ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ

Εργαστήριο Βιομηχανικής και Ενεργειακής Οικονομίας

(ΕΒΕΟ/ΕΜΠ)
ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ - ΤΟΜΕΑΣ ΙΙ

ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ
ΣΧΕΔΙΑΣΜΟΣ ΠΕΙΡΑΜΑΤΩΝ ΓΙΑ ΜΗΧΑΝΙΚΟΥΣ
Άγγελος Τσακανίκας
Αναπληρωτής Καθηγητής ΕΜΠ
atsaka@central.ntua.gr
Εισαγωγή στη μεθοδολογία έρευνας

2022-2023
Ένας ορισμός για τη Στατιστική
Αναπτύσσει και προσφέρει μεθόδους
✓ Συλλογής
✓ Ταξινόμησης
✓ Επεξεργασίας
✓ Παρουσίασης και
✓ Ανάλυσης Πληροφοριών
Με σκοπό: εξαγωγή συμπερασμάτων και
λήψη κάποιας απόφασης
2
Δύο κλάδοι Στατιστικής
ΣΤΑΤΙΣΤΙΚΗ

ΠΕΡΙΓΡΑΦΙΚΗ ΕΠΑΓΩΓΙΚΗ
Οργανώνει, συλλέγει και Βγάζει συμπεράσματα
παρουσιάζει δεδομένα με για τον πληθυσμό από
σκοπό την πληροφόρηση δεδομένα που
προέρχονται από δείγμα
 Δύο κλάδοι Στατιστικής
ΣΤΑΤΙΣΤΙΚΗ

ΠΕΡΙΓΡΑΦΙΚΗ ΕΠΑΓΩΓΙΚΗ

ΕΛΕΓΧΟΣ
Μονομεταβλητοί Πολυμεταβλητοί ΣΤΑΤΙΣΤΙΚΩΝ
πληθυσμοί πληθυσμοί ΥΠΟΘΕΣΕΩΝ
(Μελέτη ενός (Μελέτη πολλών
χαρακτηριστικού) χαρακτηριστικών) ΣΤΑΤΙΣΤΙΚΗ
ΕΚΤΙΜΗΣΗ

Εκτίμηση σε Εκτίμηση σε
σημείο διάστημα
Επαγωγική στατιστική
⚫ Μεθοδολογία εξαγωγής συμπερασμάτων σχετικών με τις ιδιότητες
ενός πληθυσμού αξιοποιώντας δείγματα
⚫ Σημειακή εκτίμηση: Εκτίμηση μιας άγνωστης παραμέτρου του
πληθυσμού από πληροφορία που λαμβάνω από συλλεχθέν δείγμα
⚫ Όμως επειδή ποτέ δεν είναι δυνατόν μια σημειακή εκτίμηση να
συμπέσει ακριβώς με την πληθυσμιακή παράμετρο, συνήθως
προσδιορίζουμε ένα διάστημα εμπιστοσύνης:
⚫ Το διάστημα εντός του οποίου αναμένεται να βρίσκεται η πληθυσμιακή
παράμετρος με κάποια δεδομένη πιθανότητα (συνήθως 90%, 95% ή 99%)
⚫ Εύρος τιμών
Επαγωγική vs Παραγωγική
(πορισματική) έρευνα

Επαγωγική: Διαμόρφωση υποθέσεων που

στοιχειοθετούν μια θεωρία.
⚫ Ποια κατεύθυνση θα ακολουθήσουμε, ποιο σχέδιο θα υιοθετήσουμε
⚫ Που θα εφαρμόσουμε τις τεχνικές; που θέλουμε να καταλήξουμε;
⚫ Ποιος είναι ο καταλληλότερος για μια θέση; Ποιος το έκανε;
⚫ Γιατί υπάρχει αυτή η συνθήκη; Γιατί αυτό και όχι κάτι άλλο
⚫ Πώς δουλεύει αυτό; Πώς γίνεται η επεξεργασία;
⚫ Ποιες είναι οι απαραίτητες παράμετροι αυτού του προβλήματος
Επαγωγική vs Παραγωγική
(πορισματική) έρευνα

Πορισματική: Η εξέταση μιας θεωρίας, κάποιων

υποθέσεων
⚫ Θα δουλέψει αυτό; Θα γίνει αποδεκτό;
⚫ Είναι αυτό μια καλή ιδέα; Είναι η καταλληλότερη τεχνική;
⚫ Άποψη: Τι γνώμη έχουν για αυτό, τι θα ψηφίσουν, πως
αισθάνονται για αυτές τις συνθήκες;
⚫ Έργο: Απέδωσε στη δουλειά του;
⚫ Εάν ακολουθήσουμε αυτές τις κινήσεις θα προκύψουν αυτά που
λέει η θεωρία;
Στατιστική Επιχειρήσεων;
Κάθε διαδικασία λήψης αποφάσεων απαιτεί την
υποστήριξη από ποσοτικά δεδομένα τα οποία
ενδεικτικά αφορούν:
⚫ Τα προϊόντα της επιχείρησης, το κόστος, τις πωλήσεις ή
τις υπηρεσίες
⚫ Τα προϊόντα, το κόστος, τις πωλήσεις ή τις υπηρεσίες
των ανταγωνιστών
⚫ Την αξιολόγηση των βιομηχανικών διαδικασιών
⚫ Τη δυναμικότητα του προσωπικού της επιχείρησης
Εφαρμογές Στατιστικής στις
Επιχειρήσεις και την Οικονομία
⚫ Η αποτύπωση ποιοτικών και ποσοτικών χαρακτηριστικών
της επιχείρησης
(Απλά περιγραφικά στατιστικά μέτρα)
⚫ Η προσπάθεια προσδιορισμού των παραγόντων οι οποίοι
επιδρούν στις πωλήσεις ή στην τιμή ενός προϊόντος ή στην
απόδοση των εργαζομένων
(Απλή ή πολλαπλή παλινδρόμηση- Συσχέτιση)
⚫ Η διαχρονική εξέλιξη των κερδών ή των πωλήσεων ή της
τιμής μίας μετοχής
(Χρονολογικές σειρές)
⚫ Η μεταβολή στην παραγωγικότητα, την απόδοση, τα κέρδη,
την τιμή, την ποσότητα
(Αριθμοδείκτες)
Στρατηγικές έρευνας

⚫ Έρευνες άποψης (opinion research)

⚫ Εμπειρικές έρευνες (empirical research)
⚫ Αρχειακές έρευνες (archival research)
⚫ Αναλυτικές έρευνες (analytical research)

Πηγή: ‘’Research Methodology & Business Decisions’’ J. W. Buckley, M.

H. Buckley, H. F. Chiang
Έρευνες άποψης
Στρατηγικές έρευνας

⚫ Καταγραφή απόψεων ατόμων

⚫ Έρευνες με ερωτηματολόγιο, exit polls,
συνεντεύξεις face to face ή τηλεφωνικές
συνεντεύξεις

⚫ Ομάδων ατόμων
⚫ Μέθοδος Delphi, brainstorming, think-tanks
Εμπειρικές Έρευνες
Στρατηγικές έρευνας

⚫ Μελέτη περίπτωσης (case study)

⚫ Μελέτη πεδίου (field research)
⚫ Μελέτη σε εργαστήριο (πείραμα)

Συμμετοχή του παρατηρητή ή και μη συμμετοχή του στο πεδίο,

στην περίπτωση. Αναπαράσταση (simulation) σε εργαστηριακή
μορφή κάποιων συνθηκών για τη μελέτη τους
Αρχειακές έρευνες
Στρατηγικές έρευνας

⚫ Χρησιμοποίηση δεδομένων σε διάφορες

μορφές.
⚫ Πρωτογενή στοιχεία (π.χ. Επίσημα αρχεία)
⚫ Δευτερογενή στοιχεία (επεξεργασμένα δεδομένα)
⚫ Φυσικά δεδομένα
Αναλυτική έρευνα
Στρατηγικές έρευνας

⚫ Ανάλυση του προβλήματος στα επιμέρους

τμήματά του και χρήση της λογικής ή άλλων
τεχνικών (μαθηματικών μοντέλων,
αλγορίθμων, ελέγχων) για τη διατύπωση των
συμπερασμάτων και την εύρεση των αιτιωδών
σχέσεων
Πείραμα
Στόχος
⚫ Εντοπισμός βέλτιστων τιμών: αριστοποίηση
μεταβλητών
⚫ Μαθηματική αποτύπωση του φαινομένου
ώστε να μην χρειάζεται να επαναλαμβάνεται
το πείραμα
Απεικόνιση λειτουργίας πειραμάτων
(Πηγή: Berthouex & Brown, 2002)
 Στόχοι & Χρησιμότητα έρευνας
Πρωταρχικοί Στόχοι Χρησιμότητα
⚫ Ανακάλυψη νέων στοιχείων ⚫ Απαντά σε ερωτήματα

⚫ Έλεγχος & δοκιμή ⚫ Επιλύει προβλήματα

⚫ Ανάλυση → προσδιορισμό ⚫ Αξιολογεί ανάγκες &

αιτίας-αιτιατού στόχους
⚫ Νέα επιστημονικά εργαλεία, ⚫ Προσδιορίζει στόχους
έννοιες, θεωρίες → επίλυση ⚫ Αναλύει τάσεις
επιστημονικών και μη θεμάτων ⚫ Περιγράφει ένα γεγονός ή
⚫ Εύρεση λύσεις για περιβάλλον
επιστημονικά ή μη (καθημερινά
και κοινωνικά) προβλήματα
Είδη έρευνας
⚫ Ποσοτική (Quantitative):
⚫ Ύπαρξη δεδομένων προς επεξεργασία
⚫ Ποιοτική (Qualitative):
⚫ Ερωτήσεις ανοικτού τύπου

⚫ Συνδυασμός
⚫ Επιχειρηματική Έρευνα
⚫ Η συστηματική και αντικειμενική διαδικασία
παραγωγής πληροφοριών → Λήψη επιχειρηματικών
αποφάσεων
 Ένα ερμηνευτικό πλαίσιο
διεξαγωγής της έρευνας

ΕΠΙΛΟΓΗ ΘΕΜΑΤΟΣ - ΟΡΙΣΜΟΣ ΕΠΙΛΟΓΗ ΔΕΙΓΜΑΤΟΣ –

ΤΟΥ ΕΡΕΥΝΗΤΙΚΟΥ ΠΡΟΒΛΗΜΑΤΟΣ ΣΥΛΛΟΓΗ ΣΤΟΙΧΕΩΝ

ΕΠΕΞΕΡΓΑΣΙΑ - ΑΝΑΛΥΣΗ
ΚΑΤΑΡΤΙΣΗ ΣΧΕΔΙΟΥ ΕΡΕΥΝΑΣ ΔΕΔΟΜΕΝΩΝ

ΕΠΙΛΟΓΗ ΜΕΘΟΔΟΥ ΣΥΛΛΟΓΗΣ ΠΑΡΟΥΣΙΑΣΗ ΕΥΡΗΜΑΤΩΝ

ΣΤΟΙΧΕΙΩΝ & ΜΕΘΟΔΩΝ ΜΕΤΡΗΣΗΣ
ΕΞΑΓΩΓΗ ΣΥΜΠΕΡΑΣΜΑΤΩΝ

Στάδιο Σχεδιασμού Στάδιο Εκτέλεσης

Επιλογή θέματος – προβλήματος:
Θεωρητικό πλαίσιο έρευνας
⚫ Βιβλιογραφική επισκόπηση; Εντοπισμός των
κρίσιμων παραγόντων που επηρεάζουν το
πρόβλημα
⚫ Εννοιολογικό πλαίσιο: Αιτιώδεις σχέσεις,
αλληλεξαρτήσεις
⚫ Διατύπωση προβλήματος. Ανάπτυξη υποθέσεων και
θεωρητικού μοντέλου
⚫ Δηλωτική: Το Α επηρεάζει θετικά το Β, υπό τη συνθήκη Γ
⚫ Μηδενική: Δεν υπάρχει σχέση του Α με το Β
⚫ Ερωτηματική: Ποια είναι η σχέση των Α και Β, υπό τη
συνθήκη Γ;
Κατάρτιση σχεδίου έρευνας:
Τυπολογίες ερευνών
1. Εξερευνητική ή διερευνητική (exploratory)
έρευνα
⚫ Ανακάλυψη, ευελιξία, προκαταρτικά στοιχεία, πιθανές υποθέσεις, κατανόηση
προβλήματος, διαμόρφωση υποθέσεων

2. Περιγραφική (descriptive) έρευνα

⚫ Ακριβής περιγραφή ειδικών χαρακτηριστικών (μεγεθών – μεταβλητών) που
συνθέτουν ένα πρόβλημα, ανίχνευση σχέσεων

3. Πειραματική - αιτιολογική έρευνα

⚫ καθορισμός σχέσης αίτιου – αιτιατού μεταξύ μεταβλητών, επίδραση ανεξάρτητων
μεταβλητών στις εξαρτημένες
Είδη υποθέσεων
⚫ Με κατεύθυνση:
⚫ Όσο πιο μεγάλο είναι το ποσοστό των αποφοίτων
πανεπιστημίου σε μια επιχείρηση, τόσο πιο
αποτελεσματική στην τεχνολογική έρευνα είναι
⚫ Χωρίς κατεύθυνση:
⚫ Υπάρχει σχέση ποιότητας ανθρώπινου δυναμικού
και βαθμού αποτελεσματικότητας στην
τεχνολογική έρευνα
Επιλογή α) μεθόδων συλλογής
στοιχείων και β) μεθόδων μέτρησης

α1: Πρωτογενή στοιχεία

α2: Δευτερογενή στοιχεία

β1: Ερωτηματολόγιο β2: Case studies

β3: Πείραμα β4: Παρατήρηση

Υποδομές, Κόστος, Χρόνος, Χρονική στιγμή

Ορισμοί - Βασικές Έννοιες
⚫ Πληθυσμός (Population): Το σύνολο των εξεταζόμενων
στοιχείων.
⚫ Άπειρος (infinite population): άπειρο πλήθος στοιχείων
⚫ Πεπερασμένος (finite population): ορισμένο και αριθμήσιμο πλήθος
στοιχείων.
⚫ Δείγμα (Sample): Υποσύνολο του πληθυσμού.
⚫ Πείραμα (Experiment): Σχεδιασμένη ενέργεια →
Δημιουργία συνόλου δεδομένων.
⚫ Παράμετρος (Parameter): Αριθμητική τιμή
(Χαρακτηριστικό).
⚫ Στατιστικό (Statistic): Αριθμητική τιμή σχετική με το
δείγμα.
Δεδομένα
Αριθμοί, λέξεις ή και σύμβολα
⚫ Δευτερογενή δεδομένα: Αυτά που υπάρχουν ήδη σε κάποια
μορφή
⚫ Δευτερογενής επεξεργασία.
⚫ Πρωτογενή δεδομένα (raw data): Αυτά δεν υπάρχουν σε καμία
μορφή, αλλά συλλέγονται για πρώτη φορά σε αυτή τη μορφή
⚫ Δεδομένα αποκτώνται με τη συλλογή των μετρήσεων κάθε
μεταβλητής και μπορεί να είναι.
⚫ Παρατηρήσεις (observations): Κάθε μέτρηση, κάθε μεταβλητής
⚫ Άτομο-Στοιχείο (Individual- Element): Η μονάδα βάσεως.
⚫ Μεταβλητή: Ένα χαρακτηριστικό ή μια ιδιότητα
⚫ Μπορεί να μεταβάλλεται ή

⚫ Να παίρνει διαφορετικές τιμές σε διαφορετικές καταστάσεις.

Ποσοτικά και ποιοτικά
δεδομένα
⚫ Ποιοτικά δεδομένα: δεν επιδέχονται μέτρηση, όπως για
παράδειγμα το επίπεδο της μόρφωσης, το φύλο, το χρώμα των
ματιών, κλπ.,
⚫ Σε ονομαστικές κατηγορίες (nominal data), όπως για παράδειγμα
το φύλο, ή σαν ταξινομημένες κατηγορίες (ordinal data), όπως
για παράδειγμα η κατάταξη σε ένα αγώνισμα

⚫ Ποσοτικά αυτά που μπορούν να μετρηθούν µε τη βοήθεια

κάποιας κλίμακας, όπως για παράδειγμα το βάρος, το ύψος, ο
βαθμός επίδοσης σε κάποιες εξετάσεις, κλπ.
⚫ Συνεχή (continuous), δεδομένα όπως για παράδειγμα ο χρόνος
επίλυσης ενός γρίφου και διακριτά (discrete) δεδομένα , όπως
για παράδειγμα ο αριθμός των παιδιών που έχει µία οικογένεια.
Μέθοδοι μέτρησης:
Λειτουργικοποίηση εννοιών
⚫ Μετατροπή εννοιών σε μεταβλητές
⚫ Προσδιοριστικές μεταβλητές που
περιγράφουν (μετρούν) την έννοια
⚫ Πόσες μεταβλητές;
⚫ Αξιόπιστες; (ίδια αποτελέσματα σε ίδιες συνθήκες)
⚫ Έγκυρες;(σωστά αποτελέσματα;)
⚫ Εξαρτημένες, ανεξάρτητες και μεσολαβητικές
μεταβλητές
Η Έννοια της Μέτρησης (1/2)
⚫ Χρήση ‘’αριθμών’’ για την περιγραφή
χαρακτηριστικών των αντικειμένων έρευνας
ώστε να αντικατοπτρίζονται οι ιδιότητές τους:
Χαρτογράφηση κάποιων ιδιοτήτων
⚫ Μετράμε τις ιδιότητες κάποιων αντικειμένων και
όχι τα αντικείμενα αυτά καθαυτά
⚫ Οι αριθμοί αποδίδονται αρκετές φορές ως
σύμβολα: Δεν είναι απαραίτητο π.χ. να
προστίθενται
Η Έννοια της Μέτρησης (1/2)
⚫ Σύνδεση θεωρητικής έννοιας με μετρήσιμο
αποτέλεσμα:
⚫ Σας αρέσει ο κινηματογράφος;
⚫ Πόσες φορές την εβδομάδα πηγαίνεις cinema;
⚫ Αγοράζεις σχετικά περιοδικά; (πόσα, ποια)
⚫ Παρακολουθείς ταινίες τηλεοπτικά: πόσες την εβδομάδα
⚫ Νοικιάζεις DVD
⚫ Παρακολουθείς φεστιβάλ;
⚫ κτλ.
Μεταβλητές: λαμβάνουν τιμές
⚫ Ένα χαρακτηριστικό, μια ιδιότητα ενός
προσώπου, αντικειμένου ή κατάστασης, που
ερευνάται και μπορεί να μεταβάλλεται ή να
παίρνει διαφορετικές τιμές σε διαφορετικές
καταστάσεις.
⚫ Ποιοτικές: οι τιμές δεν εκφράζουν ποσότητες
(φύλο, χρώμα μαλλιών, επίδοση κτλ.)
⚫ Ποσοτικές: οι τιμές εκφράζουν ποσότητες
(ύψος, βάρος, πίεση, θερμοκρασία, επίδοση
κτλ.)
Βασικοί τύποι μεταβλητών
1. Ονομαστική ή κατηγορική (Nominal)
Ποιοτικές
2. Βαθμωτή, Τακτική, διάταξης (ordinal) μεταβλητές
Συνεχείς (continuous) ή ασυνεχείς (discrete)

3. Κλίμακα διαστήματος ή απόστασης ή

ισοδιαστημική (interval) Ποσοτικές
μεταβλητές
4. Αναλογική (ratio)
Συνεχείς (continuous) ή ασυνεχείς (discrete)
Βασικοί τύποι κλιμάκων μέτρησης:
Ονομαστική κλίμακα
⚫ Η ατελέστερη κλίμακα, προϋποθέτει μόνο την
ύπαρξη άνω των δύο κατηγοριών κατάταξης
⚫ Ταξινόμηση αντικειμένων (Ετικέτες)
⚫ Συμβολική χρήση αριθμών, δεν υπάρχει καλύτερο
ή χειρότερο

Παραδείγματα:
α) Άντρες = 1 Γυναίκες = 2
β) Χημικοί Μηχανικοί = 1 , Ηλεκτρολόγοι = 2, Πολιτικοί =
3, Αρχιτέκτονες = 4, Άλλοι = 5
 Βασικοί τύποι κλιμάκων μέτρησης:
Βαθμωτή (Τακτική) κλίμακα

⚫ Προσδιορίζει σχετικές θέσεις,

⚫ Κατατάσσει αντικείμενα, διαβαθμίζει απαντήσεις σε σχέση με
ποσότητα, με μέγεθος, κτλ.
⚫ Δεν αποδίδει το μέγεθος της διαφοράς, παρά μόνο τη σχετική
θέση: Ίσες διαφορές δεν σημαίνει ίσες αποστάσεις των
μετρούμενων χαρακτηριστικών

Παρατήρηση (item) Πωλήσεις κατάταξη

Επιχείρηση Α 10000 χλδ. € 1
Επιχείρηση Β 2000 χλδ. € 4
Επιχείρηση Γ 7000 χλδ. € 2
Επιχείρηση Δ 6000 χλδ. € 3
Βασικοί τύποι κλιμάκων μέτρησης:
Κλίμακα διαστήματος
(απόστασης)
⚫ Κατατάσσει αντικείμενα
⚫ Αποδίδει τις σχετικές θέσεις, αλλά υποδηλώνει
και αντίστοιχες διαφορές
⚫ Αξιολόγηση σημαντικότητας παραγόντων

Παρατήρηση (item) Μέση θερμοκρασία

Τρίπολη 12
Καλαμάτα 15
Σπάρτη 17
Κόρινθος 18
Δεν ισχύει όμως ότι μία περιοχή με 20 βαθμούς Κελσίου έχει διπλάσια
ζέστη από μία με 10
Βασικοί τύποι κλιμάκων μέτρησης:
Αναλογική κλίμακα

⚫ Κατατάσσει αντικείμενα
⚫ Ύπαρξη του απόλυτου μηδέν που επιτρέπει
συγκρίσεις μεταξύ αριθμών
⚫ Υπάρχει ισότητα λόγων
⚫ Άρα: Οι τιμές αντιστοιχούν αναλογικά στην
ποσότητα που μετρούν (π.χ. Ηλικία, εισόδημα)

Μόνο με αυτήν την κλίμακα μπορείς να δηλώσεις ότι το Α

είναι διπλάσιος του Β. Π.χ. ο Νίκος είναι 50 κιλά και ο
Γιώργος 100. Άρα ο Νίκος έχει τα μισά κιλά του Γιώργου
 Κλίμακες Μέτρησης: σύνοψη

⚫ Κατηγορική μεταβλητή:
Χώρα προέλευσης αθλητή Γαλλία Αυστρία Σουηδία
⚫ Βαθμωτή μεταβλητή:
Κατάταξη αθλητή 3ος 1ος 2ος
⚫ Μεταβλητή διαστήματος:
Συνολική απόδοση (0-
100) στο αγωνιστικό 75 96 92
τρίαθλο
⚫ Αναλογική μεταβλητή: 2.01.35 1.35.42 1.42.32
Επίδοση (min) στο slalom
Κλίμακες Μέτρησης: Δύο
ακόμα χαρακτηριστικά
⚫ Συνεχείς (continuous)
⚫ Για κάθε δύο τιμές της μεταβλητής μπορεί να προσδιοριστεί μία

τρίτη ενδιάμεση. Π.χ. επιδόσεις δύο αθλητών στα 100 μέτρα

(ταχύτητα).
⚫ Περιλαμβάνονται συνήθως οι ισοδιαστημικές και οι αναλογικές
κλίμακες, οι ποσοτικές δηλαδή μεταβλητές
⚫ Π.χ. θερμοκρασία (μεταξύ 80 και 81 βαθμών πόσοι βαθμοί;)
⚫ Ασυνεχείς ή Διακριτές (discrete).
⚫ Δεν υπάρχει ενδιάμεση τιμή: Π.χ. αριθμός παιδιών μιας οικογένειας,
αριθμός χρωστούμενων μαθημάτων!
⚫ Περιλαμβάνονται συνήθως οι ονομαστικές και οι βαθμωτές
κλίμακες, οι ποιοτικές δηλαδή μεταβλητές

ΑΛΛΑ: Μπορούμε εύκολα να «διακριτοποιήσουμε» κάποια

συνεχή μεταβλητή
Κλίμακες μέτρησης και
στατιστικές αναλύσεις
Κλίμακα Λειτουργία Στατιστική Ανάλυση
Περιγραφική Επαγωγική
Ονομαστική Ταξινόμηση Συχνότητες, Chi-square,
Ποσοστά Αναλογίες διωνυμικός έλεγχος
Βαθμωτή Κατάταξη Διάμεσος, μέση τιμή Correlations,
+ παραπάνω ANOVA
+ παραπάνω
Απόστασης Σύγκριση Μέσος, εύρος, μέση T-tests, factor
διαφοράς απόκλιση regressions, cluster,
αριθμών τετραγώνου + conjoint +
παραπάνω παραπάνω
Αναλογική Σύγκριση Γεωμετρικός / ΌΛΑ ΤΑ
απόλυτων αρμονικός μέσος + ΠΑΡΑΠΑΝΩ
αριθμών παραπάνω
ΑΡΑ: Η ΕΠΙΛΟΓΗ ΣΤΑΤΙΣΤΙΚΗΣ ΤΕΧΝΙΚΗΣ ΕΞΑΡΤΑΤΑΙ ΑΜΕΣΑ ΑΠΟ ΤΟ
ΕΙΔΟΣ ΤΗΣ ΜΕΤΑΒΛΗΤΗΣ
Σφάλματα κλιμάκων μέτρησης
⚫ Στόχος μέτρησης: Ακριβείς & αξιόπιστες πληροφορίες
συναφείς προς τα ερευνητικά ερωτήματα, η απάντηση να
αποδίδει αυτό που θέλουμε να μετρήσουμε:
⚫ Όπως όμως κάθε όργανο μέτρησης μπορεί να «κλέβει» στις
τιμές που εμφανίζει (π.χ. ζυγαριά)...
⚫ Έτσι και κάθε άλλη μέτρηση δύναται να περιέχει ειδικά
συστατικά / χαρακτηριστικά που μπορεί να οδηγήσουν σε
σφάλμα μέτρησης

Άρα ανάγκη περιορισμού της πιθανότητας εμφάνισης αυτών των

σφαλμάτων
Βασικά σφάλματα κλιμάκων
μέτρησης

⚫ Σταθερά (έμφυτα) χαρακτηριστικά: φύλο, μόρφωση, ευφυΐα,

εθνικότητα.
⚫ Εμφανίζονται σε κάθε μέτρηση με επαναληπτικό τρόπο
⚫ Προσωρινά χαρακτηριστικά: Κούραση, θυμός, πείνα,
συναισθηματική φόρτιση
⚫ Μπορεί να εμφανιστούν σε μία μέτρηση, αλλά όχι σε μία άλλη
⚫ Χαρακτηριστικά κατάστασης: επιρροή περιβάλλοντος (π.χ.
παρουσία προϊσταμένου σε έρευνα σε εργαζομένους για τις
συνθήκες εργασίας)
⚫ Εξαρτώνται από το περιβάλλον διεξαγωγής της έρευνας
Άλλα σφάλματα κλιμάκων
μέτρησης

⚫ Χαρακτηριστικά διαδικασίας (μεθόδου συλλογής στοιχείων)

μέτρησης: φύλο, ύφος, ντύσιμο ερευνητή, κτλ.
⚫ Άλλα σφάλματα στην τηλεφωνική, άλλα στην face to face
συνέντευξη
⚫ Χαρακτηριστικά εργαλείου μέτρησης (π.χ.
ερωτηματολογίου): Ασαφείς ή διφορούμενες ερωτήσεις, κτλ.
⚫ Χαρακτηριστικά διαδικασίας απάντησης: λάθη εκ
παραδρομής (π.χ. ψηφοδέλτια εκλογών ΗΠΑ)
⚫ Χαρακτηριστικά ανάλυσης: λάθη στη κωδικοποίηση των
στοιχείων (π.χ. 6 αντί 9, 43 αντί 34)
Προσδιορισμός σφαλμάτων
⚫ Ιδανικό: Χ0 = ΧΤ όπου ΧΤ η πραγματική μέτρηση του
χαρακτηριστικού και Χ0 η δική μας μέτρηση του
χαρακτηριστικού
Αλλά συνήθως:
Χ0 = ΧΤ + Ε, όπου Ε = συνολικό σφάλμα μέτρησης.
Θέλουμε Ε≈0
Ε = ΕR + ΕS ,όπου ΕR = τυχαίο σφάλμα (random error)
και ΕS = συστηματικό σφάλμα (systematic error)

ΣΦΑΛΜΑΤΑ ΥΠΑΡΧΟΥΝ ΑΝΕΞΑΡΤΗΤΑ ΑΠΟ ΤΗΝ ΣΑΦΗΝΕΙΑ ΤΩΝ

ΙΔΕΩΝ / ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΠΟΥ ΘΕΛΟΥΜΕ ΝΑ ΜΕΤΡΗΣΟΥΜΕ
Προσδιορισμός σφαλμάτων
⚫ Αξιοπιστία (reliability): Σταθερότητα (επαναληπτικότητα)
μέτρησης
⚫ Έκταση τυχαίου σφάλματος. Ιδανικά ΕR = 0 και άρα

Χ0 = ΧΤ + ΕS
⚫ Εγκυρότητα (validity): Έκταση στην οποία μια μέτρηση
αντιπροσωπεύει την αληθινή μέτρηση. Μετρά πραγματικά η
κλίμακα αυτά που θέλουμε να μετράει;
⚫ Σχετίζεται άρα τόσο με το τυχαίο όσο και με το συστηματικό
σφάλμα
Ιδανικά ΕR + ΕS = 0, δηλαδή Χ0 = ΧΤ

Άρα: Μια αξιόπιστη κλίμακα δεν είναι πάντα έγκυρη,

αλλά μία έγκυρη κλίμακα είναι πάντα αξιόπιστη
Αξιοπιστία μέτρησης
⚫Η ικανότητα να μετράμε κάτι συνεχώς και να λαμβάνουμε το
ίδιο αποτέλεσμα (συνέπεια – ακρίβεια μέτρησης)
⚫ Κανόνες για μια αξιόπιστη μέτρηση:

⚫ Συγκέντρωσε τα στοιχεία με τον ίδιο τρόπο για όλες

τις παρατηρήσεις (π.χ. ίδιες ερωτήσεις)
⚫ Μέτρα κάτι αρκετές φορές, π.χ. Έλεγχος -
επανέλεγχος (test-retest)
⚫ Μέτρα κάτι με διαφορετικούς τρόπους, π.χ.
διαφορετική ερώτηση στο συνολικό δείγμα, ή
χωρισμός δείγματος (π.χ. μέθοδος ημιμορίων, split-
half test)
⚫ Ανάλυση αξιοπιστίας (Cronbach’s alpha)
Εγκυρότητα μέτρησης
⚫ Η ικανότητα να μετράμε αυτό που επιδιώκουμε να μετράμε
(ορθότητα– λογικότητα μέτρησης)
⚫ Τύποι εγκυρότητας:
1. Εγκυρότητα αντιπροσώπευσης (face validity): Η κλίμακα να
αντιπροσωπεύει σε ένα λογικό πλαίσιο την έννοια που
θέλουμε να μετρήσουμε
2. Εγκυρότητα περιεχομένου (Content validity): Η κλίμακα να
καλύπτει ολόκληρο το εύρος των ερμηνειών της έννοιας
που θέλουμε να μετρήσουμε
3. Εγκυρότητα μεταβλητών (Construct validity): Η κλίμακα να
συσχετίζεται με τις θεωρητικές μεταβλητές που συνθέτουν
την έννοια που θέλουμε να μετρήσουμε
4. Convergent validity, Divergent validity, predictive validity,
κ.α
Σύγκριση αξιοπιστίας –
εγκυρότητας
Διαφορά αξιοπιστίας –
εγκυρότητας
1 Ούτε αξιόπιστο, ούτε έγκυρο
2 Αξιόπιστο αλλά όχι έγκυρο
3 Έγκυρο, αλλά όχι αξιόπιστο (‘’Βρίσκει’’
το σωστό στόχο (bulls eye!!!) αλλά όχι
συνέχεια
4 Αξιόπιστο και έγκυρο
Στάδια έρευνας
1. Επιλογή Δείγματος - Συλλογή στοιχείων
⚫ Πληθυσμός, συνεντεύξεις (προσωπικές,
τηλεφωνικές), Πηγές πρωτογενών ή
δευτερογενών δεδομένων
2. Επεξεργασία – Ανάλυση Δεδομένων
⚫ Προετοιμασία δεδομένων, πινακοποίηση αποτελεσμάτων,
επιλογή τεχνικών ανάλυσης, Βασικοί στατιστικοί έλεγχοι,
οικονομετρικές τεχνικές, Μοντελοποίηση παραμέτρων
3. Εξαγωγή Συμπερασμάτων
⚫ Γραπτή Έκθεση αποτελεσμάτων, Προφορική
Παρουσίαση, τεκμηρίωση συμπερασμάτων
Πηγές
⚫ ‘’Research Methodology & Business Decisions’’
J. W. Buckley, M. H. Buckley, H. F. Chiang
⚫ Μέθοδοι Έρευνας Αγοράς, Β. Σταθακόπουλος,
Εκδόσεις Σταμούλη
⚫ Στατιστική με SPSS, Ζαφειρόπουλος –
Μυλωνάς, Εκδόσεις Τζιόλα
⚫ Στατιστική επιχειρήσεων με εφαρμογές σε
SPSS και LISREL, Δημητριάδης, Ε.