatedmarginal means)ANCOVA
dajekorigovanesrednjevrednostizavisnepromenljiveza svakugrupu.
'Korigovane'znaii da je
uticaj kovarijatastatistidkiuklonjen.
 Deo V: Statistidketehnikeza poredenje
grupa Poslavljez?.4191i'g rgY:ltgl-

Primer koji 6e ovde biti predstavljen proiirenje je onoga datog u prethod-

nie rezultata iednofaktorskeanaIize
Predstavlja nom odeljku o jednofakrorskoj analizi kovarijanse. Tamo sam istraZivala
kovariianse mogli biste predstaviti ovako: koja intervencija (poduka u matematickim ve5tinama ili izgradnia samo-
kovariianse
Rezultate jednofaktorske analize pouzdanja) delotvornije smanjuje strah studenata od statistike. Utvrdila sam
da izmedu tih grupa nema znadajne razlike.
uporedenaje delotvornostdvaju inter-
Jednofaktorskomanalizomkovarijanse Recimo da sam prilikom daljeg prouiavanja literature u toj oblasti naiSla
vv Eel nl u cl l qi j aI nr q raI m
r v r er Jn
v 'j e n i h " ' u n l i u u n l u s t r a h a i s p i tra^ -n- +i ikXal zoi md s trar oti il isn teimkae . Nodnosno
r" I v' "-
ezavisnapro- na istraZivanja iz kojih sledi da postoji razlika u reagovanju muSkaraca i
(podukau matematidkimve5tinama'o a l n o s n o
r"ntliuu je bilavrsta intervencije Lena na razne intervencije. Ponekad se u literaturi ta dodatna promenljiva
rezultatiispitivanjastrahaod stati-
i.;;;i"j; samopouzdanja),a zav'rsnudine (npr. pol) naziva moderatorom) zato 5to moderira (modifikuje) uticaj druge
stikeobav|jenognakonzavr5etkaintervencija'Kaokovarijatuana|iziupotre- nezavisne promenljive. Moderatorske promenljive su iesto promenljive in-
pre intervencija.
Lii""i rezulta'tiispitivanjastrahaod statistikesprovedenog
"" o nor- dividualne razliiitosti, obeleZja individua koja utidu na njihov odgovor na
Preliminarntm proveramaje utvrdenoda nisu naru5enepretpostavke
homogenosti regresionih nagibai eksperimentalnu obradu ili uslov tretmana.
malnosti,linearnosti,no*og"no"ti varijansi' Kada jednofaktorska ANCOVA dA neznadajan rezultat, trebalo bi raz-
uklanjanja uticaja rezultata
kovar[ata. Nakon statistidkog
fouraano"ti merenja je motriti moguie moderatorske promenljive. IstraZivanja postaju veoma za-
ispitivanja straha od statistke obavljenogpre intervencija'utvrdeno da
nimljiva kada istraZivad naleti na (ili sistematski istraZuje) moderatorske
n e m a z n a d a j n e r a z | i k e i z m e d u t e d v e g r u p e u r e z u | t a t i m a i s p i t i v aparcijalni
njastrahaod
f ( '27):0'76' p: o'39' promenljive koje doprinose objainjavanju zaito neki istraZivadidobijaju sta-
statistikesprovedenogfoste inte'veniiit'
jaka veza izmedu rezultata ispitivanjastraha tistidki znaiajne rezultate, a drugi ne. U sopstvenom istraZivanju uvek uz-
eta kvadrai : 0,03. Utvrdena je
sto pokazujeparcijalnieta mite u obzir faktore kao 5to su pol i starost, zato 5to oni mogu znatno da
oJ statistikesprovedenogpre i postu intervencija,
utidu na rezukate. Studije sprovedene na uzorku mladih studenata univerzi-
kvadratod 0,75,
teta desto nije moguie uopdtiti tako da vaLe za Sire (i starije) uzorke popula-
cije. IstraZivanja sprovedena na uzorku muikaraca katkada daju sasvim
U p r i k a z r e z u l t a t a o v e a n a l i z e t r e b a l o b i u k l j u d i t i i t a b e l u s2)a isko-
rednjim drugadije rezultate kada se ponove na uzorku Zena. Pouka je da prilikom
promenliiva(trenutak
vrednostimarezultatag,,,pu' Ako su zavisna projektovanja istraZivanja treba razmotriti mogu6e moderatorske promen-
bi navestisrednjevrednosti
varijat (trenutak1) -;;;;i ;" istoi skali,trebalo ljive i, gde je prikladno, ukljuditi ih u studiju.
proceduraDescriptives(videti
u trenutku 1 i trenutku 2. Niih 6e izradunati
6. poglavlie).
Ukoliko ie kovariiat meren na drugaiiioi.1kal.i'
naveditenekorigovanu ObiaSnjenjeprimera
i korigovanu.sredniu vrednost U dolenavedenom primeru koristim iste podatke kao u prethodnom odeljku,
srednjuvrednost1i ,i",td"'d"o od'tt'p-n"je) prodi-
srednju vrednost ali uz jednu dodatnu nezavisnu promenljivu (pol/gender: 1-muikarcilmale,
(i standardnooarrupu,,i;i";t grupe'Nekorigovanu-
srednju vrednost (iz koie ie 2=ienelfemale). Tako dobijam priliku da prodirim analizu i saznam da li pol
i"lr" ., ,"U"fi DescriptiveStatiJics.Korigovanu
.t tnb.ii Estimated Marginal kao moderatorska promenljiva utiie na delotvornost ta dva programa. Za-
uticaj kovaril"ta stutistiiki uklonien) proditajte nima me da li postoji znatajan uticaj interakcije izmedu pola udesnika i vrste
gilo ti dobro da navedete i bioj sluiajeva u svakojgrupi'
Means. intervencije. MoZda muSkarci imaju viSekoristi od poduke u matematidkim
veStinama, a i.ene od program a izgradnje samopouzdanja.
DvofaktorskaANCOVA kroz postupakdvofaktorske
Upozorenje: uzorak upotrebljen za ilustraciju ovog primera zaista ;'evrlo
mali, narodito kada se podeli na kategorije nezavisnih promenljivih (pol
U ovom odeljku, proii 6emo korak po korak
udesnikai vrsta intervencije).Ukoliko ovu tehniku upotrebljavate u sopstve-
ana|izekovarijanse.Duofukto,skaANCoVAobuhvatadvenezavisne'kate- ne-
(sa po dva.ili.viSenivoa ili uslova),iednu zavrsnu nom istraZivanju, uloZite ozbiljan napor da dobijete sveukupno mnogo veiu
;;rrou. promenljive kovarijata. Pre nego Sto
i iedan ili viSe.neprekidnih datoteku s podacima, sa znadajnim brojem sludajevau svakoj kategoriji sva-
;;;l,d",ipromenljivu, standardnu dvo-
nastavitesa ovim ot&;i;;,it"unr" bi ia dobro prouiite ke nezavisnepromenljive.
i njene pretpostavke. Proditaiteto u 19' pogla- Ako Zelite da pratite opisane postupke, pokrenite SPSSi otvorite datote-
faktorsku analizuvariianse
ku experim3ED.sav, dostupnu na prateioi \Web lokaciji knjige.
vliu knjige.
310 Deo V: Statistidketehnikeza poreden.iegrupa Poslavljezz.4lulggr9y",ll9!!9 311

dugmeModel.U odeljkuSpecifyModelpritisnite
5. Pritisnite opcijuFull Fac-
Kratak pregled dvofaktorske analize kovarijanse torial.Pritisnite
Continue.
Primer istraiivadkogpitania:Da li pol utiie na delotvornostdva programa
namenjena,rnu.rj",rju straha ispitanika od statistike?Ima li tazlike u rezul- 6. PritisnitedugmeOptions.
. Pri vrhu,u odeljkuEstimatedMarginalMeans pritisnitedve odabrane
tatin-raispitivanjastrahaod statistikemuikaraca iLena,dobijenimposlein-
nezavisne promenljive (npr.pol/sex,grupa/group).
tervencije(tj. pohadanjaprograma obuke), po tome kako su reagovalina Pritiskomna strelicu
program izgradniesamopouzdanja? prebaciteih u poljeDisplaymeansfor.
'programuienja matematiikih veitina i . Pritisnite (npr.group*sex).
fi" vam treba:Naimanlecetiri promenliive: dodatnidlaninterakcije Prebacite ga u to polje.
Takoste zadalida se izradunasrednjavrednostzavisnepromenrjive u sva-
o dve kategorijskenezavisne prornenljivesapo dva ili viSenivoa (pol: Ir4/
koj grupi,iz kojeje uklonjenuticajtog kovarijata
2; grupa,matematiikeveltine/izgradniasamopouzdania); . U donjem delu okviraza dijalog Options izaberiteopcije Descriptive
. jednaneprekidnazavisnapromenljiva(rezultatiudesnikana testuko- statistics, Estimates of etfect size i Homogeneity tests. pritisnite
ji- r. ispitujestrah od statistike,mereniu trenutku 2); Continue.
. jedanili viSeneprekidnihkovarijata (rezultatiuiesnika na testukojim 7.PritisnitedugmePlots.
seispitujestrah od statistike,mereniu trenutku 1)' . lzaberite prvunezavisnu promenljivu (npr.group)i prebacite je u poljeHo-
StasepostiZe:ANCOVA uklanja uticai kovarijatai zatim obavljauobi6a- rizontal.Tapromenljiva ce bitiprikazana duZhorizontalne ose dijagrama.
. Pritisnitedrugu nezavisnu promenljivu (npr.sex) i prebaciteje u polje
ienu dvoiakrorskuanalizuvariia'se kolom saznajemosledeie:
SeparateLines.Tapromenljiva ce bitiprikazanarazliditimlinijama zasva-
a postoji li znadajan zasebanuticai prve nezavisnepromenljive (grupa); Kugrupu.
a postoji li znaiajan zaseban uricaj druge nezavisnepromenljive (pol); i . PritisniteAdd.
a postoji li znadaina interakciia izmedu njih' Continuei zatimOK (odnosnodugmePaste da bistekomandu
8. Pritisnite
Pretpostavke: Sveuobidajenepretpostavkedvofaktorskeanalizevarijan- snimiliu SyntaxEditor).
se (npr.n<lrmalnostraspodele,homogenostvariianse).Niih treba prve pro- PostupakgeneriSe ovu komandu:
veriti (videtiuvod u peti deo kniige).
Dodatne pretpostavke analiz.e kovarijanse:Videti njihov opis i postupke UNIANOVA
za njihovu p.ou.ru date u prethodnom delu poglavlja,posveienomjedno- fost2 BY groupsex WITH fostl
faktorskoi anaLizikovari ianse. /METHOD: SSTYPE(3)
Neparametarskaalternativa:Ne postoii. / I N T E R C E P T I: N C L U D E
/PLOT: PROFILE(group*sex )
Postupakza dvofaktorskuanalizu kovariianse /EMM EANS: tnBLES(group)WITH(fost1:MEAN)
1. OtvoritemeniAnalyze,izaberite u njemustavkuGeneralLinearModel,pa /EMMEANS: TABLES(sex) WITH(fost1:M EAN)
pritisniteUnivariate. /E MM EANS : TABLES(sex*group) WITH(fost1:M EAN)
2. U poljeDependentVariablesprebacitezavisnupromenljivu (npr.strahod /PRINT: DESCRIPTIVE ETASOHOMOGENEITY
statistikeizmerenu trenutku2, skracenofost2). /CRITERIA:ALPHA(,05)
3. Pritisnitedve nezavisnepromenljive (npr.pollsex;
grupisanja
tj. promenljive /DESIGN: fostl groupsexgroup"sex.
grupa/group). Prebaciteih u poljeFixed Factor'
4. U poljeCovariatestaviteodabranekovarijate(npr.strahod statistikeizme-
renu trenutku1, skracenofostl ).
312 Deo V: Statistidketehnikeza poredenjegrupa Poglavlje22: Analizakovarijanse 313

2. sex
Evo i rezultataopisanog postupka' DependentVariable:fear of stats trme2

UnivariateAnalYsisof Variance 95o/. Confldence lnterual

sex Mean Std. Error Lower Bound Uooer Bound
Dscriotive Statistics I lrlatc JO,UUY- 4 t6 J | ,Uad 38,989
Varlablefear of statstrme2
Dependent
2 female 37.242:a 476 36,261 38.222
a. Covarlales appearing in the model are evaluated at the iollowing values fear of stats time'l = 40.17
tvpc ol class qql Mcan Std. Dcvration N
1 maths skrlls 1 male 3t.25 5.491 I
38.'14 3,436 7
3. sex . type of class
2 female
Total 3 7. 6 / 4 515 15
2 confidence building 1 male 40,57 7 DependentVariable:fear of stats time2
2 female 34,50 4.781 B
Total 37.33 5.B76 l5 95% ConfidenceInterual
Total l male 38.80 s,596 l3 sex tvoe of class Mean Std.Eror Lower Bound UpperBound
2 female 36,20 4.475 I I t ,b4t) 35,202 37,862
Total 3750 5.151 30 2 confidence buildrnq 39,4854 ,693 38.058 40,912
2 female 1 malhs skills 39,5173 .696 38,083 40,950
Levene'sTest of Equalityot Error Variancesa
2 coniidence buildinq 34.9664 .644 33,639 36.294
a- Covariales appearing in the model are evaluated at the followingvaluesr fear of stats timel = 40,17
Variablefear of stalstime2
Oeoendent

F dfl dt2 Sro

2.2lJ4 3 112
thal lhe errorvarranccof thc dependcnlvarlablrs cqualacrossgroups
Tcststhc nullhypothcsrs
'
EstimatedMarginalMeansof fearof statstime2
+group+sex+groupsex
a. Desrgn:Intercepl+fosl1

SEX
Tests ot Between-Sub.iectsEffects
- male
Dependent Variable feal of stats tlme2
- female
Type lll Sum Partial Eta
Source df I\.4eanSouare F Sio
gorrectfflvtoo ouo,/ zu- 1 7 1,682 51,854 UUU
Interpt 4,137 1 4,137 1.250 .2:74 ,048 .o
fostl 545,299 1 545,299 164.698 .000 ,86B
1,431 .054
o
group 4,739 1 4,733 ,243 o
sex 4.242 1 4.202 1,269 .048 Esa
'l
gro0p" sex 104.966 104.966 3'1.703 .000 .559
(E
Error 42,772 25 3.311
Total 42957,OOO 30 '4,
CorrectedTolal 769,500 to

a. R Squared= .892(AdlustedR Squared= ,875) ct 37

=
E
EstimatedMarginalMeans o
(g ^^
1. type of class Eoo
.E
DependentVanable fear of stals trme2 o
uJ
95o/" Conhdence Inlerval
ivpe ol class Mean Std. Error I ower Bound lJooer Bound
'l
mathsskrJls 5E,024' 47? J/,UCJ
2 confidence
bL 37 .2264 .471 36,255 3 8 . 19 7
a. Covanales appeaing in the model are evaluated al lhe follolving values: fear of stats timel = 40,1 7
314 Deo V: Statistidketehnikeza poredenjegrupa
Tumadenierezultatadvofaktorskeanalizekovarijanse
ANCOVA daje mnogo rezultata, pa iemo ih tumaditi korak po korak.
. Proverire da li su brojevi u tabeli Descriptive Statistics taini (npr. broj
sluiajeva u svakoj grupi, srednje vrednosti rezultata grupa).
. U tabeli Levene's Test of Equality of Error Variances proverite da li je
naruiena pretpostavka o jednakosti varijanse. Trebala bi nam verovat-
no6a Sig. veda od 0,05. Kada je ta vrednost manja od 0,05 (stoga i
znadajna), to znati da varijanse nisu jednake i da je pretpostavka
naruiena. U ovom sludaju pretpostavka nije naruiena, zato 5to Sig. iz-
n o s i 0 , 1 1 , 5 t o j e v i S eo d g r a n i d n i h 0 , 0 5 .
. Glavni rezultati analize kovariianse dati su u tabeli Test of Between-
Subjects Effects. Zanima nas da li postoji znatajan zaseban uticaj ijed-
ne nezavisne promenljive (grupa ili pola) i da li je interakcija izmedu
njih znadajna. Od najveieg interesa je interakcija, pa iemo nju prvu
proveriti. Kada je interakcija znaialna, dva zasebna uticaja nisu vaZna,
poito se uticaj jedne nezavisnepromenljive menja u zavisnosti od nivoa
druge. Pronadite red sa imenom interakcije (u ovom sludaju, groupo
sex). i proditajte broj u odgovaraju6oj deliji kolone Sig. Ako je broj u
toj 6eliji manji od 0,05 (odnosno od zadatog nivoa verovatnoie alfa),
interakcija je zna(ajna. U ovom primeru, ta verovatnoda iznosi 0,000
(to treba shvatiti kao man;'eod 0,0005), 5to je mnogo manje i od 0,05
i od 0,01; dakle, na5 rezultat je statistiiki veoma zna(aian. Ovako
zna(a1an uticaj interakcije navodi na pomisao da muSkarci drugadije
reaguju na ta dva programa od Zena. Zasebni uticaji obeleZja Group i
Sex nisu statistidki zna(ajni (Group: p=0,24; Sex:p=Q,)/ ). Ne moie se
reii da je jedna intervencija bolja od druge, poito je jedna bolja za mu-
Skarce,a druga za i.ene. Ne moZe se reii da ,,intervencija viSe koristi
muikarcima", poSto to vaLi samo za jednu intervenciju, a za onu drugu
vaii suprotno.
. Treba razmotriti i velidinu uticaja, iiji je pokazatelj parcijalni eta kva-
drat (objaSnjenjevelidine uticaja videti u uvodu u peti deo knjige). U
ovom sludaju, ta veliiina iznosi 0,56 (5to je veliki uticaj, prema Koeno-
vim smernicama iz 1988). Taj broj kazuje i koji deo varijanse u zavi-
snoj promenljivoj objaSnjava nezavisna promenljiva. MnoZenjem sa
100 pretvorite taj parcijalni eta kvadrat u procentualnu vrednost (po-
merite decimalni zarezza dva mesta udesno). U ovom primeru, uspeli
smo da objasnimo dak 56 procenata varijanse.
Poglavlje22: Analizakovarijanse 315
U toj tabeli se moZe oditati io! i uticai kovarijata. Pronadite red sa ime-
nom kovarijata (npr. strah od sratistike izmeren u trenutku 1, tj.
FOST1)i proditajtebroj u odgovarajuioj ieliji kolone Sig. On kazuie
da li postoji znadajna veza izmedu kovarijata i zavisne promenljive.
kada se ukloni uticaj nezavisne promenljive (group). U redu Fostl
(naieg kovarijata) pi5e da verovarnoia Sig. iznosi 0,000 (5to zaptavo
znadi manje od 0,0005). To je manje od 0,05, pa je na5 kovarijat znaea-
jan. U stvari, on je objasnio dak B7 procenata varijanse u zavisnoj pro_
menljivoj (parcijalni eta kvadrat od 0,87 pomnoZen sa 100).
U odeljku Estimated marginal means ANCOVA daje korigovane sred_
nje vrednosti zavisne promenljive za svaku grupu, date za svaku neza-
visnu promenljivu zasebno i potom zajedno.'Korigovane' znadi da je
uticaj kovarijata statistidki uklonjen. PoSto je uticaj interakcije znata-
jan, najzanimljivija je treia (poslednja) tabela rezultata zajednidkog
uticaja dve nezavisnepromenljive, naslovljena 3. sex'r type of class.
Kao neobavezan dodatak,zatraLrla sam da se nacrta dijagram korigo-
vanih srednjih vrednosti rezultata ispitivanja straha od statistike, zaseb-
no za muikarce i Zene i za obe intervencije. (Ne brinite ukoliko se va5
dijagram razlikuje od prikazanog: naknadno sam modifikovala dila-
gram da bi se lakSeditao kada se oditampa. Uputstva za modifikovanje
dijagrama videti u 7. poglavlju.) Na ovom dijagramu jasno se vidi da
postoji interakcija izmedu te dve nezavisne promenljive. Za mulkarce,
izmeren strah je bio najmanji nakon poduke iz maremaridkih veStina.
Kod Zena, strah je bio najmanji nakon izgradnje njihovog samopouz-
danja. Rezultati jasno ukazuju na to da muikarci i Zene razlltito reaguju
na sprovedene intervencije i da prilikom projektovanja intervencija,
npr. programa obuke, morate voditi raduna o polu udesnika.
Upozorenje: ne uzbudujte se mnogo kada dobijete zna(ajanrezultat. Mo-
rate stalno imati u vidu cilj analize. Primera radi, ovi rezultati ne kazuju da
je kurs iz matematiikih veitina koristio suim muikarcima, niti da ie iz-
gradnja samopouzdanja koristila suim i.enama. Ne zaboravite, poredimo
prosednerezultate grupe kao celine. Uprosedavanjem rezultata za celu gru-
pu, neizbeZnogubimo deo informacija o pojedincima. Prilikom vrednovanja
programa treba razmotriti dodatne analize da bi se istraZilo koliko je ljudi
kojima su koristili, u odnosu na broj onih kolima su 'Sretili'.
Premda se nadamo da intervencije namenjene da pomognu ljudima nijed-
nom udesniku neie naikoditi, ponekad se to ipak dogada. U oblasti upra-
vljanja stresom, neka istraZivanja su pokazala neoiekivano poveianie nivoa
anksioznosti udesnika nakon odredenih vrsta trermana (npr. treninga
o p u i t a n j a / r e l a k s a c r j e )U. t a k v o i s i t u a c i i i t r e b a u r v r d i r i z a i t o s e t o d e s i l o n e -
kim osobama i prepoznati dodatne moderatorske promenliive.
316 Deo V: Statistidketehnikeza poredenjegrupa

Predstavljanjerezultatadvofaktorskeanalizekovarijanse
Rezultati ove analize mogu se predstaviti ovako: Dodatak
Analizom2 sa 2 kovarijanserazliditihgrupa uporedenaje delotvornostdva pro-
grama obuke namenjenasmanjivanjustrahamu5karacai iena od statistike.
Pojedinosti
Nezavisnepromenljivebile su vrsta intervencije(podukau matematidkimve5ti-
nama,odnosno izgradnjasamopouzdanja)i pol u6esnika.Zavisnupromenljivu
o datotekama
dine rezultatiispitivanjastrahaod statistikedobijeninakonzavr5etkaprograma S podacima
intervencija(u trenutku2). Kao kovarijatu analizi,upotrebljenza uklanjanjeindi-
vidualnihrazlika,koriScenisu rezultatiispitivanjastrahaod statistikedobleni
pre intervencija.
Preliminarnimproveramaje utvrdenoda nisu naru5enepretpostavkeo nor-
malnosti,linearnosti,homogenostivarijansi,homogenostiregresionihnagibai ovaj dodatak sadrii informacijeo Sestdatotekas podacima,dostupnihna
pouzdanostimerenjakovarijata.Nakon statistidkoguklanjanjauticajarezultata prateioj Web lokaciji knjige (pojedinostio rome videti na str.xi):
ispitivanjastrahaod statistikedobijenihpre intervencija(u trenutku 1),
1. survey3ED.sav
utvrdenoje da postojiznadajanuticajinterakcije,F (1,25) :31 ,Z p < 0,0005,
i da je taj uticaj velik (parcijalnieta kvadrat: 0,56). Nijedanod zasebnihuti-
2. error3ED.sav
c a j a n i j e b i o z n a d a j a np, r o g r a m :F ( 1, 2 5 ) : 1, 4 3 , p : 0 , 2 4 ; p o l : F ( 1, 2 5 ) : 3. experim3ED.sav
1,27,p: O,27.Ovaj rezultatnavodina pomisaoda muSkarcidrugadijereaguju 4. depress3ED.sav
na te dve vrste intervencijaod Zena.Strah mu5karacaod statistikevi5e se 5. sleep3ED.sav
smanjionakon udestvovanjau programusavladavanjamatematidkihveStina,
6. staffsurvey3ED.sav
dok je 2enamavi6e koristioprogram izgradnjesamopouzdanja.
Prveietiri datoteke slui,eza praienje postupakaopisanih u raznim pogla-
vljima ove knjige.Poslednjedve (sleep3ED.sav i staffsurvey3ED.sav) dodat-
U prikaz rezulrataove analizetrebalo bi ukljuiiti i tabelu sa srednjim
ne su datoteke za veLbanje, s podacima iz raznih naudnih disciplina.
vrednostimagrupa.Ako su zzrvisna promenljiva(trenutak2) i kovarijat (tre-
Sleep3ED.savsadrZi podatke zdravstvenei medicinske prirode, dok
nutak 1) merenina istoj skali,trebalobi navestisrednjevrednostiu trenlrtku
staffsurvey3ED.sav sadrZipodatke relevantneza poslovno okruZenje.Na
1 i trenutku 2. Njih 6e izraiunati procedura Descriptives(videti 6. pogla-
kraju nekih poglavljadatesu preporuieneveZbes podacimaiz tih datoteka.
vlje).Ukoliko je kovarijat merenna drugaiijoj skali,naveditenekorigovanu
Da bistemogli korisriti te datotekes podacima,morateposetitinavedenu
srednjuvrednost(i standardnoodstupanje)i korigovanusrednjuvrednost(i
\7eb lokaciju i, prateii uputstva na ekranu, preuzetiih nzrdvrsti disk, CD ili
standardnugreiku) za obegrupe.Nekorigovanusrednjuvrednostproditajte
USB.Zatim bi trebaloda pokreneteSPSS i otvoriteonu datotekus podacima
u tabeliDescriptiveStatistics.Korigovanusrednjuvrednost(iz koje je uticaj
koju nameravateda koristite. Takve datotekemogu da se otvore samo u
kovarijatastatistidkiuklonjen)proditajteu tabeli EstimatedMarginal Me-
SPSS-u. U ovom dodatku je za svakudatotekudat Sifarnik,sa svim pojedi-
ans.Bilo bi dobro da navedetei broj sludajevau svakojgrupi.
nostimao promenljivamai prate6imuputstvimaza Sifrovanje.

Survey3ED.sav
Ovo su stvarni podaci, saLetrizjedne studije koju su sproveli moii postdi-
plomci psihologije obrazovanja. Studiia je trebalo da istraZi dinioce koji
utidu na psiholo5ko prilagodenje i opite raspoloZenje ispitanika. Pripada-
juia anketa je ot'ruhvatalarazne validirane skale za merenje konstrukata, za
koje bi se po obimnoj literaturi o stresu i njegovom prevazilai,eniu moglo
smatrati da utidu na subjektian doZivliaj stresa.Pomoiu tih skala mere se sa-
mopo5tovanje, optimizam, subjektivno doZivljen stepen samokontrole, tj.
upravljanja sopstvenin-riivotom, subjektivno doZivljen stres, pozifivna i
318 Dodatak:Pojedinostio datotekamas podacima Dodatak: Pojedinostio datotekamas podacima 319

negarivna ose6anjai zadovoljstvo Zivoton-r.Bila je tu i jedna skala za merenie t e i k o z a s p u , d a l i s e l a k o b u d e ) i u t i c a j u t i h p r o b l e m a n a r a z n e a s p e k t en j i -

sklonosti liudi da se predstave u povoljnom ili druitveno poZelinom svetlu.
Anketa je podeljena pripadnicima opite populacije u Melburnu i okolnim
okruzima Australije. Konirdno je dobijen uzorak sa 439 osoba, od toga 42
procenra muikaraca i 58 procenata Zen:l, starosti od 18 do 82 godine (sred-
n j a v r e d n o s t = 3 7, 4 ) .
Error3ED.sav
Podaciu ovoj datotecidobijenisu modifikovanjemdatotekesurvey3ED.sav,
tako ito su u nju namernoubaienegreSkekole trebaotkriti postupcirnaob-
jaSnjenimu 5. poglavlju.ViSeo njenimpromenljivamaitd. videti u opisuda-
toteke survey3ED.sav.
hovih Zivota (rad, voZnju, odnose s Zivotnim partnerimzr). Uzorak je imao
271 ispitanika (55 procenara i.ena,45 procenata muikaraca) srarosti od 1B
do 84 godine (srednja vrednost-44 god).
Staffsurvey3ED.sav
stvarni podaci, saieti iz studije sprovedene radi istraZivanja stepena zztd,o-
voljstva osoblja jedne obrazovne ustanove sa ograncima u viie mesta po Au-
straliji. osoblje je popunilo krarak anoniman upitnik (dat u nasravku
dodatka), u kojem su dali svoja miiljenja o raznim aspektima organizacije i
tretmana kojem su bili podvrgnuti kao zaposleni.

Experim3ED.sav
Ovo je skup izmiSljenih podatak:r, naprarvljen d:r bi se dobilo neito prikladno
za ilustraciju statistidkih tehnika kao 5to su t-test za ponovljena merenja i jed-
nofaktorska ANOVA ponovljenih merenjir. Taj skup podataka upuiuje na
fiktivno istraZivanje uticaja dve razlidite intervencije koje pomaiu studentima
da se izbore sa sopstvenom anksioznoSiu u vezi s predstojeiim kursom iz sta-
tistike. Podeljeni u dve jednake grupe, studenti su (u trenutku 1) popunili ne-
koliko testova. To su bili testovi za ispitivanje straha od statistike (Fear of
Statistics),samopouzdanja u vezi s polaganjem ispita iz sttrtistike(Confidence
in Coping with Startistics) i depresije(Depression).Potom je jedna od tih grupa
(grupa 1) pohadala vi5edasovni kurs matematiakih veitina; druga grupa
(grupa 2) udestvovalaje u programu izgradnje sarnopouzdanja u polaganje
ispita iz stzrtistike. Nakon zavrSetka oba programa (u trenutku 2) opet su
popunjavali iste testovekao pre programa, i ponovo tri mesecakasnije (u tre-
nutku 3). Bile su izmerene i niihove performanse na ispitu iz sratistike.

Depress3ED.sav
Ova datotekaje priloZenaza prikazivanjeodredenihtehnika u 16. pogla-
vlju. Obuhvatanekoliko klluinih promenljivihiz jednestvarnestudije,koju
je jedan od mojih postdiplomacasproveoisrraiujuii tinioce koji utiiu na
opSteraspoloZenje prvorotki. SadrZirezulratedobijenena viSerazliiitih psi-
holoSkihskalaprolektovanihza merenjedepresije(pojedinosti videti u 16.
poglavlju,o rneri podudaranjakapa).

Sleep3ED.sav
Stvarni podaci, saLetiiz studije sprovedene radi istrazivanja rasprosrranje-
nosti i uticaja problema sa spavanjem na razne rrspekreLivota. Univerzitet-
sko osoblje iz Melburna u Australiji popunilo je upitnik s pitanjima o broju
sati no6nog sna koje uspevaju da ostvare, problemima sa spavanjem (da li
 Dodatak:Pojedinostio datotekamas podacima Dodatak:Poiedinostio datotekamas podacima

Deo A: materijaliza survey3ED.sav Social Desirability Scale Crowne, D.P. & Marlowe, P. (1960).
Pojedinostio skalamakoje obuhvatasurvey3ED.sav Skala za merenjesklonosti lf udi da A new scaleof social desirability
se predstaveu druitveno independentof psychochopathology.
Skale su navedene redom kojim se pojavljuju u anketi.
poZeljnomsvetlu (deselstauki) Journal of Consulting Psychology,24,
349-54.
Skala Referenca
S t r a h a n ,R . & G e r b a s i ,K . ( 1 9 7 2 ) .S h o r t ,
Life Orientation Test S c h e i e rM
, . F . & C a r v e r ,C . S .( 1 9 8 5 ) . homogeneousversion of the
Skala optimizma ili Zivotne Optimism, coping and health: An Marlowe-Crowne SocialDesirability
orijentaciie assessment and implications of Scale.Journal of Clinical Psychology,
(iest staul<il g e n e r al i z e do u t c o n r ee x p e c t a n c i e s . 28,191-3.
Health Psychology,4, 219-47.
PerceivedControl of Internal Pallant,J. (2000). Developmentand
Scheier;M.F., Carver,C.S. & Bridges, StatesScale(PCOISS) validation of a scalero measure
M.\)(/.( 1994). Distinguishing perceivedcontrol of internal states.
Skala subjektivno doZivljene
optimism from neuroticism (and trait
sarnokontroleunutrainjih stanja .[ournal of Personality Assessntent,
anxiety,self-masteryand self-esteem): 7 5. 2. 308-37.
(osantnaeststauki\
A re-evaluationof the Life
Orientation Test.Journal of
Personality and Social Psychr>logy,67,
6,1063-78.
Mastery Scale , . ( 1 9 7 1 1 )T.h e
P e a r l i n ,L . & S c h o o l e rC
Skala subjektivnogoseiaja structure of coping. tournal of Ilealth
upravljanja sopstvenimZivotom and Social Behauior 19.2-21.
(sedamstauki)
'Warson,
Positive and Negative Affect Scale D., Clark, L.A. & Tellegen,A.
(PANAS) ( 1 9 8 8 ) .D e v e l o p m e n a
t nd validation
Skala pozitivnih i negativnih of brief measuresof positive and
oseianja (duadesetstauki) negativeaffect: the PANAS scales.
Journal of Personality and Social
Psychology, 5 4, 1063-7 0.
Satisfaction with Life Scale Diener, 8., Emmons, R.A., Larson, R.J.
Skala zadovoljsrvaiivotom & G r i f f i n , S . ( 1 9 8 5 ) .T h e S a t i s f a c t i o n
(pet stauki) with Life scale.Journal of Personality
A s s e s s n t e n4t .9 . 7 1 - 6 .
PerceivedStressScale Cohen, S., Kamarck, T. & Mermelstein,
S k a l as u b j e k t i v n od o Z i v l j e n o g R . ( 1 9 8 3 ) .A g l o b a l m e a s u r o
ef
stresa (deselstat,ki) perceived stress.Journttl of Health
and Social Behauior,24, 38 5-96.
Self-esteemScale Rosenberg,M. (1965). Societydnd the
Skala sarnopoStovanja ad o Iescent seIfim age. Princeton,
(desetstauki) NJ: PrincetonUniversity Press.
 Dodatak: Pojedinosti o dttot"kama s pffi 323
322 Dodatak:Pojedinostio datotekamas podacima

Sifarnik za surveY3ED.sav Skala pozitivnih i pn1 do pn20 1=vrlo malo, 5=izuzetnomnogo

negativnihoseianja
Ime promenliive Uputstvo za Sifrovanie (PANAS)
Puno ime
promenljive u SPSS-u Skala zadovoljstva lifsatl do lifsatS 1-nimalo se ne slaZem
id identifikacioni broj subjekta Zivotom 7-potpuno se slaZem
Identifikacioni broi
1=muSkarci,Z=zene Skala subjektivno pssl do pss10 1-nikada, 5=vrlo desto
Pol subjekta SEX
doZivljenogstresa
Starostsubiekta age u godinama
Skala sestl do sest10 1=nimalo se ne slaZem
Bradno stanje marital 1=nevenaan(a),2=stalan Partner'
samopouzdanja 4-potpuno se slaZem
3=Zivi s partnerom, 4=Prvi Put
v e n d a n ( a )5, - p o n o v o v e n d a n ( a ) , Marlowe-Crowne m1 do m10 1=taino, 2=netadno
6=Zivi odvojeno od suPruZnika' skala za merenie
7 --razv eden(a), 8=udovac/ sklonosti ljudi
udovica da se predstave
u druitveno
Dete child l=da,2=ne
poZeljnomsvetlu
NajviSazavriena educ 1 = o s n o v n aS k o l a
Skala subjektivno pc1do pc18 l = n i m a l os e n e s l a Z e m ,
Skola 2=deo srednjeSkole s=potpuno se slaZem
doZivljene
3=celasrednjaSkola samokontrole
4=vi5a Skola ili dodatna obuka stania
unLrtraSn,ih
5=dodiplomskestudije na (PCOTSS)
univerzitetu
6 = p o s t d i p l o m s kset u d i l en a
univerzitetu

Glavni izvor stresa source 1- radno mesto, 2=suPruZnikiil

partner,3=liubavni odnosi,
4=deca,5=pofodica,
6=zdravstvenostanie/bolest'
7 =Liv<>tuopite, 8 =finansiisk<r
stanje,9=nedostatakslobodnog
vfemena

Puiai smoke 1 = d a ,2 = n e

Broj popuSenih smokenum broj popuienih cigareta

cigaretasedmiino sedmidno
Skala optimizma op1 do op6 1 = n i m a l os e n e s l a Z e m ,
5-potpuno se slaZem
Skala subjektivnog mastl do mastT 1 = n i m a l os e n e s l a Z e m ,
oseiaja upravlianja 4=potpuno se slaZem
sopstvenimZivotom
324 Dodatak:Pojedinostio datotekamas podacima Dodatak:Poiedinostio datotekamas podacima 325

Ukupni noskolomo
rezuhofi survey3ED.sov
koiesudeodololeke Kopijo
upihiko
upotreblienog survey3ED.sov
u dototeci
Na sledecimstranicamanavelasam samo deo upitnikaupotrebljenog za pri-
P u n oi m e lme promenljive Uputstvoza Sifrovanje kupljanjepodatakau datotecisurvey3ED.sav. Na prvojstranicisu demografska
promenljive u SPSS-u
pitanja,zatimtest optimizma/ livolne orijentacije(6 stavki)i skalapozitivnihi
Ukupanoptrmtzam toPtlm obrnuti stavkeop2, op4, op6 negativnihosecanja(20 stavki).U spiskuu prethodnomdelu dodatkadate su
sabrativrednostiod op1 do op6
sve pojedinostio referencama iz kojihsu preuzeteskalekori5ceneu upitniku.
raspon od 6 do 30

Ukupan subjektivni obrnuti stavkemast1, mast3, mast4,

Upilnik
osecaj upravljanja mast6, mastT '1.
O muSki
Pol:
sopstvenim Zivotom sabrati vrednosti od mast l do mastT
raspon od 7 do 28
fl 2enski (oznaditeodgovarajuce polje\
2. Starost:_ (u godinama)
Ukupna pozitivna tposaff sabrativrednosti pn1, pn4, pn6, pn7, png,
osecanja p n 1 2 ,p n 1 3 ,p n 1 5 ,p n 1 7 p, n 1 8 3. VaSbradni status: (oznaiite odgovarajucepolje)
rasoon od 10 do 50 fl 1:nevendan(a)
Ukupna negativna tnegaff sabrativrednosti pn2, pn3, pn5, pnB, pn10,
D 2:stalni partner
osecanja p n 11 , p n l 4 , p n 16 , p n 19 , p n 2 0 D 3:Zivim s partnerom
raspon od 1 O do 50 a 4:prvi put vendan(a)
0 b:ponovo vendan(a)
Ukupno zadovoljstvo tlifesat sabrati sve vrednosti od lifsatl do lifsat5
Zivotom raspon 5 do 35 tr 6:Zivim odvojenood supru2nika
D 7:razveden(a)
Ukupan sub.jektivno tpstress obrnuti stavkepsp4, pssS, pss7,pssS
D 8:udovac/udovica
doZivljenstres sabrati sve vrednosti pssl do pss.l 0
raspon od I 0 do 50 4. lmate li dece koja trenutnoZives vama?
Dda
Ukupno tslfest obrnuti stavke sest3, sestS, sest7, sest9,
A ne \oznaiite odgovarajuce polje)
samopouzdanje sestl 0
sabratisve vrednostiod sestl do sestl 0 5. Koju najviSu Skolu ste zavrsili? (oznaiite potje pored najviie ikote koju ste
raspon od 10 do 40 zavriilil
ll 1:osnovna Skola
Ukupnasklonosti tmarlow obrnuti stavkem6 do m10 (re3ifrovatina
osobe da se pred- tadno:1, netadno:0) D 2:deo srednje Skole
stavi u druitveno sabratisve vrednostiod m'l do m10 D 3:cela srednjaSkola
poZeljnomsvetlu rasoon od 0 do 10 O 4:vi5a Skolaili dodatna obuka
Ukupna subjektivno tpcoiss obrnuti stavke pc1 , pc2, pc7, pc l 1, pc1 5,
D S:dodiplomske studije na univerzitetu
doiivljenasamokon- pc'l 6
n 6:postdiplomske studije na univerzitetu
trola sopstvenih sabratisve vrednostiod pc1 do pc1 8 6. Koji su glavniizvoristresa u va5emZivotu?
unutra$njihstanja rasoon od 1 8 do 90
Nove obrazovne educ2 zbog malog broja sludajeva u svakoj od tih Da li pu5ite?
kategorije grupa, kategorijeOsnovna Skolai Deo srednje Dda
Skolere6ifrovanesu u jednu grupu: J na (oznaiite odgovarajuce polje)
1:osnovna ili deo srednjeSkole Ako odgovoritesa da, kolikocigaretapopuSitesedmi6no?
2:cela srednjaSkola
3:vi5a Skolaili dodatna obuka
4:dodiplomske studijena univerzitetu
5:postdiplomske studijena univerzitetu
Starosnagrupa, agegp3 1:1 B-29 god, 2:30-44 god, 3:45+ god.
3 kategorije
326 Dodatak:Pojedinostio datotekamas podacrma Dodatak:Pojedinostio datotekamas podacima
327

procitaite sledece iskaze i razmislite koliko se slazete ili ne sla2ete sa svakim od Deo B: materijaliza experim3ED.sav
prema datoi skali, naibolie pokazuie
,1i. i'.*a svakog iskaza napiiite broi koii,
vaie mi6lienje. zoexperim3ED.sov
iifornik
'l 2 3 4 5 potpuno se slaZem
nimalo se ne slaiem
nesigurnimvremenimaobidno ocekujemda ce mi se desiti ono najbolje. P u n oi m e lme Duie opisnoime Uputstvoza Sifrovanje
i. --U promenljive promenljive
promenljive
2. =-- Ako i5ta moZeda mi krene po zlu, krenuce' u SPSS-u u SPSS-u
3. -- Uvek sam optimistakada je u pitanju moja buducnost' broj
ldentifikacioni id id identifikacionibroj subjekta
4. _Gotovo nikada ne odekujemda ce se stvarirazvijatimenr u prilog,
Pol subjekta sex SEX 1:mu5karci, 2:2ene
5'-_sveusvemu,odekujemdacemisedesitivi5edobrognegoloseg.
Starost sub.jekta a9e age u godinama
6. - Retko odekujemda ce mi se desiti ne5to dobro'
Grupa group type of class 1:matematidke veStine,
lzvor:Scheier,Carver& Bridges'1994'
2:izgr adnla samopouzdanja
Za svaku stavku
ova skalase sastoji od reei koie opisuiu razna stanja i osecania' Testza ispitivanje fost l fear of stats time 1 Rezultatina testu kojim se
tokom nekoliko posledniih sedmica-
nazna,ite do koje mere ste se tako osecali strahaod statistike ispitujestrah od statistike,
Na tiniju pored svake stavke upiiite broi od 1 do 5' u trenutku 1 popunjavanomu trenutku1.
Opseg moguCihvrednostiod 2O
vrlo malo do 60. Vece vrednosti pokazuju
ili nimalo malo umereno prilidno izuzetnomnogo veci strah od statistike.
45 Vera u ovladavanje confl confidencetimel Rezultatiispitivanjavere
12 3 u ovta,
statistrkom
1 .-zatnteresovano 8.-ucveljeno 15.-uzbudeno davanje statistikom,dobijeni
u trenutku1
2.-uzrvlano 9.-snaZno 16.-kaokrivac u trenutku 1. Opseg mogudih
3.-prestravljeno 10.-odbojno 17.-oduSevljeno vrednosti od 10 do 40. Vece
4.-ponosno 1 |.-razdrailjivo 18.-dilo vrednosti pokazuju vece
5.-posramljeno 12.-nadahnuto 19.-nervozno samopouzdanje.
20.-usPlahireno Depresija depressl
6.-odluno 13.-pazljivo depression timel Rezultatimerenja na skali
u trenutku1
7.-aktivno 14. depresije,dobijeniu trenutku1.
1988. Opseg mogucih vrednostiod 20
/zvor:Watson,Clark& Tellegen,
do 60. Vece vrednosti pokazuju
vecu depresiju.
Test za rspitivanje fost2
fear of stats time2 Rezultatina testu
slraha od statistike kojim se
u trenutku2 ispituje strah od statistike
popunjavanomu trenutku2.
Opseg mogucihvrednostiod 20
do 60. Vece vrednosti pokazuju
veci strah od statistike.
Verau ovladavanje
conf2 confidencetime2 Rezultatiispitivanja
statistikom vere u ovla_
u t r e n u t k u2 davanje statistikom, dobijeni
u trenutku2. Opseg mogucih
vrednostiod 10 do 40. Vece
vrednostipokazujuvece
samopouzdanje.
Depresijau depress2 depressiontime2 Rezultatjmerenja
trenutku
2 na skali
depresije,dobijeniu trenutku2.
Opseg mogucih vrednosti od 20
do 6O. Vece vrednostipokazuiu
328 Dodatak:Pojedinostio datotekamas Podactma il Dodatak:Poiedinostio datotekamas podacima 329

P u n oi m e lme DuZeopisno ime Uputstvoza Sifrovanie Deo C: materijaliza staffsurvey3ED.sav

promenljive promenliive promenliive
u SPSS-u u SPSS-u zoispilivonie
Ankelo osobllo slovke}
{odobrone
Test za isPitivanje fost3 fear of stats timeS Rezultatina testu kojim se Starost: A isPod 20
isPitulestrah od statistike O21 do30
straha od statistike
poPunjavanomu trenutku3.
u trenutku3 ff 31 do 40
Opseg mogucihvrednostiod 20
a41do50
do 60. Vece vrednosti Pokazuju
3 preko 50 god.
veci strah od statistike'

con{idencetime3 Rezultatiispitivanjavere u ovla- DuZina zaposlenja u ovoi organizaciji (u godinama):-

Verau ovladavanjeconfS
davanje statistikom,dobijeni
statistikom Zaposlen: t-l stalno O privremeno
u trenutku3. OPseg mogucih
u trenutku3
vreonostiod 1 0 do 40. Vece Pomocu sledecih skala, za svaki od navedenih aspekata ocenite svoj stepen sla-
vrednosti Pokazujuvece ganja s njim i njegovu vainost.
samoPouzdanie.
Slaganje: 1:nimalo, 2:malo, 3:umereno, 4: mnogo, S:veoma mnogo
Depresija depress3 depressiontime3 Rezultatimerenjana skali
u trenutku3 dePresije,dobiieniu trenutku3' VaZnost:1:nimalo, 2:malo vaZno,3:umereno va2no,4: veomavaZno,S:izuzet-
OPseg mogucihvrednostiod 20 no va2no
do 60. Vece vrednosti Pokazuju
vecu dePresiju.
Slaganje VaZnost
Rezultati na isPitu exam exam Rezultatina ispitu iz statistike'
1. Da li je jasno Sta se od vas odekujena radnom mestu? 1234 5 12345
iz statistike OPseg mogucih vrednosti
0-100. 2. Dobili ste na radnom mestu svu opremu i materijalkoji su 12345 12345
potrebni da svoj posao radite efikasno?
3. Da li vas organizacijaaiurno obave5tavao razvoju i 1234 5 12345
promenama?
4. Da li od organizaciledobijatepriznanjekada dobro uradite 1 2 3 4 5 12345
oosao?
5. Da li vas direktor ili Sef podstidu na profesionalnirazvoj 12345 12345
na radnom mestu?
6. Smatrate li da se va5e mi5ljenjeuvaiava u organizaciji? 12345 12345
7. Smatrate li da organizacijashvata koliko je va5 posao 12345 12345
vaZan?
8. Smatrateli da su va5e kolege na poslu posvecenetome 12345 12345
da dobro rade svoj posao?
9. Da li su va$ rad i njegovirezultatibili ocenjivaniili 12345 12345
razmatraniu poslednjihSest meseci?
10. Da li ste tokom poslednjegodine dana imali prilikuda se 1234 5 12345
usavr5avatena poslu/radnommestu?

Da fi biste ovu organizacijupreporudilidrugimakao dobro mesto za rad?

DDa DNe
330 Dodatak:Pojedinostio datotekamas Podacima
& Dodatak: Pojedinosti o datotekama s podacima 331

Opis promenliive lme promenljive Uputstvoza Sifrovanie

u SPSS-u
iifornikzusloffsurveY3ed.sov '|:nimalo, 2:malo, 3:umereno,
P6 stepen slaganja 06a
4: mnogo, 5:vrlo mnogo
Opis promenliive lme promenljive Uputstvoza 5ifrovanje
u SPSS-u P6 stepen vaZnosti 06imp 1:nimalo, 2:malo vaino, 3:umereno
ldentifikacionibro.isubjekta valno, 4: veoma va2no,5:izuzetno
ldentifikacionibroi id
vaZno
city Svakom mestu boravi5tadodeljen .ie
Mesto PrebivaliSta 1:nimalo, 2:malo, 3:umereno,
odreden broi P7 stePenslaganja Q7a
zaposlencg 4: mnogo, s:vrlo mnogo
age 1:ispod 20
Starost zaPoslenog
2:21 do 30 P7 stepen vaZnosti OTimp 1:nimalo, 2:malo va2no,3:umereno
3:31 do 40 vaino,4: veoma vaZno,S:izuzetno
4:41 do 50 vaino
5:preko 50 god. P8 stepen slaganja OBa 1:nimalo, 2:malo, 3:umereno,
Broj godina radnog staia u organizaciii 4: mnogo, S:vrlo mnogo
Broj godina radnog staZa serytce
(staZkraci od 1 godine pisati decimalno, OSimp 1:nimalo, 2:malo vaino, 3:umereno
u organizaciji P8 stepen vainosti
npr. 6 meseci:0,S godina) vaino,4: veoma vaZno,S:izuzetno
employstatus 1:stalno zaposlen, !:privremeno vaino
Status zaposlenog
zaposlen 'l :nimalo,
P9 stepen slaganja 09a 2:malo, 3:umereno,
01 a 1:nimalo, 2:malo, 3:umereno' 4: mnogo, s:vrlo mnogo
Pl stepen slaganja
4: mnogo, s:vrlo mnogo P9 stepen vaZnosti 09imp 1:nimalo, 2:malo vaZno,3:umereno
Ol imp 1:nimalo, 2:malo va2no,3:umereno va2no,4: veoma vaZno,S:izuzetno
P1 stepen vaZnosti
vaZno,4: veoma vaZno,5:izuzetno vaZno
vaZno P10 stepen slaganja Ol Oa 1:nimalo, 2:malo, 3:umereno,
'l :nimalo, 2:malo, 3:umereno, 4: mnogo, S:vrlo mnogo
P2 stepen slaganja 02a
4: mnogo, 5:vrlo mnogo P1 0 stepen vainosti 01 Oimp 1:nimalo, 2:malo va2no,3:umereno
O2imp 1:nimalo, 2:malo vaino, 3:umereno valno,4: veoma vaZno,S:izuzetno
P2 stepen vainosti
vaZno,4: veoma vaZno,S:izuzetno vaZno
vazno Preporuka recommend O:ne, 1:da
P3 stepen slagan.ia O3a 1:nimalo, 2:malo, 3:umereno, Promenliivekoje se izradunavaju
4: mnogo, s:vrlo mnogo
Ukuoanreaultatna skali totsatis Veci iznos pokazuje vece zadovoljstvo
P3 stepen vainosti 03imp 1:nimalo, 2:malo vaino, 3:umereno zadovoljstvaosoblja
valno,4: veoma va2no,S:izuzetno
DuZinaradnog staZa u Servicegp3 1 { i l i: 2 g o d i n e ,2 : 3 d o 5 g o d i n a ,
vaino
organizaciji(3 grupe) 3:6+ godina
P4 stepen slaganja O4a 1:nimalo, 2:malo, 3:umereno,
4: mnogo, s:vrlo mnogo Log transformacija logservice
'l:nimalo, 2:malo vaino, 3:umereno duiine radnog staZa
P4 stepen vaZnostl 04imp
vaino, 4: veoma vaino, S:izuzetno Starost zaposlenog agerecooe 1 : 1 B d o 3 0 g o d i n a ,2 : 3 1 d o 4 0
va2no reSifrovanau 4 grupe godina,3:41 do 50 godina,
4:50+ godina
P5 stePenslaganla 05a 1:nimalo, 2:malo, 3:umereno,
4: mnogo, S:vrlo mnogo

P5 stepen vainostl 05imp 1:nimalo, 2:malo vaZno,3:umereno

va2no,4: veoma vaZno,S:izuzetno
vaZno
332 Dodatak:Pojedinostio datotekamas podacima
Deo D: materiializa sleep3ED.sav
Sifarnikza sleep3ED.sav
Opis promenljive
ldentifikacionibroj
Pol
Starost
Bradni status
NajviSazavrSenaSkola
TeZina(kg)
Vsina (cm)
Ocenite svoje zdravlje
Ocenite svojufizidkukondiciju fitrate
Ocenite svoju trenutnuteZinu weightrate
Da li pu6ite?
Kolikocigaretadnevno?
Kolikoalkoholnihpica
dnevno?
Kolikokofeinskihpica
dnevno?
Sati sna/noc radnog dana
Sati sna/noc neradnogdana
Koliko sati sna smatrate
potrebnim?
TeSkozaspete?
Lako se budite nocu?
Budite se nocu?
Radite nocnu smenu?
Uvek se lako budite?
Budite se dili radnim danom? refreshd
Dodatak: Pojedinosti o datotekama s podacima 333
Opis promenljive lme promenljive Uputstvo za Sifrovanje
u SPSS-u
Zadovoljnikolidinomsna? 'l:veoma
satsleep nezadovoljan,10:u velikoj
lme promenljive Uputstvoza Sifrovanje meri zadovoljan
u SPSS-u Ocenite kvalitetsvog sna qualslp 1:vrlo loS, 2:log, 3:pristojan,
id 4:dobar, 5:vrlo dobar, 6:izvrstan
Ocenite nivo svog stresa stressmo 1:nimalo, 1 O:izuzetnomnogo
sex O:)enski, 1:mu6ki
tokom proSlogmeseca
age u godinama 'l:da,
Pijetepiluleza spavanje? medhelp 2:ne
mantal 1:nevendan(a),2: vendan(a)i2ivi s
lmate li problemasa snom? problem 1:da,2:ne
partnerom,
3:razveden (a), 4:udovac/udovica Ocenite uticaj problemasa rmpactl -l:nimalo,
1O:izuzetnomnogo
snom na raspolo2enje
edlevel 1:osnovna, 2:srednja, 3:zanat,
4:dodiplomske studije, Ocenite uticaj problemasa impact2 'I:nimalo,
1O:izuzetnomnogo
g:postdiplomske studije snom na nivo energije
weight uKg Ocenite uticaj problemasa impact3 1:nimalo, 1O:izuzetnomnogo
snom na koncentraciju
height ucm
Ocenite uticaj problema sa impact4 1:nimalo, 1 O:izuzetnomnogo
healthrate 1:vrlo slabo,1 O:vrlo dobro
snom na pamcenje
1:vrio slaba,1O:vrlo dobra
Ocenite uticaj problemasa impactS 1:nimalo, 1O:izuzetnomnogo
1:veoma mr$av(a),10:veoma snom na zadovoljstvoZivotom
debeo(la) 'I:nimalo,
Ocenite uticaj problemasa impact6 1O:izuzetnomnogo
smoke 1:da, 2:ne snom na opste raspolozenje
smoKenum broj cigaretadnevno Ocenite uticaj problema sa impactT 1:nimalo, 1O:izuzetnomnogo
alcochol bro.jpica na dan snom na ljubavne veze
De5ava vam se da u snu 1:da,2:ne
caffeine broj pica na dan prestanete da diSete?
Nemirno spavate? restlss 1:da, 2:ne
hourwnit Prosedan broj sati sna svake noii Jeste li ikada zaspali za drvsleep 'l:da,2:ne
radnog dana volanom tokom voinje?
hourwend Prosedan broj sati sna svake noci Epworthova skala pospanosti ess Ukupan iznos na ESS skali (od
neradnogdana
O:malo do 24:velika dnevna
hourneed Broj sati sna potreban da nema pospanost)
osecanja pospanosti HADS skala anksioznosti anxrety Ukupan iznos na HADS skali
trubslep 1:da,2:ne anksioznosti(od 0:nema
trubstay anksioznostido 21:velika
1:da,2:ne
anksioznost)
wakenite 1:da,2:ne
HADS skala depresije oepress Ukupan iznos na HADS skali
niteshift 1:da,2:ne depresije(od 0:nema depresije
liteslp 1:da,2:ne do 21:velika depresija)
1:da,2:ne Kolikonaporaste utro6ili fatigue 1:nimalo, 1O:izuzetnomnogo
tokom proSlesedmice?
 Dodatak:Pojedinostio datotekamas podacima
334
Opis promenljive
Kolikoste bili letargidnitokom lethargy
pro5lesedmice?
Kolikoste bili umornitokom
proSlesedmice?
Kolikoste bili pospanitokom
pro5lesedmice?
Koliko vam je nedostajalo
energije tokom pro$le
sedmice?
Lako se budite nocu,
reSifrovano
Teiko zaspite, reSifrovano
Kvalitetsna, reSifrovano
skala Sleepinessand
AssociatedSensations
(skalapospanosti
i pridruienih osecanja)
Broj cigareta dnevno,
re6ifrovanu 3 grupe
Starost, reSifrovana
u 3 grupe
lmate li problemasa snom,
re6ifrovanou 0/l
Dodatak: Pojedinostio dtt"tekatu s pod
lme promenljive Uputstvoza 5ifrovanje Deo E: materiializa depressSED'sav
pomo6u datotekedepress3ED'sav
u SPSS-u J ie . pogtuvlju pokazalasam kako se
1:nimalo, 1 O:izuzetnomnogo tlo*.'#0..'pod.ra",u"j" it-tdt' dva merila depresijeu uzorku sastavlie-
da.se utvrdi da li zeneidentifikovane
,rJ_ ,a o.rtnatalnih z.r-,u.citl ie bio
jednakotako klasifikuiei skalaDASSDepres-
tired 1:nimalo, I O:izuzetnomnogo []. a.o*rirne na skali EPDS
sion (DASS-DeP)'
podaciu datotecrdepress3ED.sav samosu mali deo stvarnihrezultatais-
sreepy 1:nimalo, 10:izuzetno mnogo Scale(EPDS:
.irivania svakeZe'e na skali EdinburghPostnatalDepression
ti.", Anxiety and Stress
energy ii.fa"" 6< Sagovsky,1987)i na skali Depression,
1:nimalo, 10:izuzetno mnogo
Rezultatisu klasifikovani
;;i;, (DASS-Dep:Lovibond & Lovibond,1995\.
vrednostima za svakuskalu.Tako su do-
u skladus preporuienimgraniinim
EPDSgp2) s vrednostima0 (nile de-
stayslprec 0:ne, 1:da trfi.". a*'promenliive lbeSSdepgp2,
oresivna)i 1 (dePresivna)'
getsleprec O:ne,1:da
qualsleeprec 1:vrlo lo5, lo5, 2:pristojan, 3:dobar,
4:vrlo dobar, 5:izvrstan
totsas Ukupan iznosna skali SASS (S:mala
pospanost,50:izuzetno velika
pospanost)
cigsgp3 1{:5, 2:6-15, 3:16+
agegp3 1d:37god, 2:38-50god,
3:51+ godina
probsleeprec 0:ne, "l:da
 Preporudena
literatura

Ovo su neki od dlanakai knjiga koji su mi bili najkorisniji u istraZivaniui

nastavi.TraLitenova izdanjanavedenihnaslovalmnogi se aiuriraju svakih
nekolikogodina.Razvrstalasamih po temama,madaje u mnogimaobrade-
no viSetema.Naslovi koje najviSepreporudujemoznadenisu zvezdicom.
Proj ektovanie istraiiv ania
Bowling, A. (1997). Researchmethods in health: Inuestigatingbealth and
health seruices.Buckingham:Open University Press.
"'Boyce,J. (2003).Market researchin practice.Boston:McGraw-Hill.
"Cone, J., & Foster,S. (1993). Dissertationsand thesesfrom start to finish.
'$Tashington:
American PsychologicalAssociation.
Goodwin, C.I. Q007). Researchin psycbology:Methods and design(Sth
edn).New York: John \filey.
Polgar,S.,Thomas,S.A. (2000).Introduction to researcbin the healthsci-
ences(4th edn).Edinburgh:Churchill Livingstone.
Stangor,C. (2006).Researcbmethodsfor the behauioralsciences (3rd edn).
Boston: Houghton Mifflin.
Projektovanjeupitnika
in socialresearch(5th edn).Crows Nest:Al-
"De Vaus,D.A. (2002). Swrueys
len & Unwin.
Izbor i konstrukciia mernih skala
Dawis, R. V. (1987).Scaleconstruction. Jowrnalof CounselingPsychology,
34,481489.
DeVellis, R. F. (2003). Scale deuelopment:Tbeory and applications (2nd
edn).ThousandOaks, California:Sage.
Gable,R. K., &'Wolf, M. B. (1,993).Instrument deuelopmentin the affectiue
domain: Measuringattitudesand ualuesin corporateand scbool settings'
Boston:Kluwer Academic.
Kline, P. (1986).A handbookof test construction New York: Methuen.
'Wrightsman,
Robinson,J. P.,Shaver,P.R., 6a L. S. (Eds).Measuresof perso'
nality and socialpsychologicalattitudes.Hillsdale, NJ: AcademicPress.
 Preporudenaliteratura

"'srreiner,D. L., & Norman, G. R. (2003). Healtb measurcmentscales:

practical guide to their deuelopmentand use (3rd edn). oxford: oxfoJ
UniversityPress.
A
Bibliografija
Osnovi statistike
cooper, D. R., & schindler,p. S. (2003). Businessresearchmethods(gth
edn).Boston:McGraw-Hill.
Everirt, B. s. (7996). Making senseof statisticsin psychology:A secondleuel
course.Oxford: Oxford Universitypress.
"'cravetrer,F.J., & wallnau, L.B. (20071.statisticsfor the bebat,ioralsci_
ences(7th edn).Belmonr,CA: Wadsworth.
Norman, G. R., & Streiner,D. L. (2000). Biostatistics: The bare essentials
(2nd edn).Hamilton:B.C. DeckerInc.
Pagano,R. R. (1998). understanding statistics in the behauioral sciences Aiken, L.S. & West,S.G. (1991,).Multiple regression:Testingand interpre-
(5th edn).PacificGrove,CA: Brooks/Cole. ting interactiozs.Newbury Park, CA: Sage.
{-Peat, Association(2001).Publicationmanwal(5th edn).
J. Q001). Health scienceresettrcb:A handbook of qrantitatiuente_ AmericzrnPsychologic:rl
thods.Sydney:Allen & Unwin. Washington:AmericanPsychological Association.
Raymondo, J. C. (1999). Statisticalttnalysisin the behauioralsciences.Bo- Bartlett, M.S. (1954). A note on the multiplying factors for various chi
ston: Mccraw- Hill College. sqrrareapproximations.lournal of the RoyalStatisticalSociety,l5(Series
Runyon, R. P.,Colem"r: A., & pittenger,D. J. (2000). Fundamentalsof B),296-8.
I.
behauioralstatistics(9th edn).BostoniMcGraw_Hill. Berry, W'.D.(1,993).Understandingregressionassumptiozs.Newbury Park,
smitlrson,M. (2000). statisticswitb confidence.London:sage. CA: Sage.
Napredni kurs statistike Bowling, A. (1997). Researchmethods in health: Inuestigatinghealtb and
Hair, J. F., Black, V. C., Babin, 8.J., Anderson,R. E. & Ththam, bealth seruices.Buckingham:Open University Press.
R. L. -
(2006)' Multiuarittte data analvsis (6th edn). upper saddle (2001). Measwringdisease(2nd edn). Buckingham:Open University
River, NJ:
PearsonEducation. Press.
stevens,J. Q996). Applied multiuariatestatistics tbe socialsciences - (20041.Measuringhealth:A reuiew of quality of life measurementsca-
for (3rd
edn).Mahwah, NJ: LawrenceErlbaurn. /es.Buckingham:Open UniversityPress.
'-Tabachnick, Boyce,J. (2003).Market researchin practice.Boston:McGraw-Hill.
B. G., & Fidell,L. s. (2007). IJsingmultiuariatestatistics(Sth
edn).Boston:PearsonEducation. Briggs,S.R. 6. Cheek,J.M. (1986). The role of factor analysisin the de-
Pripremaizveitajao istraZivaniu velopment:rnd evaluationof personalityscales.!ournal of Personality,
AT::i.."I Psychological -54,10648.
Association(200r ). publicationManttal (5th edn).
ril/ashington: Catell,R.B. (1966).The screetestfor numberof factors.MuhiuariateBeha-
American psychologiczrl Association.
Mclnerney D.M. (2001). publisbingyour psycborogy uioral Researcb,1. 245-7 6.
researcl2.
crows Nesr: Choi, N., Fuqua,D. 6. N. Griffin, B.X7.(2001).Exploratoryanalysisof the
Allen & Unwin.
Tho.nras,s.A. (2000). How to turite health sciencespapers, structureof scoresfrom the multidimensionalscalesof perceivedself ef-
dissertationsand ficacy.Educationaltmd PsychologicalMeasurement,6'L,47 5-89.
theses.Edinburgli:Churchill Livinqstone.
Cohen, J. \f. (198S). Statisticalpower analysisfor the behauioralsciences
(2nd edn).Hillsdale,NJ: LawrenceErlbaum Associates.
Cohen,J. & Cohen,P. (1983).Applied mtiltiple regression/correlation ana-
lysisfor the behauinralsciences(2nd edn).New York: Erlbaum.
Cohen,S.,Kamarck,T. & Mermelstein.R. (19U3).A global measureof per-
ceivedstress.Jcturnalof Hectlthand SocialBehauior,24,385-96'
Cone,J. & Foster,S. (1993).Dissertationsand tbesesfrom start to finisb.
\Tashington:AmericanPsychological Associ:rtion.
340 Bibliografija
Cooper,D.R. & Schindler,P.S.(2003).Businessresearchmethods(8th edn).
Boston:McGraw-Hill.
Cox, J.L., Holden,J.M., Sagovsky, R. (1987).Detecion of postnataldepres-
sion. Developntentof the 1O-itemEdinburghPostnatalDepressionScale.
Br I Psychiatry,150,782-6.
Crowne,D.P. & Marlowe, D. (1960).A new scaleof socialdesirabilityin-
dependentof psychopathology. Jowrnal of ConsuhingPsycbolog!,24,
349-54.
Daniel, \7. (1990). Applied nonparametric statistics(2nd edn). Iloston:
P'WS-Kent.
Dawis, R.V. (1987).Scaleconstruction.Journal of CownselingPsychology,
34, 481.-9.
De Vaus,D.A. (2002). Surueysin socialresearch(5th edn).Crows Nest:Al-
len 6c Unwin.
DeVellis,R.F. (2003). Scaledeuelopment:Theory and applications(2nd
edn).ThousandOaks, California:Sage.
Diener,E., Emmons,R.A., Larson,R.J. & Griffin, S. (1985).The Satisfac-
tion with Life scale.Journal of PersonalityAssessment, 49,71-6.
Everitt,B.S.(1996).Mal<ingsenseof statisticsin psychology:A secondleuel
course.Oxford: Oxford UniversityPress.
Fox, J. [99I). Regressiondiagnostics.Newbury Park, CA: Sage.
Gable,R.K. & Wolf, M.B. (1,993).Instrumentdeuelopmentin the affectiue
domain: Measuringdttitudesand ualuesin corporateand school settings.
Boston:Kluwer Academic.
Glass,G.V.,Peckham,P.D.& Sanders, J.R. (1972).Consequences of failure
to meetthe assumptionsunderlyingthe useof analysisof varianceand co-
variance.Reuiewof EducationalResearch,42, 237-88.
Goodwin, C.J. Q007). Researcbin psychology:Methods and design(5th
edn).New York: John Wiley.
(lorsuch,R.L. (1983).Factoranalysis.Hillsdale,NJ: Erlbaum.
cravetter, F.J.sa wallnau, L.B. (2004). statisticsfor the behauioralsciences
(6th edn).Belmont,CA: Vadsworth.
Greene,J. & d'oliveira, M. (1999).Learning to usestatisticaltestsin psy-
chology(2nd edn).Buckingham:Open UniversityPress.
Hair,J.E, Black,'W.C., Babin,B.J.,Anderson,R.E. & Tatham,R.L. (2006).
Multiuariate data analysis (6th edn). Upper Saddle River, NJ: pearson
Edr-rcation.
Harris,R.J.(1994).ANovA: An analysisof uariance pea-
primer.Irasca,Ill:
cock.
Hayes, N. (2000). Doittg psychologicalresearch:Gathering and analysing
data. Buckitrgham:Open University press.
Horn, J.L. (1965).A rationaleand test for the number of factorsin factor
ka, 3 0, 17c)-BS.
analysis.P sych <tmett'i
Bibliiografrja 341
Hosmer, D.\7. & Lemeshow,S. (2000). Applied logistic regression.New
York:'Wiley.
Hubbard, R. & Allen, S.J.(1987).An empiricalcomparisonof alternative
methodsfor principal componentextraction.Journal of BttsinessRese-
arcb.15.173-90.
Kaiser,H. (1970).A secondgenerartion Little Jiffy. Psycbometrika,
3 5, 401-
15.
- (1974).An index of factoritrlsimplicity.Psychometrika,39,31-6.
Keppel,G. & Zedeck,S. (1989). Data analysisfor researchdesigns:Analysis
of uarianceand multiple regressiort/correlatkmapproacbes.New York:
Freeman.
- (2004).Designand analysis:a researcber's handbook \4th edn).New
York: PrenticeHall.
Kline, P. (1986).A handbookof testconstruction New York: Methuen.
Klirre, T.J.B. (2005). Psychologicaltesting: A practical al)proach to design
and eualuatioz.ThousandOaks: Sage.
Lovibond, S.H. E Lovibond,P.F.(1995).Manual for the DeltressionAnxie-
ty StressScales(2nd edn).Sydney:PsychologyFoundationof Australia.
Norman, G.R. & Streiner,D.L. (2000). Biostatistics: Tbe bare essentials
(2nd edn).Hamilton: B.C. DeckerInc.
Nunnally,J.O. (1978).Psychometrictbeory.New York: McGraw-Hill.
Pagano, R.R. (1998). Understandingstatistics in tbe behauioral sciences
(5th edn).PacificGrove,CA: Brooks/Cole.
Pallant,J. (2000).Developmentand validationof a scaleto measurepercei-
ved control of internal states.Journal of PersonalityAssessment,75,2,
308-37.
Pavot,'W.,Diener,8., Colvin, C.R. & Sandvik,E. (199I). Furthervalidationof
the Satisfactionwith Life scale:Evidencefor the crossmethodconvergence
of wellbeingmeasures. Journal of PersonalityAssessment, 57,149-61'.
Pearlin,L. EcSchooler,C. (1978).The structureof coping.!owrnal of Health
and SocialBehauior,19,2-21.
Peat,J. (2001). Healtb scienceresearch:A handbook of quantitatiueme-
thods.Sydney:Allen 6c Unwin.
Pett, M.A., Lackey,N.R. & Sullivan,J.J. (2003). Making senseof factor
analysis:the use of factor analysisfor instrument deuelopmentin health
careresearcl2. ThousandOaks: Sage.
Raymondo, J.C. (1999). Statisticalanalysisin the behauioralsciences.Bo-
ston: McGraw-Hill College.
Robinson,J.P.,Shaver,P.R.6a Wrightsman,L.S.(eds).Measuresof ltersona-
lity and socialpsychologicalattitudes.Hillsdale,NJ: AcademicPress.
Rosenberg,M. (1965). Sctcietyand the adolescentself-image.Princeton'NJ:
PrincetonUniversityPress.
 Bibliografija

Runyon,R.P.,Coleman,K.A. & Pittenger,D.J. (2000).Fundamentals of Be- SpisakterminakoriScenihu kniizi

hauioralStatistics(9th edn).Boston:McGraw-Hill.
ANOVA repeated oznaka tipa file extension
Scheier,M.F. 8a Carver,C.S. (1985). Optimism, coping and health:An as- ponovljenih datoteke
medsures
sessmentand implicationsof generalizedoutcomeexpectancies. Health merenla ANOYA posrepeno stepwise
Psychology,4, 21.9-47. asimetriia skewness pravougaoni box plot
Scheier,M.F., Carver,C.S. 6c Bridges,M.W. (1994). Distinguishingopti- dijagram, grafikon grapb, chart, plc.tt dijagram,kutijasti
mism from neuroticism(and trait anxiety,self-mastery, and self-esteem): dijagram rasturania scatterPlot dijagram
A re-evaluationof the Life Orientation Test.lournal of Personalityand druitveno poZeljan socially desirable probni pilot
SocialPsychology,57, 6, 1.063-78. odgovor response promenljiva uariable
dvofaktorska two-way proradunskatabela spreadsheet
Siegel,S. & Castellan,N. (1988). Nonparametricstatisticsfor tbe beha-
analizavariianse ANOVA remetiladka confounding
uioral sciences(2nd edn).New York: McGraw-Hill. promenljiva
faktorska teZina factor loading uariable
Smithson,M. (2000).Statisticswith confidence.London:Sage. grafikon, dijagram graph, chart, plot redifrovanje recoding
Stangor,C. (2006). Researchmethodsfor the behauioralsciences(3rd ed). izdvajanje faktora factor extraction sludaj case
Boston:Houghton Mifflin. izveden pxuot srednjavrednost mecln
Stevens,J. 0,996). Applied mubiuariate statisticsfor the social sciences(3rd jednofaktorska one-way ANOVA srednjavrednost mean inter-item
edn).Mahwah, NJ: LawrenceErlbaum. analiza varijanse korelacijeizmedu correlation
Stober,J. (1998).The Frost multidimensionalperfectionismscalerevisited: karakteristidna eigenualue stavki
more perfect with four (insteadof six) dimensions.Personalityand Indi- vrednost standardno standard
uidual D ifferences,24, 481.-91.. kombinovana mixed between- odstupanje, deuiation
analiza varijanse -within subjects standardna
Stralran,R. & Gerbasi,K. (1.972).Short,homogeneous versionof the Mar-
ANOYA devijacija
lowe-Crowne Social Desirability Scale.lournal of Clinical Psychology, stepenslobode degree of
kutijasti dijagram, box plot
28,191-3. pravougaoni freedom, df
Streiner,D.L. & Norman, G.R. (2003). Heahb measurement scales:A prac- dijagram stubidasti dijagram bar graPh
tical guide to their deuelopment and use (3rd edn). Oxford: Oxford Uni- kvadratni koren squdre root Sifarnik codebook
versityPress. linijski dijagram line grapb t-test nezavisnih indeDendent-
Tabachnick,B.G. & Fidell, L.S. (2007). tJsingmubiuariatestatistics(5th multivarijaciona multiuariate uzoraka -samplest-test
edn).Boston:PearsonEducation. analiza varijanse analysis of trakasti dijagram bar graPh
Thurstone,L.L. (1947). Mwltiple factor analysis.Chicago: University of uariance, ukupan rezultat total score
MANOVA upareni subjekti matched Pairs
ChicagoPress.
naknadni test post-hctctest uticajinterakcije interactioneffect
Watkins, M.\f. (2000). Monte Carlo PCA for parallel analysis [computer
netipiina taika outlier velidina uticaja effect size
softwarel.StateCollege,PA: Ed 6c PsychAssociates. odredenost specificity
'Watson, zapisniika datoteka iournal
D., Clark, L.A. & Tellegen,A. (1988).Developmentand validation osetljivost sensitiuity zbir kvadrata sum of squares
of brief measuresof positive and negativeaffect: the PANAS scales.lour-
nal of Personalityand SocialPsychology,54,1.063-70.
'Wright,
R.E. (1995) Logistic regression.In L.G. Grimm & P. R. Yarnold
(eds). Reading and wnderstandingmwltiuariate statistics.'Washington,
DC: AmericanPsychological Association.Chapter7.
Zwick, !7.R. & Velicer,\7.F. (1986). Comparisonof five rulesfor determi-
ning the number of componentsto retain. PsychologicalBulletin, 99,
432-42.
 Indeks

Napomena: imena SPPSprocedura i okvira iiSienje podataka, 45-.52

za dijalog ispisanasu podebliano
Data Editor, prozor, 18
't naltztt glavnih komponenara (PCA), Data Reduction, 187
181-183 datoteke s podacima
analiza kovarijanse, 107, 11,7,29 5-316 koriSiene u primerima, 317-335
analiz.avarijanse modifikovanje, 36
dvofaktorska razliditih grupa,'107, otvaranje, 16
261-268 pravljenje,2742
jednofaktorska ponovljenih merenja. s n i m a n i e ,1 6
254-259 definisanjepromenljivih, 3 1-35
jednofakrorskarazliiitih grupa, | 1-5, delimiina korelacija, 704, L1,4,l2I, 129,
246-254 146-148
kombinovana (ponovljenihmerenja delimiini eta kvadrar. Videti velittna
razliiitih grupa), I07, tI6, uticaia
271.-279 dliagrami,6T-82
multivarijaciona, 1.07,117, 28 1.-294 prevoia,792
pretpostavke,205-207 rasturanja, 74-77
ANCOVA. Videti analiza kovarijanse sredniih vrednosti,250
ANOVA. Videti analita varijrnse DirectOblimin, 185, 188
asimetrijaraspoclelc,5[], 50 diskriminacionaanaliza, 105
diskriminacionavalidnost, 7
Bartletov test sferidnostl,183, 187, 19| dorada diiagrama, 79-80
beta (standardizovaniregresioni) dorada podataka, 83-96
koeficijenti, 161-162, 164 duia opisna inrena pronrenljivih,33
bibliografija, 339-342 dvofaktorska analiza varijanse, 706-107,
binarna logistic:karegresija,169-1 80 116,261-269
Boksov test jednakostimatnca
kovarijanse,273, 277, 288,29'l eta kvudrat. Videri veliiirra uricaja
Bonferonijevoprilagodenje,208, 231, Excel datoteke, konverzija u format
)\A )R) )q') SPSS-a,36-39
exp(B) kolidnici verovatnodeprediktora,
Chart Editor,prozor,20,79-80 173,178-179
C-lassi fication,tabela,| 77 experim3ED.sav,31 8, 327-328
CompareMcans,226,236, 240,247, 252 Explore, 60-62
Compute,87-89
Correlare,133,146 Factor, 187
( l o x & S n c lR
l Square { p s c u d o p o k r z r r c l j fakror
v c l r i r n cr r r a k v e d r a t ) , 1 7 7 i z d v a j a n j e 1, 8 3 - j U 4
346 lndeks
rktorska analiza
potvrdna, 181
istraZivaika. 10-5,121,L81-202
i, koeficiicnt,220-221
ormat odgov<lra,8-10
r r c q u c n c i e s4,6 , 5 6 , 9 1
:ridmanov test,23 1-233
.-lcneralLincar Model , L04, 252-25 5 '
2 6 3 , 2 73 , 2 8 9 , . 1 0 3 ,- 1 0 - 53,1 0
qreika I v rsre' 207-208, 24 5, 281-282,
293
;reika II vrste, 207-208
Help,mcni, 21,23-24
hi-kvadrat tcst kvalitcta podudaranja,
215-217
lri-kvadrattcst nczavisnosti,1 12, 217-221
tristograrn,52,68-69
homogenostmatrlca
varijanse-kovari jansc,28-3,288,
29',|
homogcnostregresije,283, 2U8
homogenostrcgresionihnagiba, 298,
303-304
homogenostvarijansc,126, I29, I52, 159,
206,249,266,277,297
Hosmer-Lemeshow,pokazateli kvaliteta
podudaranja, 176-177
imena promenljivih 12-13, 32, 38
ispravljanjegreSakau datotecis podacima,
49-51
izbor odgiovarajuiihmernih skala, -5-7
izbor prikladnih statistiikih tehnika,
103-120
izborpromenljiv
th,22-23
izmena SPSS-ovihopciia, 28-29
izraiunavanjeukupnih rezultata,84-88
jednofaktorskiranalizir varijanse,106, 1 15,
245-260
Kajzer-Mcjer-Olkinovpokazatelj
a d e k v a t n o s tui z o r k a , 1 8 3 , 1 8 7 , 1 9 1
Kajzerov kriterijurn, 184, I92
k n n o n s k ak o r c l a c i l a ,1 0 5
kapa, mera slaganja,221-223
karakteristic=ne vredn<>sti.
192-194
kategorijskepromcnljive, I 09
karuzalnost,123-124
KMO. Vi deti Kaizer-Mejer-Olkinov
pokazateljadekvatnostiuzorka
koeficijentdetcrminacije,1 3.5-l 36
koeficijentikontrasra tj. porcdcniagrupa'
252-254
Koenov pokazatelj d, 209, 238
kolidr-rikverovatnoie, 17 8-1.79
Kolmogorov-Smirnov,test za verifikaciju
ncpararnetarskihhipotcza,62
kombinovana analizavariianse,107, 1,16,
271-279
konvcrgentnavalidnost, 7
k o r c l a c i j a ,1 0 4 , 1 1 3 - 1 1 4 , 1 2 2 - 1 2 7 ,
r29-r48
korclacioni koeficijcnti
izmedu grupa promenllivih, 137-139
porederrjadve grupe, 1-i9-140
korigovana ki>relacijastavke i ukupnog
rezultata,100
korigovano R kvadrat, 161
k o s a r o t a c i j a ,1 8 5
kovarijati, 288, 29 6-298
Kramerov pokazateliV, 221
kriterijum diiagrama prevoia, 184
Kronbahov koeficijent alfa, 6, 97-l0l
Kruskal-Volisov test, 229-231
l:rmbda. Videti Y tlksov lambda
l-evencovtest, 206, 237-238, 249,
26 5-266, 277, 29 1-292, 307, 31.4
lincarna korelacija, 129
linearnost,126, 130, 1 52, I59. 187, 283,
286,298,300-30r
linijski di;agrami. 7 1-7 4
logistiika rcgrcsija, 1,21-122, 169-1 80
Mahalanobisovaudaljer.rost,
284-286
rnaksimalnirezultati, 48
Man-Vitrrijev U test, 224-226
M A N O V A . V r d c r im u l t i v e r i i e c i o n a
analiz:rvarijansc
m e d i j a n a ,5 7 - 5 8
minimalni rezultati, 4tl
r.noi testa, 4, 207-201), 29 5, 298
modifikovanje datotcke s podacima,-36
Moklijcv test sferiinosti, 257, 277
multikolincarnost i singularnost,1-51,
1 . 5 8 - 15 9 , 1 . 7 0 ,1 7 2 , 2 8 3 , 2 8 8 , 2 9 7
Multiplc Comparisons,tabeh rczultata,
1 84, 188, 249-250,267
multivarijacionaanaliza varij:rnse,107,
1'17,281-294
rnultivariiacionanormalnost, 284
NagelkerkeR Square(pseudopokazatelj
_ vrednosti r na kvadrat), I 77
r.raknadni(post-hoc)tesrovi, i06,
. 208-209, 23.t, 233, 246_257, 267
ncdostaiuip i o d a c i ,5 9 , 8 7 , 1 2 6 - 1 2 7 , I 3 4 ,
210-2r1
nepararnetarskestatistidke tehnike, g9,
't
71,_112,213_234
rreprekidnepromenljive,57, lO9
netipidnetaike, 4.5,S -J,62, 79, 123, 132,
7sz, 1 s9_160, 170. 187, 284, 286
nezavisnapromenljiva, 109
nezavisniuzorci, t-fest,235-239
nezavrsnostopservacija,125, 205-206
Normal Q-Q, dijagram normalne
verovatnoce, 52
normalna raspodela,62, 89, 206
obrtanje negativnoformulisanih stavki,
85_86
ogranidenopseg rezultata,12.3
okviri za drjalog, 22-23
Omnibus Tests of Model Coefficients,
zbirni pokazateljikvaliteta
koeficijenata mod,ela,776
one-way ANOVA, 247,252
opcije SPSS-a, 28-31
opisni statistiiki pokazatelji, 49, S5-66
ortogonalna rotacija, l8-i
osetliivosri odredenosr,172, ,t77,223
otvaraniepostojeie datoteke s podacima,
76-17
otvorena pitanja, 8-9,'l 3-I4
1.59-l 60, paralelna analiz,a,184, 192-193
parametarske tehnike, 891,1,1 1-112,
203_206,2t3
Pirsonovkoeficijentlinearnekorclacije,
1.04, 1.21,- 127, 129_144
PivotThbleEditor,20
planiranaporedenja, 208-209,245,
25I_2.t4
podeladatotekes podacimana grupc,41
podelancprekidne promenljive u grupe,
92-93
pokretanjeSPSS-a, 1-5
poludelinriinikoeficijentikorelacije,
poredcnje korelacionih koeficijenata
g r u p e ,1 3 9 - 1 4 0
pouzclancrst, 6-7, 97-101
pravljenjedatoteke s poclacima,t/-{?
pravljenjenove (praznc)datoteke za
podatkc, lT
Indeks 347
pravougaoni dijagrami, 77-7 9
prerneitaniepostojeiih pronrcnljivih, 37
priprema upitnika, 7-10
projektovanjestudije, 3-10
pronalaZenjegreiaka u datoreci
s podacima, 49-51
R kvadrat, 161-162, 166-167
Recode, 85, 94-9-5
r e n r e r i h i k ep r o r n e n l j i v e5, , 1 4 5
RepearedMeasures,27.)
rezidua_li (odstupanja,greike), 152,
159_l5r
saiet prikaz sludajeva,51
SelectCases,41-42
skupovi, 42
sleep3EI).saq3 18-3 19, 332-334
sninranjedatoteke s podacima, 16
snimanjerezultata, 18-19
Sort Cases,40
sortiraniedatoteke s podacima,40
spajanjedatoteka, 39-40
Spirmanova korelacija ranga, 125, 129,
r J.)
Split File, 41
spljoitenost raspodele, 58
SPSS-oviprozori, lT
sredny'avrednost, 57-58
srednja vrednosr izratunata bez gornjih i
donjih .5% sluiajeva (Trimmed
Meanl,61-62
Staffsurvey3ED.sav,3 19, 329-331
standardizovanikoeficijenti regresiie,161
standardno odsrupanje, .1.5-58
strukturno modelovanje,10.5
stu biiasri dijagr ami, 69-7 I
survey3ED.sa v, 3 17-3 1.8, 320-326
Syntax Editor,20-21
Sefeovtest, 209
Sifarnik, 11-74, 322-323, 332-3 34
Sifrovanjeodgovora, 13
itampanje rezultata, l9-20
t-te:^tovi, 106, 23 5-244
162 nezavisnihuzoraka, 235-239
dve pretpostavke, 205-207
uparenih uz.oraka.239-243
Tolerance,pokazatelj,158, 170
Transform, 8-t, 87-89, 92
transformacijapodataka, gg_91
rranstornracqapromcnljivih, g3_9.5
348 lndeks
traZenjcgreiaka u datotcci s podacima,
4649
Tukejev test zaista znaiaine razliiitosti
(HSD),209,247
uklanjanjc jednog sluiaja, 36
uklanjanjepromenliive, 37
umetanjepromenliivc, 37
umetanjesluiaja, 37
unoienje podataka, 35
uno5enjepodataka u Excclu' 36-39
unutralnja sagiasnost,6-7, 97, 101
upareni uzorci, t-test, 1 15, 239-243
uticaji interak clic, 261', 266
uvoz dijagrama u Wordove dokumente,
80-8 1
validnost, 5, 7
validnost konstrukta, 7
validnost kriterijuma, 7
validnost sadrLaja,T
Variable Vieq 31-32
Varimax rotacija, 185, 198-199
velidina uticaia
dvofaktorska analiza v arlianse,267
jednofaktorska analizavarijansc
razliiitih grupa, 250
jcdnofaktorsk a analiza vari janse
ponovljenih merenia,2.59
multivarijacionaanalizavarijanse,293
neparametarskestatistiikctehnike,220,
, 295
226, 228,231.
t-test nezavisnih uzoraka, 238-239
t-test uparenih uzoraka, 242
uvod,209-2'1.0
Vicwer, prozor, 1,7-18
Vilkoksonov test ranga, 227-228
Vilksov lambda, 258, 277
Visual Bir.rning,opcija, podela neprekidne
promenljive na gr:upe,92-93
viSestrukaregresija,104, 11'4,1'2'l',
r49-\68
hijerarhijska,
1'50,'l'63-1'67
p o s t e p e n a1, 5 0 - 1 5 1
standardna,150, 1-54-163
vremenska stabilnost (pouzdanost) skale, 6
vrste promenljivih (atribut Typel, 32
Web lokacija, ix
zasebnui t i c a i i ,1 0 7 , 2 6 1 , 2 6 6 , 2 7 3 , 2 7 8 ,
31.4-31.5
zatvaranjeSPSS-a, 23
znadajnost,praktiina u odnosu na
statistiiku, 124