BACĂ UNIVERSITATEA “Vasile Alecsandri” din BACĂU Facultatea de Ştiin e Economice

Analiza Analiza informa iilor utilizând SPSS
curs-suport de curs-

Manager de curs, Prof. univ. dr. Eugenia HARJA dr. Asist. univ. drd. Oana Ancu a STÂNGACIU

Editura Alma Mater a Universită ii din Bacău, 2012

Alma Mater (Universitatea din Bacău, Calea Mărăşeşti 157, 600115 Bacău)

Editura Alma Mater a Universită ii din Bacău este acreditată de CONSILIUL NA IONAL AL CERCETĂRII ŞTIIN IFICE DIN ÎNVĂ ĂMÂNTUL SUPERIOR

Referen i ştiin ifici: Prof.univ.dr. Elisabeta JABA – Universitatea “Alexandru Ioan Cuza” Iaşi Prof.univ.dr. Vergil VOINEAGU – A.S.E. Bucureşti / Preşedinte I.N.S. Bucureşti

Descrierea CIP a Bibliotecii Na ionale a României
HARJA, EUGENIA Analiza informa iilor utilizând SPSS / Eugenia Harja, Oana Ancu a Stângaciu Bacău, Alma Mater, 2012, ISBN 978 - 606 - 527 - 185 – 2

ISBN 978 - 606 - 527 - 185 – 2

CUPRINS
Pagina Capitolul 1 No iunile de bază ale aplica iei SPSS 1.1. Produsele şi modulele SPSS 1.2. Prezentarea aplica iei SPSS 1.2.1.Accesarea şi închiderea aplica iei SPSS 1.2.2. Principalele fişiere şi ferestre din SPSS 1.2.2.1. Fişierul şi fereastra Data Editor 1.2.2.2. Fişierul şi fereastra Viewer 1.2.2.3. Fereastra Pivot Table 1.2.2.4. Fereastra Chart Editor 1.2.2.5. Salvarea şi deschiderea fişierelor de date 1.2.3. Instrumentele utilizate în SPSS 1.2.3.1. Principalele pictograme din SPSS 1.2.3.2. Meniurile din SPSS Teme propuse pentru studiul individual Sistematizarea datelor în SPSS 2.1. Sistematizarea datelor 2.1.1. Prelucrarea primară a datelor 2.1.2. Gruparea datelor ob inute din observare 2.2. Introducerea şi sistematizarea datelor în SPSS 2.2.1. Introducerea datelor 2.2.1.1. Definirea metadatelor din Variable View 2.2.1.2. Introducerea datelor în Data View 2.2.2. Sistematizare şi organizarea datelor 2.2.2.1. Gruparea pe intervale a datelor 2.2.2.2. Organizarea datelor pe categorii 2.2.2.3. Selectarea datelor Temă propusă pentru studiul individual Prezentarea datelor în SPSS 3.1. Tabelele statistice 3.2. Tabelele statistice în SPSS 3.2.1. Tabelul pe grupe 3.2.2. Tabelul cu dublă intrare (Crosstabs ) 3.3. Reprezentarea grafică a datelor statistice 3.3.1. Elementele de bază ale unui grafic 3.3.2. Tipuri de grafice 5 5 9 9 11 11 12 13 14 15 17 17 18 24 25 25 25 26 28 28 28 34 35 35 38 40 44 45 45 48 48 49 51 51 52

Capitolul 2

Capitolul 3

3. Modul ( Mo ) sau dominanta 4.5.1. Indicatorii varia iei 4.1.1. Mărimi medii 4.1.1.Calcularea mediilor.1. Indicatorii medii de pozi ie 4. Cuantile 4.3.4.3.1.1. Graficul prin bare (Bar ) 3. Regula adunării dispersiilor 4.4.1.4.4. Indicatorii simpli ai varia iei 4.1.CUPRINS 3. Reprezentarea grafică în SPSS 3.4.4. Graficul Scatterplot Temă propusă pentru studiul individual Capitolul 4 Mărimile medii şi indicatorii de pozi ie şi varia ie în SPSS 4. dispersiilor şi abaterilor medii pătratice pe fiecare interval de grupare după factorul determinant 4. Determinarea mărimilor medii şi indicatorilor varia iei pentru o colectivitate împăr ită în grupe în SPSS. Mărimile medii şi indicatorii de pozi ie şi varia ie 4.2.3.4.3. Determinarea mărimilor medii şi indicatorilor de pozi ie şi varia ie în SPSS 4.2. Asimetria 4.4.6.2.2. Indicatorii sintetici ai varia iei 4.4.Construirea tabelului cu dublă intrare 4.4. Graficul Histogramă 3.2. Mărimile medii şi indicatorii varia iei pentru o colectivitate împăr ită în grupe 4.1.2.2. Verificarea regulii adunării dispersiilor folosind ANOVA Temă propusă pentru studiul individual Pagina 54 54 59 62 64 66 72 75 77 77 77 79 79 80 83 83 83 83 84 85 88 89 89 91 93 96 .4.4. Graficul Boxplot 3. Graficul “plăcintă” (Pie ) 3.2.1. Graficul prin linie (Line ) 3.3.3 Mediana – Me 4.4.1.1.3.1.

Stabilirea sensului şi formei legăturii prin metode analitice de studiere a legăturilor (stabilirea celor mai potrivite modele de regresie) 5. Identificarea existen ei legăturii . Analiza regresiei şi corela iei folosind SPSS 5. Metode analitice 5.2.1.1. Analiza regresiei şi corela iei 5.1.CUPRINS Pagina Capitolul 5 Analiza seriilor interdependente în SPSS 5. Metoda corela iei 5. Metode elementare 5.2.construirea corelogramei 5.2.1.1.2.1.1.2.3.2.2.1. Metode de studiere a legăturilor dintre fenomene 5.1.2.1.1.2.2.2. Metode neparametrice de măsurare a legăturilor dintre fenomene 5.1. Tipuri de legături 5. Estimarea parametrilor modelelor de regresie şi testarea semnifica iei acestora 5.2.1. Analiza regresiei folosind SPSS 5.4.3. Analiza corela iei folosind SPSS Temă propusă pentru studiul individual 97 97 97 99 99 100 103 105 107 107 107 109 112 119 122 123 125 Programa analitică Bibliografie .1.

.

Cuvinte cheie: ferestre: Data Editor (Data View şi Variable View).No iunile de bază ale aplica iei SPSS Capitolul 1 – No iunile de bază ale aplica ie SPSS ________________________________________________________________________ Obiective Capitolul de fa ă are drept principal obiectiv familiarizarea cu aplica ia SPSS.1. Viewer. Site-ul oficial românesc pe care se găsesc informa ii valoroase despre SPSS este www.spv. Produsele şi modulele SPSS Programul SPSS (Statistical Package for the Social Sciences – Pachet de analize statistice pentru ştiin e sociale) este unul dintre cele mai utilizate software în analiza datelor statistice.Capitolul 1 . Varietatea de domenii în care se aplică acest software s-a extins de la o versiune la alta. fişiere de tip . de informare despre metadatele variabilelor dar şi de organizare a rezultatelor după preferin ele utilizatorului. Pe lângă analizele statistice.sav. educa ie.spss. astfel că programul este utilizat astăzi în marketing. creare de date noi). programul oferă posibilită i diverse de gestionare a datele (selectare. recodare. psihologie. Prima versiune de program a fost creată în anul 1968 ajungându-se astăzi la versiunea 17. . sănătate etc. ________________________________________________________________________ 1.ro. Chart Editor şi Pivot Table. Text Output Editor. 5 .

astfel încât fiecare utilizator îşi poate achizi iona doar acele produse care îi sunt necesare. SPSS for Windows permite gestionarea datelor şi fişierelor. oferă mai multe tipuri de produse care sunt sub formă modulară. precum şi prelucrarea şi analiza statistică a acestora folosind următoarele metode: 6 . trasformarea datelor. În cadrul “Statistics Family” unul dintre cele mai utilizate programe este SPSS for Windows ce poate fi folosit într-o varietate de domenii.Analiza informa iilor utilizând SPSS Compania SPSS Inc.

No iunile de bază ale aplica iei SPSS 7 .Capitolul 1 .

0 for Windows SPSS Inc. 8 . oferă şi alte module ce permit analize mai complicate.Analiza informa iilor utilizând SPSS În concluzie principalele metode de analiză statistică ce se pot executa în SPSS for Windows sunt: Pe lângă modulul de bază SPSS 16.

spss. în eventualitatea în care s-a creat un shortcut pentru program. text and web mining” Produsele de tip “Survey. - 9 . market research” 1.2. în sensul că aceasta foloseşte click-urile de mouse pe pictogramele şi meniurile din ferestre pentru a da comenzi programului. Accesarea şi închiderea aplica iei SPSS Mediul de programare SPSS oferă o interfa ă “prietenoasă” avantajând astfel şi un utilizator începător. Prezentarea aplica iei SPSS 1.Capitolul 1 .0). click pe butonul Start -> All Programs -> SPSS Inc. -> SPSS 16.0 -> SPSS 16.No iunile de bază ale aplica iei SPSS Celelalte produse oferite de SPSS se regăsesc pe site-ului www.0 (notă: pentru această lucrare s-a utilizat versiunea SPSS 16.ro şi sunt prezentate în continuare: Produsele de tip “Statistics Family” Produsele de tip “Data.1. Aplica ia poate fi accesată în două moduri: dublu click pe pictograma SPSS de pe Desktop.2.

Analiza informa iilor utilizând SPSS Închiderea programului SPSS se poate face folosind una din cele 2 modalită i: click pe butonul din fereastră se execută comanda File -> Exit 10 .

În partea de jos a ferestrei găsim 2 foi de lucru: Data View şi Variable View.spv .2.No iunile de bază ale aplica iei SPSS 1. Pe lângă aceste 2 principale tipuri de ferestre se mai utilizează şi alte ferestre specializate în editarea de text (Text Output Editor). modificarea sau ştergerea datelor în format tabel (speadsheet).Capitolul 1 . 1. Coloanele tabelului reprezintă variabilele cercetării (var). Trecerea de la o foaie la alta se face prin click cu mouse-ul pe eticheta foii respective. Principalele fişiere şi ferestre din SPSS Cele mai utilizate ferestre din SPSS sunt Data Editor şi Viewer la care se ataşează fişiere de tip .2. şi este folosită pentru introducerea. acestea fiind active pe rând. Fişierul şi fereastra Data Editor Această fereastră se deschide automat atunci când lansăm SPSS-ul.sav. 11 . .2. grafice (Chart Editor) şi tabele (Pivot Table).1.2. ceea ce înseamnă că pe ecran apare foaia în care este plasat cursorul. iar rândurile tabelului sunt numerotate şi reprezintă cazurile (subiec ii sau indivizii pentru care de in date).

respectiv informa iile din fereastra Data Editor vor fi salvate sub forma unui fişier care va primi în mod automat de la aplica ia SPSS extensia . ci informa ii despre variabilele de analizat.sav 1.Analiza informa iilor utilizând SPSS La accesarea SPSS-ului se deschide fereastra Data View.2. Datele brute şi metadatele.2.2. Fişierul şi fereastra Viewer 12 . respectiv metadatele. în timp ce foaia Variable View nu con ine date. iar aceasta este un spa iu de lucru ce con ine datele brute ce trebuiesc analizate.

şi doar oferă posibilitatea de a edita în tabel) sau In separate Window (se deschide o ferestra Pivot Table ce oferă posibitatea de a face modificări mai complexe tabelului). găsim con inutul unde sunt afişate rezultatele analizei. 1. Rezultatele analizei statistice respectiv informa iile din fereastra Viewer vor fi salvate sub forma unui fişier care va primi în mod automat de la aplica ia SPSS extensia .3. cel din dreapta ferestrei.Capitolul 1 . alegerea din meniu a op iunii Edit Content->In Viewer (în acest caz nu se deschide o fereastră distinctă pentru tabel. iar în al doilea cadru. - 13 . lucrându-se în cadrul ferestrei Viewer. În cadrul din stânga regăsim cuprinsul sub forma unei schi e. Fereastra Viewer este structurată în două zone. de aceea SPSS mai are asociate încă două ferestre Pivot Table şi Chart Editor. Fereastra Pivot Table Deschiderea ferestrei Pivot Table se poate face prin 2 modalită i: clik dreapta cu mouse-ul pe tabelul din fereastra Viewer.2. Din meniul Edit folosind comanda Edit Content->In Viewer sau In separate Window.spv Rezultatele analizei statistice se prezintă în SPSS sub formă de tabele sau grafice.No iunile de bază ale aplica iei SPSS În fereastra Viewer regăsim toate rezultatele ob inute în urma analizei statistice şi se va crea automat la prima comandă care produce ieşiri (Analyze sau Graphs).2.

în acest caz. alegerea din meniu a op iunii Edit Content-> In separate Window (se deschide o ferestra Chart Editor ce oferă posibilitatea de a face modificări la grafic).2. op iunea In Viewer este inactivă.dublu-click pe grafic.2. 14 . .clik dreapta cu mouse-ul.Analiza informa iilor utilizând SPSS Modificările făcute în tabel respectiv informa iile din fereastra Pivot Table nu vor fi salvate sub forma unui fişier ci doar în fereastra Viewer. spre deosebire de tabele.din meniul Edit folosind comanda Edit Content-> In separate Window. Fereastra Chart Editor Deschiderea ferestrei Chart Editor se poate face prin 3 modalită i: .4. De men ionat ar fi că. 1. .

1.comanda File -> Save sau Save As Aceste comenzi deschid fereastra Save Data As în care se pot stabili numele şi loca ia unde va fi salvat fişierul.pictograma Save din bara de instrumente .No iunile de bază ale aplica iei SPSS Modificările făcute în grafic respectiv informa iile din fereastra Chart Editor nu vor fi salvate sub forma unui fişier ci doar în fereastra Viewer.2. 15 .2. Salvarea şi deschiderea fişierelor de date Salvarea unui fişier se realizează prin: .Capitolul 1 .5.

16 .pictograma Open din bara de instrumente .comanda File -> Open Data sau Output în func ie de tipul de fişier pe care dorim să-l deschidem (aceasta în cazul în care în prealabil s-a salvat acel fişier) Aceste comenzi deschid fereastra Open File în care este posibilă localizarea fişierului. în cazul în care acesta nu se află în folderul curent.Analiza informa iilor utilizând SPSS Deschiderea unui fişier se realizează prin: .

2. introducere date etc. tipărire date şi rezultate.1.3. În continuare prezentăm cele mai utilizate pictograme din Data Editor (în ordinea de pe bară): 17 .No iunile de bază ale aplica iei SPSS Deschiderea unui nou fişier se realizează prin comanda File -> New Data sau Output în func ie de tipul de fişier pe care dorim să-l deschidem.2.3. Instrumentele utilizate în SPSS 1.Capitolul 1 . Principalele pictograme din SPSS Cele mai folosite pictograme de pe bara de instrumente atât în cazul Data Editor cât şi pentru Viewer sunt cele de salvare fişier. 1.

sunt aproximativ aceleaşi pentru cele două fişiere Data Editor şi Viewer (acesta are 2 meniuri în plus Insert şi Format).2. Meniurile din SPSS Bara de meniu con ine mai multe meniuri. etc.3. etc Cele mai apelate butoane din Viewer (în ordinea de pe bară): - deschiderea unui fişier salvarea fişierului tipărirea fişierului vizualizare înainte de tipărire exportă fişierul aminteşte cele mai recente dialoguri anularea ac iunii precedente revenirea la ac iunea precedentă caută anumite cazuri (rânduri) caută o anumită variabilă (coloane) oferă informa ii despre variabile accesează seturi pentru caseta de dialog Variables arată toate variabilele selectează ultimul rezultat. 18 .2. 1. si după cum se observă.Analiza informa iilor utilizând SPSS - deschiderea unui fişier salvarea fişierului tipărirea fişierului aminteşte cele mai recente dialoguri anularea ac iunii precedente revenirea la ac iunea precedentă caută anumite cazuri (rânduri) caută o anumită variabilă (coloane) oferă informa ii despre variabile caută inserează un rând inserează o coloană accesează comanda Split File accesează comanda Weight Cases aceesează comanda Select Cases arată eticheta valorii.

închiderea sesiunii de lucru etc. deschidere. inserări etc.No iunile de bază ale aplica iei SPSS În continuare prezentăm meniuri comune ale fişierelor Data Editor şi Viewer. comenzi. text sau obiecte grafice: copieri. 19 . File Acest meniu este utilizat pentru opera ii curente asupra fişierelor: creare.. export de fişiere diverse: date.Capitolul 1 . rezultate. Edit Acest meniu este utilizat pentru editările curente pentru date numerice.

filtrarea cazurilor. Transform Acest meniu permite transformarea unor variabile (cum ar fi recodificare) şi ob inerea unor noi variabile prin calcule efectuate asupra variabilelor existente. a etichetei valori (valorilor li se pot ataşa denumiri explicite). împăr irea bazei de date pe categorii etc.Analiza informa iilor utilizând SPSS View Acest meniu controlează modul de afişare a uneltelor. realizându-se modificări globale cum ar fi transpunerea variabilelor şi cazurilor. 20 . a liniaturii. Data Prin comenzile acestui meniu este influen at con inutul ferestrei Data Editor.

Graphs Comenzile acestui meniu permit crearea graficelor.Capitolul 1 .No iunile de bază ale aplica iei SPSS Analyze Acesta este meniul care dă acces la metodele de analiză statistică. 21 .

Add-ons În acest meniu găsim informa ii şi un ghid on-line despre produsele. definirea unor mul imi de variabile.Analiza informa iilor utilizând SPSS Utilities În acest meniu sunt cuprinse cele mai utilizate instrumente şi permite afişarea informa iilor despre variabile. etc. 22 . serviciile SPPS.

Help Acest meniu permite familiarizarea cu SPSS. 23 . find o fereastră standard de ajutor. Cele mai utilizate op iuni sunt Topics (afişează meniul în func ie de subiectul precizat de utilizator) şi Tutorial (oferă asisten ă în învă area SPSS).No iunile de bază ale aplica iei SPSS Window Comenzile acestui meniu asigură opera ii asupra ferestrelor precum şi controlul acestora pe ecran.Capitolul 1 .

sav. În urma executării acestei comenzi.spv. 7. 5.sav şi . Salva i şi închide i fişierul .Analiza informa iilor utilizând SPSS Teme propuse pentru studiul individual 1. 3. Deschide i ferestre Pivot Tabel şi Chart Editor din fişierul Viewer. Executa i comanda Analyze->Descriptive Statistic-> Frequencies->fereastra Frequencies: din lista sursă se trece în caseta Variable(s) variabila pentru care se va construi graficul şi se activează butonul de comandă Charts ->fereastra Frequencies Charts: butonul de op iuni Histogram. Familiariza i-vă cu meniurile şi submeniurile din fişierele . 4. ce fereastră s-a deschis? 6.spss.spv 24 .com versiunea trial cu licen ă pentru 2 săptămâni programul SPSS for Windows. Deschide i o sesiune de lucru în SPSS. 8. Salva i fişierul . Scrie i în Data Editor foaia Data View câteva cifre pe coloane şi rânduri şi observa i ce a apărut în foaia Variabile View. 2. Descărca i de pe adresa de web www.

1. simultan. Prelucrarea primară a datelor Complexul de opera ii prin care se ob in informa iile necesare alcătuieşte prelucrarea statistică în sens larg. sistematizarea. în func ie de varia ia unei caracteristici sau. Opera iile de transformare pe mai departe cu ajutorul metodelor mai evoluate ca: metoda de reparti ie uni – bi şi multidimensionala. eticheta valorilor.Capitolul 2 . Clasificarea statistică este deci o opera ie de sistematizare a unui ansamblu de elemente. Recode ________________________________________________________________________ 2..1. număr de zecimale. gruparea se face pe intervale de valori sau pe grupe de variante. etc. divizarea fişierelor şi selectarea subiec ilor în SPSS. Sistematizarea datelor 2. eticheta. Clasificarea şi gruparea statistică – este sistematizarea popula iei pe păr i statistic omogene. În continuare. a mai multor caracteristici. se stabileşte sistemul de caracteristici care permite delimitarea grupelor. Cuvinte cheie: atributele variabilelor: nume. alinierea şi scala de măsurare. pe baza atributelor comune. determinarea indicatorilor sintetici absolu i şi deriva i sunt metode de prelucrare primară. Când numărul de valori/variante este mare. a claselor în “clase de clase” şi aşa 25 . prezentarea datelor sub formă de tabele/serii statistice şi reprezentarea lor grafică. codificarea şi crearea datelor în SPSS. în clase.1. valorile lipsă. împreuna cu metodele de prelucrare primara. Gruparea/clasificarea se declanşează cu analiza teoretică a popula iei studiate în vederea stabilirii grupelor/claselor calitativ distincte şi omogene statistic. comenzile: Split File. deci se alege caracteristica de grupare. fiind necesară stabilirea intervalelor de grupare. Select Cases. număr de caractere. formează prelucrarea în sens larg. Opera iile de calcul ale caracteristicilor secundare derivate opera ii de grupare a datelor individuale. activită i. tip.Sistematizarea datelor în SPSS Capitolul 2 Sistematizarea datelor în SPSS ________________________________________________________________________ Obiective Capitolul de fa ă are drept principal obiectiv în elegerea modalită ilor de introducere a datelor în SPSS. obiecte. de centralizare/agregare a lor pe întreaga popula ie.

136. 143. 142. 122.grupări pe variante (se foloseşte când numărul variantelor este redus şi centralizarea datelor se poate face pentru fiecare variantă în parte). iar elementele încadrate în ea să fie cat mai omogene.2. 135. 124. 26 . 134. . . prelucrării şi analiza datelor statistice. 125. 136. -unicitate (fiecare element apar ine numai unei singure clase). -omogenitate (elementele asemănătoare apar in aceleaşi clase. astfel că fiecare clasă ob inută să ocupe un loc precis. ex: locuin ele se pot grupa dupa numărul de camere. În practica statistică se utilizează sisteme standardizate de clasificări care constituie componente de bază ale Sistemului Informa ional Economic şi sunt instrumente indispensabile pentru organizarea culegerii. 2. 130.Analiza informa iilor utilizând SPSS mai departe. 123. Alegerea numărului de grupe şi stabilirea mărimii intervalului de grupare pentru caracteristicile exprimate numeric Alegerea numărului de grupe se face inând seama de scopul pentru care se foloseşte metoda grupării.1. Cerinte ale unei clasificări: -completitudine (fiecare element trebuie să apar ina unei clase). 123. Gruparea datelor ob inute din observare Gruparea datelor după modul de varia ie pentru caracteristicile exprimate numeric: .grupări pe intervale egale de varia ie (se foloseşte când gradul de varia ie al caracteristicilor permite alegerea unei mărimi egale a intervalelor astfel încât numărul grupelor să nu modifice forma ei de varia ie). 133.grupări pe intervale neegale (pentru cazul unui grad foarte mare de varia ie). iar elemente diferite – claselor diferite). 142. 132. 135. 128. 132. stocării. 143. Exemplu: Într-o echipă de muncitori s-au înregistrat următoarele valori ale produc iei individuale (număr piese realizate de fiecare muncitor): 125. 128. 125. Mai întâi trebuiesc ordonate datele pentru a ob ine frecventele de apari ie a diferitelor variante. 135. Ansamblul acestora este sistemul unitar de clasificări şi nomenclatoare social-economice ce func ionează la nivel macroeconomic. 135. 131. 131. În acest scop se porneşte de la amplitudinea varia iei şi de la numărul unită ilor observate.

Amplitudinea varia iei (A) = xmax – xmin Unde: xmin = 122 şi x max = 143 A =143 . pentru a nu rămâne unită i ale popula iei observate pe dinafară. muncitori 4 5 8 5 4 Varianta IV 121-125 126-130 131-135 136-140 41-145 Nr. muncitori 7 3 10 2 4 27 .122 = 21 Numărul de grupe (r) mărimea intervalului de grupare (k) se aleg în aşa fel încât să se cuprindă toate valorile individuale.Capitolul 2 . Acestea se numesc grupări pe intervale cu varia ie continuă şi întotdeauna trebuie precizat într-o notă care limita (inferioară sau superioară) se include în interval.Sistematizarea datelor în SPSS Dacă se notează caracteristica statistică după care se grupează cu “xi”. Se rotunjeste întotdeauna în plus. Putem efectua urmatoarele 4 variante de grupare: Varianta I Nr. Pentru a elimina această dificultate se fac grupări cu varia ia discontinuă în care limita inferioară a intervalului următor este deplasată cu o unitate de măsura fa ă de limita superioară a intervalului precedent. ea poate lua valori între limita minima xmin şi cea maximă xmax. muncitori Grupe după mărimea produselor ob inute 120-125 125-130 130-135 135-140 140-145 4 5 8 5 4 120-125 125-130 130-135 135-140 140-145 7 3 10 2 4 Nota: limita inferioară inclusă în interval Nota: Limita superioară inclusă în interval Comparând frecven ele se observă că ele diferă tocmai datorita faptului că au fost suficiente valori ale caracteristicii egale cu una din limitele intervalelor de grupare. muncitori Varianta II Nr. Varianta III 120-124 125-129 130-134 135-139 140-144 Nr.

1. în special pentru caracteristicile statistice cu tendin e de varia ie sistematică şi cu un număr mare de observa ii se poate folosi formula lui Sturges: unde N = nr. alinierea şi sistemul de măsurare a variabilei (scala ordinală sau nominală). lă imea coloanelor. În exemplul luat avem: Func iile grupării statistice sunt: .determinarea structurii colectivită ii cercetate pe tipuri calitative diferen iate în cadrul aceleiaşi colectivita i.Analiza informa iilor utilizând SPSS La determinarea mărimii intervalului de grupare. . Atributele ce trebuiesc definite sunt următoarele (în ordine de la stânga la dreapta în pagina Variable View): numele variabilei. numărul de zecimale (doar pentru cele care s-au definit numerice).2. . 2. total al observa iilor.sesizarea muta iilor produse în structura colectivită ii statistice. numărul de caractere ale variabilei.2 Introducerea şi sistematizarea datelor în SPSS 2.1 Introducerea datelor Procesul de analiză statistică a datelor presupune.1. valorile lipsă. . 28 . mai întâi. 2. opera iunea de pregătirea bazei de date. tipul acesteia.2.stabilirea şi interpretarea legăturilor dintre fenomene şi a factorilor care le influen ează. eticheta variabilei.surprinderea tendin elor de manifestare a varia iei fenomenului studiat. Definirea metadatelor din Variable View Aceasta este prima etapă din procesul de pregătire a bazei de date şi presupune precizarea atributelor variabilelor în pagina Variable View din Data Editor. În SPSS aceasta înseamnă definirea şi introducerea datelor statistice în paginile din fişierul Data Editor: Data View şi Variable View. pe plan teritorial şi în dinamică. eticheta valorilor variabilei.

În general.Sistematizarea datelor în SPSS Numele variabilei Numele variabilei. Numărul de caractere al variabilei Indiferent dacă variabila este numerică sau text. În caz contrar se va modifica valoarea definită implicit .primul caracter să fie o literă . $ . cifre şi anumite simboluri: @. Numărul de caractere stabilit implicit de SPSS este de 8. 29 .să nu con ină spa ii sau alte simboluri folosite în SPSS Tipul variabilei Tipul variabilei se va alege din coloana Type. se va scrie în coloana Name. numărul de caractere al acesteia va fi definit în coloana Width.să fie unic . Atunci când se va alege numele variabilei trebuie să ine i cont de câteva restric ii impuse de SPSS: . variabilele pot fi de 2 feluri: numerice (Numeric) şi text (String). care vă recomandăm să fie scurt şi explicit. astfel trebuie avut în vedere ca valorile variabilei să nu fie mai mari.Capitolul 2 . #._.poate să con ină litere.

Eticheta variabilei Dacă numele variabilei trebuie să respecte anumite condi ii. până la 256 caractere. în coloana Label se poate preciza un nume explicit al variabilei. Etichetele valorilor variabilei Definirea acestui atribut în coloana Value Labels este utilă în două situa ii: 30 .Analiza informa iilor utilizând SPSS Numărul de zecimale Dacă variabila a fost definită numerică în coloana Decimals se va opta asupra numărului de zecimale pe care îl va avea variabila. şi acesta va fi afişat în Viewer.

în fereastra Value Labels. -când dorim ca variabila categorială ce pune seria pe intervale respectiv variabila a cărei valori reprezintă mijlocul intervalului. 31 . De exemplu pentru cele două valori ale variabilei mediul – urban respectiv rural – se va executa comanda: se va scrie 1 în Value şi urban în Label -> click pe butonul Add -> scriem 2 în Value şi rural în Label -> click pe butonul Add -> click pe butonul OK.Sistematizarea datelor în SPSS -când dorim să transformăm variabila nominală în variabilă numerică. astfel se vor preciza valorile luate de variabilă şi etichetele corespunzătoare acestora.Capitolul 2 . să afişeze defapt intervalele de grupare.

Lă imea coloanei Lă imea coloanei respectiv a numărului de caractere ce încap în coloane se va stabili în Columns – implicit de SPSS sunt definite un număr de 8 caractere. 32 . Când nu lipsesc valori. dar această valoare se poate schimba -. se alege butonul de op iuni No missing values.Analiza informa iilor utilizând SPSS Valorile lipsă Există 2 tipuri de valori lipsă: system-missing values şi user-missing values.

Right sau Center. 33 .Capitolul 2 .Sistematizarea datelor în SPSS Alinierea valorilor Alinierea valorilor variabilei se va stabili în coloana Align .din care se pot alege op iunile Left. Ordinal sau Nominal. Sistemul de măsurare a variabilei Sistemul de măsurare a variabilei se va stabili în coloana Measure din care se pot aleg op iunile Scale.

-tastele cu săge i de pe tastatură -tasta Tab (mută cursorul pe rând. în celula de pe coloana următoare) -tasta Enter (mută cursorul pe coloană.2. Introducerea datelor în Data View Odată definite variabilele în pagina Variable View acestea vor apare în pagina Data View ca şi cap de tabel al spa iului de lucru organizat pe rânduri şi coloane. pe fiecare rând se vor regăsii subiec ii analizei iar pe fiecare coloană o variabilă. succesiv în mai multe celule.2.1.Analiza informa iilor utilizând SPSS 2. Datele statistice se vor introduce în celulele spa iului de lucru din pagina Data View. Introducerea presupune scrierea unui număr sau a unui text folosind tastatura calculatorului în celula în care este cursorul şi are chenar îngroşat. Pentru a introduce mai multe date. Astfel. în celula de pe rândul următor). 34 . se pot folosii mai multe modalită i de mutare a cursorului: -click în celula dorită.

În prima casetă se va trece limita inferioară a intervalului iar în caseta a doua (de sub cuvântul through) limita superioară a intervalului .2. în exemplul nostru nr_sal. Pentru a face această transformare se va folosi comanda Transform->Recode În continuare vom recodifica variabila numărul de salari i – nr_sal din baza de date a fişierului asa. Pornind de la recomandările emise de Eurostat privind evaluarea mărimii întreprinderii după criteriul numărului mediu de salaria i.întreprinderile mici şi foarte mici au numărul de salaria i mai mic de 49 de persoane . ce cuprinde 300 de unită i locale active din jude ul Bacău.2. Gruparea pe intervale a datelor În SPSS gruparea pe intervale a valorilor unei variabile numerice presupune transformarea acestei variabile în altă variabilă a cărei valori reprezintă mijlocele intervalelor de grupare.întreprinderile mijlocii au numărul de salaria i între 49 de persoane şi 249 de persoane . Această regruparea a numărului mediu de salaria i a presupus transformarea vechii variabile şi crearea uneia noi nr_sal_categ cu următoarele valori: Intervale 0-50 50-250 Peste 250 (250-450) Mijlocul intervalului 25 150 350 Valorile variabilei vechi Valorile variabilei noi (old values) (new value) Pentru a realiza această recodare se execută comanda: Transform-> Recode into Different Variables->fereastra Recode into Different Variable: se execută următoarele opera iuni: -selectăm variabila pe care o dorim să o recodificăm.sav. şi se mută în caseta Input Variable->Output Variable -scriem numele noii variabile nr_sal_categ în caseta Name din zona Output Variable -click pe butonul Change din zona Output Variable -click pe butonul Old and New Values->fereastra Recode into Different Variables: Old and New Values: se execută următoarele opera iuni: -introducem pe rând în zona Old Value vechile valori prin 2 modalită i: . value through HIGHEST iar în caseta ce a devenit activă se va scrie limita inferioară a intervalului 35 . care împart întreprinderile în 3 mari categorii: .2.1.pentru primele intervale bifăm op inea Range şi astfel devin active două casete.întreprinderile mari au numărul de salaria i de peste 249 de persoane regrupăm numărul mediu de salari i în trei categorii: 0-50 persoane.pentru ultimul interval bifăm op iunea Range.Sistematizarea datelor în SPSS 2.2.Capitolul 2 . 50-250 persoane şi peste 250 de persoane (limita superioară nu va fi inclusă în interval). Sistematizare şi organizarea datelor 2.

36 .Analiza informa iilor utilizând SPSS -introducem în zona New Value caseta Value noile valori respectiv mijlocul fiecărui interval aferent ->click pe butonul Add astfel vechile valori (intervalul) şi noile valori (mijlocul intervalului) se vor transfera în caseta Old -> New -click pe butonul Continue ->fereastra Recode into Different Variables-> clik pe butonul OK Noua variabila nr_sal_categ apare în pagina Data View cu datele corespunzătoare fiecărei unită i locale active.

iar pentru a afişa intervalul aferent mijlocului vom defini atributul Value pentru noua variabilă creată.Capitolul 2 .Sistematizarea datelor în SPSS Se observă că aceste date sunt defapt mijlocul intervalului. valorile vechi valorile noi 37 .

Organizarea datelor pe categorii Împăr irea bazei de date pe categorii după o variabilă categorială este utilă spre exemplu.sav.2.2. Revenind la exemplu anterior. mutăm variabila categorială nr_sal_categ în caseta Groups Based On. ce a devenit activă la bifarea op iunii->click pe butonul OK. la baza de date din asa. În urma acestei comenzi rezultatele analizei statistice (construirea de histograme) din Viewer sunt organizate în următoarea formă: 38 . dorim să împăr im acest fişier în trei categorii după variabila nou creată nr_sal_categ.Analiza informa iilor utilizând SPSS 2. Realizarea acestei opera iuni se face executând comanda: Data ->Split File -> fereastra Split File: bifăm op iunea Organize output by groups.2. atunci când dorim ca rezultatele analizei statistice din Viewer să fie organizate pe fiecare categorie a variabilei studiate.

Capitolul 2 . Spre exemplu dacă analizăm aceste histograme se observă că cea mai simetrică categorie de salaria i este cea a unită ilor locale active ce au numărul de salaria i între 0 şi 50 persoane. do not create groups >click pe butonul OK 39 . Pentru a reveni la forma ini ială a fişierului de date se execută comnanda: Data ->Split File -> fereastra Split File: bifăm op iunea Analyze all causes.Sistematizarea datelor în SPSS Principalul avantajul a acestei comenzi este uşurin a în analiza statistică comparativă dintre categoriile studiate.

şi click pe butonul If -> fereastră Select Cases: If.3.2. în care se introduce condi ia de selec ie respectiv se mută variabila mediul în caseta liberă şi se scrie ‘=1’ (ecua ia matematică va avea forma mediul =1) pentru că aşa cum s-a precizat în definarea atributului Value al variabilei mediul.sav să rămână doar unită ile locale active din mediul urban pentru ca rezultatele analizei statistice din Viewer să se refere doar la acestea. Realizarea acestei opera iuni se face executând comanda: Data -> Select Cases -> fereastra Select Cases. Selectarea datelor Organizarea datelor statistice prin selectarea doar a anumitor cazuri (unită i locale active) din baza de date poate fi utilă atunci când se doreşte ca analiza statistică să se refere doar la cazurile selec ionate. Spre exemplu.2. click pe butonul OK. 40 . valoarea 1 corespunde zonei urbane. dorim ca în fişierul de date asa. bifăm op iunea If condition is satisfied.Analiza informa iilor utilizând SPSS 2. click pe butonul Continue -> fereastra Select Cases.

Capitolul 2 .Sistematizarea datelor în SPSS Astfel. în pagina Data View cazurile anulate respectiv unită ile locale active din mediul rural. sunt eviden iate în două moduri: -sunt tăiate prin Slash . -în coloana nou înfiin ată filter_$ valoarea etichetei variabilei este Not Selected 41 .

Pentru a reveni la forma ini ială a fişierului de date se execută comanda: Data -> Select Cases -> fereastra Select Cases: bifăm op iunea All cases. ->click pe butonul OK 42 .Analiza informa iilor utilizând SPSS În Viewer se observă că numărul de unită i locale active analizate este de 276 pentru că în baza de date au rămas doar acele societă i care îşi desfăşoară activitatea în mediul urban (fişierul originar are 300 de înregistrări).

Sistematizarea datelor în SPSS Astfel. în pagina Data View cazurile care au fost anulate respectiv unită ile locale active din mediul rural. dar variabila filter_$ cu cele două valori rămâne în baza de date. 43 .Capitolul 2 . nu mai sunt tăiate prin Slash.

să se grupeze în 4 categorii societă ile comerciale în func ie de numărul de salaria i şi de cifra de afaceri 44 . cifra de afaceri şi numărul de salaria i pentru 40 de societă i comerciale.crt. de Salariati 277 642 118 185 192 222 722 36 34 105 20 19 45 22 10 12 4 6 6 5 1 5 23 44 81 39 4 2699 110 77 48 4 2 8 30 12 18 14 7 16 Se cere: . SC 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 Localitatea MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL BACAU MUNICIPIUL ONESTI MUNICIPIUL ONESTI MUNICIPIUL ONESTI MUNICIPIUL ONESTI MUNICIPIUL ONESTI MUNICIPIUL MOINESTI ORAS BUHUSI ORAS COMANESTI ORAS COMANESTI ORAS TARGU OCNA BOGDANESTI FILIPESTI LETEA VECHE MARGINENI NICOLAE BALCESCU PARJOL SASCUT ZEMES CA 286958445 120186639 20647604 17482738 17464567 16254481 15800138 11513560 9010313 5463503 4712478 2717217 1756665 1532557 988611 916253 848032 291844 276630 187275 93280 51695 2673144 2484704 2106221 1559407 188001 167746658 1971101 4773920 3977953 8142 152226 3528380 2073004 489822 470242 781272 7945656 867777 Nr.să se introducă datele în SPSS .Analiza informa iilor utilizând SPSS Temă propusă pentru studiul individual Avem următoarea bază de date ce con ine informa ii privind sediul. Nr.

reprezentând un ansamblu de judecăti despre colectivitatea studiată şi orânduite în aşa fel încât cuvintele scrise să servească drept titluri comune pentru în elegerea con inutului expresiilor numerice. op iunile Summaries for groups of cases sau Summaries of Separate Variables _________________________________________________________________________ 3. Bar. ordonate după urmatoarele criterii: cronologic. Scatterplot.Prezentarea datelor în SPSS Capitolul 3 Prezentarea datelor în SPSS _________________________________________________________________________ Obiective Capitolul de fa ă are drept principal obiectiv în elegerea şi însuşirea metodelor de prezentare a datelor în SPSS Cuvinte cheie: comenzile: Frequencies. în func ie de scopul prelucrării sau al analizei statistice. Cele mai des întâlnite sunt: Tabele simple sunt cele în care se prezintă indicatorii statistici ai unitatilor statistice la care se referă datele.Capitolul 3 . Întocmirea acestui fel de tabele nu ridică probleme deosebite.1. 45 . Q -Q Plot. Tabelul pe grupe se foloseşte când se aplică gruparea simplă şi se centralizează frecven ele şi valorile caracteristicilor care se găsesc într-o rela ie de dependen ă fa ă de varia ia caracteristicii de grupare. Crosstabs. Boxplot. Histogram. Pie. teritorial sau organizatoric. Predicatul tabelului se referă la sistemul de indicatori ce caracterizează colectivitatea prezentată în tabel. Tabelele statistice Tabelele statistice – sunt forma de bază a oricărei prezentări. Felurile tabelelor statistice sunt extrem de variate. ordonarea indicatorilor făcându-se în func ie de scop. a rezultatelor prelucrării datelor de eviden ă. Line. Subiectul tabelului este constituit din colectivitatea la care se referă datele şi se regăseşte de obicei în titlul general al tabelului.

Analiza informa iilor utilizând SPSS În acest tabel subiectul este reprezentat prin grupele formate pe baza caracteristicii de grupare “x”. condi ionate de varia ia valorilor variabilei x. -interpretarea legăturilor dintre varia ia caracteristicii de grupare şi varia ia caracteristicilor care formează predicatul tabelului. Tabelul combinat se foloseşte când subiectul se prezintă prelucrat după varia ia a cel pu in 2 caracteristici de grupare (x. Tabelul pe grupe poate fi folosit pentru: -caracterizarea independentă a gradului şi formei de varia ie a caracteristicii x. 46 . … xm) şi din sumele par iale ale valorilor înregistrate pentru caracteristicile y. x2. v) de factorii de grupare. z. -pentru aplicarea metodelor de calcul ale corela iei statistice. v. iar predicatul din frecven ele de apari ie ale diferitelor variante (x1. y) şi predicatul este format din valorile centralizate ale variabilelor dependente (z.

În rubricile tabelului se trec frecven ele valorilor x. 47 . y2 pentru grupele formate pe baza varia iei predicatului. -evitarea unor tabele prea încărcate. y) şi au fost centralizate numai frecven ele de apari ie ale valorilor x. iar grupele formate după varia ia caracteristicii y elementele componente ale predicatului. Rezultă că unită ile la care s-a facut înregistrarea datelor se distribuie atât după varia ia lui x cât şi a lui y.Capitolul 3 . -precizarea surselor de informa ie şi redactarea notelor explicative.Prezentarea datelor în SPSS Tabelul cu dublă intrare se foloseşte atunci când colectivitatea a fost împăr ită în grupe dupa varia ia a două caracteristici (x. cât şi cu cele după y . Reguli de întocmire a tabelelor statistice: -stabilirea subiectului şi predicatului tabelului în func ie de scopul sistematizării datelor statistice. -completarea tuturor rubricilor tabelului. x2 pentru grupele formate pe baza varia iei subiectului şi y1. Tabelul de asocia ie se foloseşte pentru a putea prezenta într-un tabel statistic legatura dintre două caracteristici alternative. pentru care deci numărul total al unită ilor observate (N) este egal cu suma frecventelor după x. -alegerea unită ilor de măsură în care se exprima indicatorii statistici. y. Într-un tabel cu dublă intrare grupele formate dupa varia ia caracteristicii x reprezintă elementele componente ale subiectului. Şi pentru subiect şi pentru predicat nu sunt decât doua variante x1. y.

2.1. plecând de la fişierul deja prezentat în capitolul anterior note. 48 . În fereastra Viewer se va ob ine Tabelul frecven elor în func ie de distribu ia studen ilor pe grupe de medii ob inute la absolvirea liceului.2. Tabelele statistice în SPSS 3. click pe butonul OK.sav .Analiza informa iilor utilizând SPSS 3. Tabelul pe grupe Construirea tabelului pe grupe în SPSS se realizează executând comanda: Analyse >Descriptive Statistics ->Frequencie ->fereastra Frequencies: se selectează din listă variabila pentru care dorim să construim tabelul şi se trece în caseta Variable(s).

din listă alegem variabilele pe care le vom muta pe rânduri (caseta Row(s)) şi pe coloane (caseta Column(s)). ->click pe butonul OK. Tabelul cu dublă intrare (Crosstabs) Tabelul cu dublă intrare se ob ine executând comanda: Analyse->Descriptive Statistics >Crosstabs -> fereastra Crosstabs.Capitolul 3 .40 şi 8.20. aceştia reprezentând 12. 3. Cei mai mul i dintre studen i au avut o medie între 8. iar 45% dintre aceştia au ob inut o medie sub 9.5% din total. 49 .2.Prezentarea datelor în SPSS frecven e procentele procentele cumulate Interpretarea celor mai importante rezultate din Viewer : Din cei 40 de studen i analiza i. 5 au ob inut media de absolvire la liceu între 8.80.2.80 şi 9.20. Se recomandă ca variabila categorială independentă să se plaseze pe rânduri iar cea dependent pe coloane.

50 .Analiza informa iilor utilizând SPSS În fereastra Viewer se va ob ine Tabelul cu dublă intrare ce reprezintă frecven ele par iale în func ie de distribu ia studen ilor pe grupe de medii ob inute la absolvirea liceului şi pe scorul la admitere la facultate.sav . plecând de la fişierul deja prezentat în capitolul anterior note.

80 şi 9. cercuri concentrice. 5 au ob inut media de absolvire la liceu între 8.1.Prezentarea datelor în SPSS Interpretarea celor mai importante rezultate din Viewer : Din cei 40 de studen i analiza i. Reprezentarea grafică a datelor Metoda grafică este folosită în teoria şi practica statistică atât pentru prezentarea unor date statistice cât şi ca instrument de analiză şi interpretare a fenomenelor studiate. precis şi complet şi pe cât posibil să corespundă cu titlul tabelului statistic ale cărui date le reprezintă.80 şi scorul la admitere la facultate între 40 şi 48 puncte. oblice.3. atunci poate fi inclus în fraza pe care-l precede. Scara de reprezentare se alege inând seama de ordinul de mărime al indicatorilor de reprezentat. se trece deasupra figurii graficului. clar. Elementele de bază ale unui grafic Titlul graficului – în el se sugerează ce rela ii trebuie interpretate vizual pe baza graficului. simboluri şi alte mijloace specifice. hăr i. Ele se întâlnesc în aproape toate sectoarele de activitate deoarece ele au calitatea de a prezenta într-o forma simplă. 3. timpul şi spa iul la care se referă datele reprezentate şi unitatea de măsură. . figuri geometrice.40 şi 8. În reprezentarea grafică a fenomenelor social-economice se folosesc: re ele rectangulare. . . verticale. Graficele constau în exprimarea datelor statistice din tabele prin linii sau puncte. sugestivă şi atrăgatoare trăsăturile esen iale ale fenomenelor în condi ii determinate de timp şi spa iu.Capitolul 3 . dar dacă graficul face parte dintr-un text. re ele curbilinii şi re ele suplimentare. 51 . sectoare de cerc care servesc pentru plasarea corectă a punctelor pe grafic.el cuprinde indica ii cu privire la obiectul reprezentat. Cei mai mul i dintre studen i au avut o medie între 8. 3. În majoritatea cazurilor se apelează la re elele folosite pentru construirea graficului în sistemul coordonatelor rectangulare.este indicat să fie scurt. Re eaua graficului are ca scop să uşureze identificarea în plan a punctelor care reprezintă mărimile variabilelor reprezentate grafic. Ele apar atunci când este necesar să se atragă aten ia asupra aspectelor metodologice ale calculării indicatorilor reprezenta i sau asupra modului de prezentare a lor în grafic.de regulă. de gradul şi forma de varia ie dintre ei şi de scopul urmărit .00 şi scorul la admitere la facultate între 48 şi 56 puncte. Ea poate fi formată din linii paralele orizontale. Notele explicative şi legendele se folosesc pentru a putea interpreta corect graficul.3.

pătratul. Între coloane se lasă un spa iu liber egal cu aproximativ ˝din baza coloanelor.Analiza informa iilor utilizând SPSS Sursa de informa ie a datelor din grafic este obligatorie în toate cazurile când se folosesc date reale.diagrame ale unor date par iale sau independente între ele. iar pe Ox se construiesc atâtea coloane cu bazele egale ca i indicatori sunt de reprezentat.grafice prin coloane şi benzi.cartograme şi cartodiagrame. ale căror arii sunt direct propor ionale cu mărimile indicatorilor respectivi.diagrame de distribu ie (histograma. Graficele prin figuri geometrice (Diagrama prin suprafete sau volum) se folosesc fie pentru reprezentările varia iei unor indicatori de volum. 52 .grafice ale seriilor cronologice (SCR). Este un grafic în care datele statistice sunt reprezentate prin figuri geometrice ca dreptunghiul. curba de concentrare. poligon de frecven ă. Se folosesc în special pentru: .graficele seriilor teritoriale.2. Înăl imea coloanei este propor ionala cu valoarea indicatorilor de reprezentat. . 3. cronograme.popularizarea datelor statistice sau a indicatorilor incluşi în programele de activitate elaborate la diferite nivele.3. Tipuri de grafice . etc. . .graficele de analiza a corela iei. . . curba cumulativă a frecventei. fie pentru reprezentarea structurii colectivită ii.grafice prin figuri geometrice de suprafa ă sau volum. unde scara de reprezentare se fixeaza pe axa Oy. Graficele prin coloane sau benzi– sunt cele mai frecvent întâlnite.diagrame de structura. . Reprezentarea graficului prin coloane presupune folosirea cadranului I din sistemul axelor rectangulare. cercul. .diagrame radiale (polare).graficele seriilor de distribu ie.pentru SCR. . Ele se mai pot grupa şi în func ie de felul datelor utilizate sau domeniul de folosire: . Se recomandă mai ales când numărul datelor reprezentate nu este prea mare şi graficul este sugestiv. . . .grafice prin figuri naturale şi simbolice.

Astfel putem folosi spre exemplu cercul de structură. Q1. fiecare reprezentând 25% din distribu ie. Se haşureaza diferit fiecare pe cerc fiecare grupa din cadrul colectivită ii totale. În SPSS se trasează şi curba distribu iei normale pentru a compara distribu ie observată cu cea teoretică. Numărul de grade corespunzator sectoarelor de cerc se determina pe baza regulii de 3 simple. Boxplot – graficul medianei. corespunzător procentului respectiv. scotând în eviden ă raportul ce există între par ile componente ale colectivită ii şi colectivitatea luată ca întreg. Dacă avem un dreptunghi. exprimată prin 360° direct propor ională cu volumul colectivită ii. iar pe axa ortodanatelor se reprezintă frecventele. 53 . considerând suprafa a cercului. Valoarea maximă Quartila 3 Mediana Quartila 1 Valoarea minimă Histograma – grafic al seriilor de reparti ie cu intervale (varia ie continua). Pe aceeaşi regula se bazeaza şi celelalte reprezentări grafice de structură.Capitolul 3 . Pe axa abciselor se construiesc dreptunghiuri ale căror suprafete sunt direct propor ionale cu volumul grupelor. respectiv Q3-Q1). Q3 şi mediana. Sunt reprezentate valoarea minimă şi maximă fără outlieri (valorile variabilei care depăşesc de 1.5 ori intervalul interquartilic. Pe axa abciselor este reprezentat prin segmente de dreaptă mărimea intervalelor de grupare.Prezentarea datelor în SPSS Diagramele de structură – sunt folosite frecvent în interpretarea muta iilor interGrafic în care este reprezentată structura unei colectivită i. se hasureaza (coloreaza) diferit pentru fiecare grupă. Suprafe ele sunt direct propor ionale cu volumul colectivită ii. a cărei înal ime este propor ională cu 100%. Construc ia lui presupune. iar par ile acesteia sunt reprezentate prin por iuni de suprafa a. ordonarea datelor şi împăr irea lor de această dată în patru grupe. marcat pe ordona a graficului. ca la aflarea medianei.

Histograma – graficul frecven elor de apari ie pentru diferite intervale de reparti ie ale variabilei observate .Values of individual cases: se 54 .Pie – graficul de structură “plăcintă” .1. Datele statistice din baza de date Se execută următoarea comandă: Graphs->Legacy Dialogs-> Bar ->fereastra Bar Charts: alegem op iunea Simple şi în caseta Data in Chart Are bifăm Values of individual cases.graficul prin linie . click pe butonul Define ->fereastra Define Simple Bar .Bar – graficul prin bare . este folosită pentru a reprezenta rela iile dintre două variabile 3. Reprezentarea grafică în SPSS În SPSS găsim o multitudine de tipuri de grafice.Boxplot – grafic folosit pentru a prezenta amplitudinea. pe două module: Grafice define– Legacy Dialogs Grafice create– Interactive Cele mai utilizate grafice din meniul Graphs sunt următoarele: .Line .4.4.Scatterplot – graficul “nor de puncte” sau corelograma. intervalul interquartilic şi mediana unei serii . Graficul prin bare (Bar) Acest tip de grafic poate reprezenta : 1. organizate în principal în meniul Graphs.Analiza informa iilor utilizând SPSS 3.

Capitolul 3 .Prezentarea datelor în SPSS alege din listă variabila pentru care dorim să construim graficul şi o mutăm în caseta Bar Represent -> click pe butonul OK 55 .

Pentru a avea scrise în grafic şi valorile mediei de absolvire se va executa comanda: dublu click pe graficul din Viewer ->fereastra Chart Editor: click dreapta pe grafic şi se alege Show Data Labels .Analiza informa iilor utilizând SPSS În fereastra Viewer se va ob ine graficul prin bare ce reprezintă mediile ob inute la absolvirea liceului de cei 40 de studen i. 56 .sav . plecând de la fişierul deja prezentat în capitolul anterior note.

Prezentarea datelor în SPSS 2. Analiza datelor statistice din baza de date Se execută următoarea comandă: Graphs->Legacy Dialogs-> Bar ->fereastra Bar Charts: alegem op iunea Simple şi în caseta Data in Chart Are bifăm Summaries for groups of cases click pe butonul Define ->fereastra Define Simple Bar .Summaries for groups of cases: se alege din listă variabila pentru care dorim să construim graficul şi o mutăm în caseta Category Axis -> click pe butonul OK.Capitolul 3 . 57 .

Analiza informa iilor utilizând SPSS 58 .

2. 3. Datele statistice din baza de date Se execută următoarea comandă: Graphs->Legacy Dialogs->Line ->fereastra Line Charts: alegem op iunea Simple şi în caseta Data in Chart Are bifăm Values of individual cases click pe butonul Define->fereastra Define Simple Line .Prezentarea datelor în SPSS În fereastra Viewer se va ob ine graficul prin bare a cărei înăl ime reprezintă numărul de studen i care au media în intervalul aferent (s-a plecat tot de la fişierul note. 59 . Graficul prin linie (Line) Acest tip de grafic poate reprezenta : 1.sav).Values of individual cases: se alege din listă variabila pentru care dorim să construim graficul şi se mută în caseta Line Represent -> click pe butonul OK.4.Capitolul 3 .

sav. Analiza datelor statistice din baza de date Se execută următoarea comandă: Graphs->Legacy Dialogs-> Line ->fereastra Line Charts: alegem op iunea Simple şi în caseta Data in Chart Are bifăm Summaries for 60 . 2. plecând de la fişierul deja prezentat în capitolul anterior.Analiza informa iilor utilizând SPSS În fereastra Viewer se va ob ine graficul prin linie ce reprezintă cifra de afaceri a primelor 10 unită i locale active din baza de date asa.

respectiv variabila de pe axa Y. . respectiv variabila de pe axa X. 61 .Prezentarea datelor în SPSS groups of cases click pe butonul Define ->fereastra Define Simple Line .g.Summaries for groups of cases: se execută comenzile: -se alege din listă variabila pentru care dorim să construim graficul. se mută în caseta Variable-> click pe butonul OK.în caseta Line Represents se bifează op iunea Other statistics (e. şi o mutăm în caseta Category Axis.Capitolul 3 .. mean) iar variabila pentru care dorim să calculăm un indicator statistic.

Analiza informa iilor utilizând SPSS În fereastra Viewer se va ob ine un grafic linie ce reprezintă cifrele de afaceri medii ob inute de cele 3 categorii de unită i locale active distribuite în func ie de numărul de salaria i. Graficul “plăcintă” (Pie) Acest tip de grafic reprezintă structura după o variabilă categorială a bazei de date. Intrepretarea graficului Se observă că cifra medie de afaceri ob inută de unită ile cu peste 250 de salaria i este cu mult mai mare decât cifrele medii de afaceri realizate de unită ile cu un număr mai mic de salaria i.3. 62 .4. 3. iar în caseta Slices Represent se bifează % of cases-> click pe butonul OK. Se execută următoarea comandă: Graphs->Legacy Dialogs->Pie ->fereastra Pie Charts: în caseta Data in Chart Are alegem op iunea Summaries for groups of cases click pe butonul Define ->fereastra Define Pie .Summaries for groups of cases: se alege din listă variabila categorială pentru care dorim să construim graficul şi se mută în caseta Define Slices by.

Capitolul 3 . 63 .sav.Prezentarea datelor în SPSS În fereastra Viewer se va ob ine graficul plăcintă ce reprezintă distribu ia pe medii de reziden ă a unită ilor locale active din baza de date asa. plecând de la fişierul deja prezentat în capitolul anterior.

4.Analiza informa iilor utilizând SPSS Intrepretarea graficului Se observă că 92% din unită ile locale active îşi desfăşoară activitatea în mediul urban şi doar 8% în mediul rural. click pe butonul OK 64 .4. 3. Graficul Boxplot Boxplot-ul se poate construi executând comanda: Graphs -> Legacy Dialogs -> Boxplot-> fereastra Boxplot: alegem op iunea Simple şi în caseta Data in Chart Are bifăm Summaries of Separate Variables click pe butonul Define ->fereastra Define Simple Boxplot: Summaries of Separate Variables: se alege din listă variabila pentru care vrem să construim Boxplot-ul şi se trece în caseta Boxes Represent.

plecând de la fişierul note. Outlier .sav.Capitolul 3 .Prezentarea datelor în SPSS În fereastra Viewer se va ob ine graficul boxplot ce reprezintă distribu ia ierarhică a studen ilor în func ie de scorul ob inut la admiterea la facultate.primul student înregistrat în baza de date 65 .

studen ii aglomerându-se către valorile mici ale scorului. comanda Graphs -> Legacy Dialogs -> Histogram -> fereastra Histogram: alegem din listă variabila pentru care dorim să construim histograma şi o trecem în caseta Variable şi bifăm op iunea Display normal curve dacă se doreşte construirea curbei distribu iei normale -> click pe butonul OK. În fereastra Viewer se va ob ine histograma ce reprezintă distribu ia studen ilor în func ie de scorul ob inut la admiterea la facultate.sav. 3.5. 66 . Graficul Histogramă Histograma se poate construi executând următoarele comenzi: 1. plecând de la fişierul note. Se observă că SPSS a ales să îi distribuie pe cei 40 de studen i pe 11 intervale egale iar mărimea intervalului este de 5 puncte.Analiza informa iilor utilizând SPSS Interpretarea rezultatelor: distribu ia studen ilor după scorul ob inut este relativ omogeană cu o uşoară asimetrie spre stânga.4.

2. comanda Graphs -> Legacy Dialogs -> Interactiv ->Histogram -> fereastra Create Histogram în care se fac următoarele opera iuni: pagina Assign variables: alegem din listă variabila pentru care dorim să construim histograma şi se „trage” în caseta de pe axa X pagina Histogram: în caseta Interval Size debifăm Set interval size automatically – dacă nu dorim să aleagă SPSS numărul de interval sau mărimea intervalelor .Prezentarea datelor în SPSS Acesta este principalul dezavantaj a comenzi din Legacy Dialogs. acesta nu are nici un control asupra construiri graficului. SPSS alege în locul utilizatorului.Capitolul 3 .şi alegem una din op iunile Number of intervals şi scriem în caseta alăturată cât intervale dorim sau Width of interval şi scriem în caseta alăturată mărimea dorită a intervalului->click pe butonul OK 67 .

Analiza informa iilor utilizând SPSS În fereastra Viewer se va ob ine histograma ce reprezintă distribu ia studen ilor pe 4 intervale egale în func ie de scorul ob inut la admiterea la facultate. însă dezavantajul acestei op iuni este că nu se ştie cu exactitate care este mărimea intervalului de grupare. Se observă că SPSS a distribuit pe cei 40 de studen i pe 4 intervale. plecând de la fişierul note.sav. cum a cerut utilizatorul. 68 .

69 .Capitolul 3 .sav. plecând de la fişierul note.Prezentarea datelor în SPSS am ales 4 intervale de grupare sau op inea : În fereastra Viewer se va ob ine histograma ce reprezintă distribu ia studen ilor pe intervale egale a căror mărime este de 8 puncte în func ie de scorul ob inut la admiterea la facultate.

iar distribu ia studen ilor după scorul ob inut prezintă o uşoară asimetrie spre stânga.Analiza informa iilor utilizând SPSS am ales mărimea intervalului de grupare de 8 puncte Se observă că SPSS a distribuit pe cei 40 de studen i pe intervale a căror mărime este de 8 puncte. tot din Interactive Histogram se mai poate construi şi histograma frecven elor cumulate.pagina Assign variables: alegem din listă variabila pentru care dorim să construim histograma frecven elor cumulate şi se „trage” în caseta de pe axa X apoi se bifează op iunea Cumulative histogram . însă dezavantajul acestei op iuni este că nu se ştie pe câte intervale va fi pusă distribu ia. Interpretarea graficului: Cei mai mul i studen i. am preferat să debifăm Set interval size automatically şi alegem op iunea Width of interval (scriem în caseta alăturată mărimea dorită a intervalului)->click pe butonul OK 70 . au scorul la admitere la facultate între 48 şi 56 puncte. Acest grafic se ob ine executând comanda : Graphs -> Legacy Dialogs -> Interactiv >Histogram -> fereastra Create Histogram în care se fac următoarele opera iuni: . 25 din cei 40 analiza i.pagina Histogram: în caseta Interval Size. Deasemenea.

Prezentarea datelor în SPSS Notă: Am preferat op iunea (Width of interval) ca utilizatorul să alegă mărimea intervalului de grupare pentru că astfel va fi mai uşor de analizat rezultatele din Viewer respectiv de interpretat histograma cu frecven ele cumulate. 71 .Capitolul 3 .

în caseta de pe axa X variabila independentă. ce ar trebui să existe.4.Analiza informa iilor utilizând SPSS Interpretarea rezultatelor: Din cei 40 de studen i analiza i 36 au ob inut un scor la admiterea la facultate de pâna la 64 de puncte . Construirea graficului presupune comanda: Graph -> Legacy Dialogs -> Interactive -> Scatterplot -> fereastra Create Scatterplot în care se fac următoarele opera iuni: -pagina Assign Variables: se mută. între media ob inută la absolvirea liceului (pe care o vom considera variabila independentă) şi scorul la admitere la facultate (aceasta va fi variabila dependentă). prin tragere. Graficul Scatterplot Acest grafic Scatterplot denumit nor de puncte sau corelogramă este utilizat în reprezentarea legăturii statistice exprimate cantitativ dintre 2 fenomene .6. Am utilizat datele statistice din fişierul note. -pagina Fit alegem din caseta Method op iunea Regression. 72 . iar în caseta de pe axa Y variabila dependentă.sav. astfel că în fereastra Viewer se va ob ine corelograma (Scatterplot) ce va reprezinta legătura. click pe butonul OK. 3.

Capitolul 3 .Prezentarea datelor în SPSS 73 .

directă si liniară. 74 .Analiza informa iilor utilizând SPSS Interpretarea rezultatelor: Legătura dintre media ob inută de un student la absolvirea liceu şi scorul ob inut de acesta la admiterea la facultate este puternică.

N.Capitolul 3 . a I.S. 75 . Numărul mediu al salaria ilor pe jude e Numărul mediu total de salaria i (mii pentru anul 2010. a numărului mediu al salaria ilor bărba i şi femei în anul 2010 (mii persoane). din persoane) în anul: care: 2008 2009 2010 bărba i femei 167 159 147 75 Bihor 72 61 57 52 27 Bistrita-Nasaud 25 199 187 179 87 Cluj 92 94 92 86 41 45 Maramures 77 76 71 36 Satu Mare 35 48 44 39 20 Salaj 19 92 84 75 36 39 Alba 169 151 145 67 Brasov 78 51 48 41 21 Covasna 20 67 63 59 28 Harghita 31 131 125 115 54 61 Mures 122 116 109 52 Sibiu 57 122 111 101 50 51 Bacau 57 56 48 26 Botosani 22 165 153 137 67 70 Iasi 87 82 74 36 Neamt 38 102 100 89 42 Suceava 47 61 55 50 27 23 Vaslui 76 72 63 30 Braila 33 87 82 75 36 Buzau 39 194 187 170 78 Constanta 92 128 118 106 46 60 Galati 46 44 39 19 Tulcea 20 60 55 51 28 Vrancea 23 147 136 124 58 Arges 66 47 44 41 21 20 Calarasi 84 80 72 36 Dambovita 36 34 33 30 14 Giurgiu 16 48 48 41 19 Ialomita 22 183 180 161 76 Prahova 85 58 54 50 23 Teleorman 27 104 106 99 46 Ilfov 53 922 886 820 383 Municipiul Bucuresti 437 136 129 119 57 62 Dolj 79 80 71 27 Gorj 44 49 46 40 19 Mehedinti 21 75 67 60 28 Olt 32 85 79 73 33 40 Valcea 124 111 107 53 Arad 54 64 59 51 24 Caras-Severin 27 129 118 109 54 Hunedoara 55 217 203 187 85 Timis 102 Sursa datelor: baza de date TEMPO-Online.Prezentarea datelor în SPSS Temă propusă pentru studiul individual Avem următoarea bază de date ce con ine informa ii privind distribu ia pe jude e a numărului mediu de salaria i în anii 2008-2010.

Analiza informa iilor utilizând SPSS

Se cere: - să se construiască histograma şi curba distribu iei normale (prin 3 metode) pentru distribu ia pe jude e a salaria ilor din 2010.(salaria ii vor fi grupa i în 5 grupe) - să se construiască un grafic bară pentru jude ele regiunii de N-E ce reprezintă numărul de salaria i total, salaria i bărba i şi femei în anul 2010 - să se construiască un grafic line pentru jude ele regiunii de N-E ce reprezintă numărul de salaria i în anii 2008, 2009 şi 2010 - să se construiască un boxplot (prin 2 metode) pentru variabilele numărul de salaria i şi numărul de salaria i femei pentru anul 2010 - să se construiască grafic pie ce reprezintă distribu ia procentuală a primelor 10 judete pe principalele 5 categorii de salariati - să se construiască un scatterplot pentru variabilele numărul de salaria i şi numărul de salaria i femei din anul 2010.

76

Capitolul 4 – Mărimile medii şi indicatorii de pozi ie şi varia ie în SPSS

Capitolul 4 indicatori ndicatorii Mărimile medii şi indicatorii de pozi ie şi varia ie în SPSS
________________________________________________________________________ Obiective Capitolul de fa ă are drept principal obiectiv în elegerea şi însuşirea comenzilor din SPSS necesare calculării indicatorilor tendin ei centrale şi dispersiei. Cuvinte cheie: comenzile: Case Summaries, Frequencies: Statistics One-Way ANOVA şi indicatorii: Mean, Sum, Std. Deviation, Variance, Range, Minimum, Maximum, Skewness, Sum of Squares Between Groups, Sum of Squares Within Groups, Sum of Squares Total; testului F respectiv valoare Sig. ________________________________________________________________________

4.1. Mărimile medii şi indicatorii de pozi ie şi varia ie
4.1.1. Mărimi medii Mediile sunt mărimi statistice care exprimă în mod sintetic şi generalizat, ceea ce este normal, legic, esen ial, tipic, pentru toate unită ile colectivită ii distribuite după o caracteristică. Caracteristicile mediei: • se exprimă în mod sintetic (printr-o singură valoare) • are un caracter abstract (chiar dacă se măsoara în unita i de măsura concret) • este o mărime generalizată, dacă înlocuim fiecare termen cu

• sintetizează normalul (exprimă nivelul purtat de majoritatea unită ilor colectivită ii). Într-o distribu ie normală, ocupă o pozi ie centrală spre care tinde majoritatea unită ilor colectivită ii. Rezultă că este considerată speran a matematică a acestora. Ob inerea lor se face prin două opera ii: • cumularea termenilor seriei fie prin

77

Analiza informa iilor utilizând SPSS

• apoi revenirea (prin împăr ire sau radical) la un nivel reprezentativ pentru to i termenii incluşi în calcul. Mărimi medii de pozi ie se află prin depistarea termenului ce ocupă pozi ia centrală în distribu ia statistică. Mărimi medii simple se calculează în cazul seriilor statistice simple (fără frecven ă), adică pentru seriile în care variantele caracteristicii de distribu ie sunt purtate de câte o singură unitate statistică sau când frecven ele de apari ie sunt egale între ele. Mărimi medii ponderate se calculează când variantele caracteristicii au frecven e diferite (serii cu frecven ă).

1. Media aritmetică Este cea mai cunoscuta medie şi se mai numeste simplu: medie. Este principalul indicator mediu al tendintei centrale. Defini ie Media este rezultatul sintetizării într-o singură expresie numerică a tuturor nivelurilor individuale observate, ob inută prin raportarea valorii totalizate a caracteristicii la numărul total al unită ilor. Astfel, media este valoarea pe care ar purta-o fiecare unitate statistică dacă distribu ia ar fi omogenă. • medie simplă când:

unde:

• medie ponderată când:

Un alt indicator mediu utilizat este:

2. Media geometrică Spre deosebire de media aritmetică, care se bazează pe rela ii de însumare directă între termenii seriei, media geometrică se bazează pe rela ia de produs dintre ei. Media 78

4. Amplitudinea absolută a varia iei (A) se calculează ca diferen ă între nivelul maxim (xmax) şi nivelul minim (xmin) al caracteristicii: 79 . calculate în raport cu valoarea mediei.1.Capitolul 4 – Mărimile medii şi indicatorii de pozi ie şi varia ie în SPSS geometrică reprezintă acea valoare cu care. în toate cazurile când se folosesc mărimi medii şi trebuie să se interpreteze măsura în care ele sunt reprezentative pentru to i termenii individuali din care au fost calculate. Indicatorii simpli ai varia iei Indicatorii simpli ai varia iei servesc pentru a caracteriza gradul de împrăştiere a unită ilor purtătoare ale caracteristicilor înregistrate. valoarea la care se ajunge este egală cu produsul termenilor reali. în cazul mediei geometrice. Aceşti indicatori se pot exprima atât în mărimi absolute.1. Aceasta înseamnă că.2. cât şi în mărimi relative.2. Indicatorii varia iei pot fi calcula i ca indicatori simpli şi ca indicatori sintetici. deci frecven ele devin puterile la care se ridică fiecare termen: 4. fiecare termen se înmul eşte de un număr egal cu frecven a lui în cadrul seriei.1. Ei se calculează pentru a măsura amplitudinea varia iilor şi abaterilor valorilor individuale de la media lor. fiecare termen trebuie să fie luat în func ie de frecven a sa. Indicatorii varia iei Indicatorii varia iei şi asimetriei pot fi folosi i la caracterizarea independentă a fenomenelor. folosind aceleaşi mărimi ca şi pentru caracteristica studiata. în analiza corela iei statistice şi în general. la estimarea erorilor de selec ie. adică: În cazul unei serii de distribu ie de frecven ă. dacă se înlocuiesc to i termenii seriei şi se face produsul lor.

“A” se foloseşte în prelucrarea statistică la alegerea nr.1. 80 . Dacă intervalele sunt deschise. abaterea medie pătratică. de grupe şi a mărimii intervalului de grupare. atunci A se determină după ce s-au închis.pozitiv.Analiza informa iilor utilizând SPSS A = xmax – xmin În cazul unei serii de distribu ie de frecven e. De aceea este necesar să se calculeze şi indicatorii sintetici ai varia iei care iau în considera ie toate abaterile caracteristicii. Amplitudinea relativă a varia iei (A%) se exprimă de regulă în procente şi se calculează ca raport între amplitudinea absolută a varia iei şi nivelul mediu al caracteristicii: “A” nu este un indicator suficient de semnificativ deoarece nu ine seama decât de valorile extreme ale caracteristicii ori asupra varia iei unui fenomen influen eaza toate valorile individuale şi frecven ele lor de apari ie.2. Indicatorii simpli ai varia iei fiind calcula i pe baza rela iilor dintre doi termeni ai seriei sau între fiecare termen şi media lor. Abaterile individuale absolute (di) se calculează ca diferen e între fiecare variantă înregistrată şi media aritmetică a acestora: Numai în cazul distribu iei perfect simetrice dmax. dispersia şi coeficientul de varia ie.negativ = dmax. nu pot exprima întreaga varia ie a unei caracteristici înregistrate.2. Indicatorii sintetici ai varia iei Pentru a sintetiza într-o singura expresie numerică întreaga varia ie a unei caracteristici trebuie să se recurgă tot la o valoare medie calculată din abaterile individuale ale variantelor de la media lor. A se calculează ca diferen ă între limita maxima a intervalului superior şi limita inferioară a intervalului inferior. Indicatorii sintetici ai varia iei sunt: abaterea medie liniară. 4. în mod conven ional intervalele extreme.

în calculele de corela ie. luate în valoare absoluta. abaterea medie liniară = 4/5 din valoarea abaterii medii pătratice.pentru o serie cu frecven e relative. care se foloseşte în analiza varia iei. în compara ie cu abaterile mai mici. -pentru o serie simplă: -pentru o serie de frecven e absolute: . σ este un indicator de bază. 81 . -pentru o serie simplă: -pentru o serie cu frecven e absolute: -pentru o serie cu frecven e relative exprimate în procente: σ va fi întotdeauna > abaterea medie liniară a aceleiaşi serii de date.Capitolul 4 – Mărimile medii şi indicatorii de pozi ie şi varia ie în SPSS Abaterea medie liniară ( ) se calculeaza ca o medie aritmetică simplă sau ponderată din abaterile termenilor seriei de la media lor. la estimarea erorilor de selec ie. Abaterea medie pătratică sau abaterea standard (σ ) Se calculează ca o medie pătratică din abaterile individuale ale termenilor seriei de la media lor. Atât σ cât şi se exprimă în aceleaşi unita i de măsură ca şi cele ale caracteristicii a cărei varia ie o studiază. În literatura de specialitate se apreciază că pentru o serie de distribu ie cu tendin a clară de normalitate. exprimate în procente: Abaterea medie liniară prezintă dezavantajul că nu ine seama de faptul că abaterile mai mari în valoare absolută influen ează în mai mare măsură gradul de varia ie a unei caracteristici.

Dacă se cunoaşte numai abaterea medie liniară se poate calcula şi astfel: Se apreciaza pentru interpretare următoarele limite ale coeficientului de varia ie: Coeficientul de varia ie . v poate fi folosit ca un test de verificare în aplicarea metodei gruparilor. Deci se mai poate numi şi pătratul mediu al abaterilor termenilor fa ă de media lor: -pentru o serie simplă: -pentru o serie cu frecven e absolute: -pentru o serie cu frecven e relative exprimate în procente: 82 . cu atât seria statistică este mai omogenă şi deci media este mai reprezentativă. Deci. Dispersia unei caracteristici se noteaza cu şi se calculeaza ca o medie aritmetică simplă sau ponderată a pătratelor abaterilor termenilor fa ă de media lor. Se apreciaza că.v .poate lua valori între 0 şi 100. Cu cât are o valoare mai mică. Coeficientul de varia ie ( v ) se calculează ca raport între abaterea medie pătratică şi nivelul mediu al seriei.Analiza informa iilor utilizând SPSS Pentru compararea gradului de varia ie a două sau mai multe caracteristici statistice se foloseşte coeficientul de varia ie. în cazul unui coeficient de peste 35-40% media nu este reprezentativă şi datele trebuie să fie separate în serii componente. în func ie de varia ia unei alte caracteristici de grupare. pe grupe. De obicei se exprimă sub forma de procente.

1. Modul( Mo ) sau dominanta Modulul (Mo) sau dominanta reprezintă valoarea caracteristicii cu frecven a de apari ie cea mai mare. având rangul va fi valoarea Me. mediana se mai numeste valoarea echiprobabilă a caracteristicii. sau în cazul seriilor de distribu ie cu intervale inegale. 2.3. Conceptul de “cuantila” indică o divizare a distribu iei observa iilor într-un număr oarecare de păr i. valoarea Mo se determină prin identificarea intervalul modal (cel cu fi cea mai mare.1.3.1. 1. Deci este valoarea cea mai frecvent întâlnită. atunci termenul de la mijloc. cuantilele de ordin “r” ( Cr ) sunt valori ale caracteristicilor urmărite care împart distribu ia observa iilor în “r” păr i egale şi au acelaşi efectiv din numărul total al unită ilor. Frecvent se utilizează urmatoarele cuantile: . (unitatea mediana) 83 . ca medie aritmetica între cei 2 termeni centrali. intervalul cu frecven a redusă cea mai mare). Cuantile de ordin superior r = 4 se calculează în cazul distribu iilor cu număr mare de grupe sau clase de valori individuale.3 Mediana – Me Este acea valoare a caracteristicii unei serii ordonate crescător sau descrescător care împarte seria în 2 păr i egale: ˝ jumătate din unita i < Me . În cazul unei serii de reparti ie pe intervale egale. 4. 4.Cuantile Cuantilele sunt indicatori care descriu anumite pozi ii particulare din cazul seriilor de distribu ie.3. . .centilele sau cuantilele de ordinul 100 ( r = 100 ). În cazul seriilor de distribu ie cu frecven e: Calculul locului . Indicatorii medii de pozi ie 4. Din această cauza. b) Dacă seria are un nr.2. Prin urmare.quartilele sau cuantilele de ordin 4 ( r = 4 ). .1.decilele sau cuantilele de ordin 10 ( r = 10 ).1. Me se determina în mod conven ional. par de termeni.3.mediana sau cuantila de ordin 2 ( r = 2 ). În cazul unei serii simple: se ordoneaza crescător sau descrescător termenii: a) Dacă seria are un număr impar. cealaltă jumătate ˝ > Me .Capitolul 4 – Mărimile medii şi indicatorii de pozi ie şi varia ie în SPSS 4.

În special calculul asimetriei se bazează pe rela ia dintre Me şi M0.1. 84 . deoarece Me coincide în valoare cu M0 seriei. Astfel. De aceea este necesar ca pe lângă indicatorii varia iei să se calculeze şi indicatorii de asimetrie. cu atât asimetria este mai mică. uşor asimetrice sau cu tendin a pronun ată de asimetrie. O valoare mare a Cas indică o distribu ie care diferă semnificativ de o distribu ie normală. atunci Cas este cuprins între 0 şi 1. Pentru interpretarea asimetriei se foloseşte coeficientul de asimetrie (Cas) şi exprimă gradul de dezechilibru al unei distribu ii. o serie poate fi în una din cele 3 situa ii: Gradul de reprezentativitate al mediei creşte pe măsură ce seria se apropie mai mult de distribu ia simetrică şi are un câmp mai redus de varia ie a caracteristicii. 4. Dacă M0 > Me. deci există o asimetrie negativă. simetrică. Mediana se exprimă în unitatea de măsură a caracteristicii studiate. Me şi M0. Cu cât Cas este mai mic în valoare absolută.Analiza informa iilor utilizând SPSS Dacă Intervalul median va fi considerat intervalul în care frecven ele cumulate depăşesc locul Me în serie. deci există o asimetrie pozitiva. Într-o serie perfect simetrica. Asimetria În practica statisticii social-economice se pot întâlni serii de distribu ie de frecven e simetrice. Cas = zero. Cas este cuprins între –1 şi 0. Dacă Me > M0 seriei. La interpretarea gradului de asimetrie se porneşte de la pozi ia şi valorile pe care le au cei trei indicatori ai tendin ei centrale: Media.4.

Variance = dispersia .Quartiles = cuantilele de ordin 4 .Skewness= coeficient de asimetrie Determinarea în SPSS a mărimilor medii şi a indicatorilor de pozi ie şi varia ie aferen i unei colectivită i simple se poate face executând următoarea comandă: Analyze -> Descriptives Statistics ->Frequencies ->fereastra Frequencies: alegem din listă variabila sau variabilele pentru care dorim să calculăm indicatorii şi le trecem în caseta Variable(s). click pe butonul Statistics -> fereastra Frequencies: Statistics: bifăm în casetele de lângă indicatorii pe care dorim să-i analizăm şi click pe butonul Continue >fereastra Frequencies: debifăm op iunea Display frequency tables şi click pe butonul OK.Minimum = valoarea minimă a variabilei alese .Mean = media aritmetică . Determinarea mărimilor medii şi indicatorilor de pozi ie şi varia ie în SPSS În SPSS avem posibilitatea să calculăm următorii indicatori : . 85 .Range = amplitudinea absolută a varia iei .Mode = modulul .Median =mediana .Maximum = valoarea maximă a variabilei alese . Deviation = abaterea medie pătratică .Std.Sum = suma tuturor cazurilor înregistrate .Capitolul 4 – Mărimile medii şi indicatorii de pozi ie şi varia ie în SPSS 4.2.

sav. 86 . din fişierul de date note.Analiza informa iilor utilizând SPSS În fereastra Viewer se va ob ine un tabel Statistics în care sunt determina i indicatorii tendin ei centrale şi varia ie pentru variabilele media ob inută la absolvirea liceului şi scorul la admitere la facultate.

0.13 -> dispersia serie este de 0.94 Percentiles 25 = 8.61 87 - .25-> diferen a dintre cea mai mare medie de absolvire la liceu ob inută de studen ii analiza i şi cea mai mică este de 1.37 -> aproximativ 68% dintre studen i au media ob inută la absolvirea liceului cuprinsă într-un interval egal cu media plus sau minus valoarea abaterii medii pătratice.30 şi jumătate peste Mode = 8.29 -> media de absolvire la liceu a celor 40 de studen i analiza i este de 9.37 Variance = 0.29 +/.79 -> cea mai mică medie de absolvire ob inută de cei mai mul i dintre studen i este de 8.30 -> jumătate din studen i au ob inut o media de absolvire la liceu de sub 9.69 Maximum= 9.98 -> 25% din studen i au ob inut o media de absolvire la liceu de sub 8.79 (seria este plurimodală) Std.69-> cea mai mică medie ob inută la absolvirea liceului de studen ii analiza i este de 8.94 -> cea mai mare medie ob inută la absolvirea liceului de studen ii analiza i este de 9.61 -> 75% din studen i au ob inut o media de absolvire la liceu de sub 9.29 Median = 9.25 puncte Minimum= 8. Deviation = 0.98 50 = 9.13 puncte Skewness= 0.30 -> jumătate din studen i au ob inut o media de absolvire la liceu de sub 9.07-> există o asimetrie pozitivă moderată Range = 1.30 75 = 9.Capitolul 4 – Mărimile medii şi indicatorii de pozi ie şi varia ie în SPSS Interpretarea celor mai importante rezultate pentru variabila media ob inută la absolvirea liceului : N Valid = 40 -> Analiza statistică se face având la bază 40 de înregistrări valide Missing = 0 -> Nu există valori lipsă Mean = 9. respectiv : 9.

Dacă s-a aplicat în prealabil metoda grupării. fie luând în calcul varia ia din interiorul grupelor şi între grupe.3. bazate pe regula adunării dispersiilor. în func ie de varia ia factorilor determinan i.varia ia valorilor mediilor de grupă în jurul mediei colectivită ii totale . Mărimile medii şi indicatorii varia iei pentru o colectivitate împăr ită în grupe Cu cât fenomenele sunt mai complexe.varia ia valorilor în jurul mediei totale Pentru a măsura gradul de varia ie provocat de ac iunea combinată a celor 2 categorii de factori variabili se foloseşte metoda analizei dispersiei bazată pe descompunerea dispersiei. corespunzător se vor calcula indicatorii de varia ie pentru fiecare grupă cât şi pe întreaga colectivitate. cu atât gradul de varia ie este mai mare.varia ia valorilor în jurul mediei lor de grupă . Dispersia totală: Dispersia de grupă (par ială): Pentru a sintetiza într-o singură valoare varia ia întregii colectivită i se calculează media dispersiei par iale ( ): 88 . atunci se pot calcula atât indicatori ai tendin ei centrale şi varia iei pe grupe.Analiza informa iilor utilizând SPSS 4. cât şi o medie a colectivită ii totale şi. Putem calcula 3 feluri de indicatori care să caracterizeze: . Indicatorii de varia ie pe întreaga colectivitate se pot calcula fie făcând abstrac ie de faptul că ea este compusă din mai multe grupe. s-au ob inut următoarele distribu ii condi ionate de factorul de grupare. Presupunând că s-au înregistrat datele pentru o caracteristică x şi unită ile au fost împăr ite în “r” grupe. Din această cauză unită ile la care s-a făcut observarea trebuie împăr ite în grupe. Între indicatorii de varia ie calcula i la nivelul fiecărei grupe şi cei pe întreaga colectivitate există anumite rela ii.

y.calculăm mediile.construim tabelul cu dublă intrare .verificarea regulii adunării dispersiilor folosind ANOVA 4.4. iar grupele formate după varia ia caracteristicii y elementele componente ale predicatului. În rubricile tabelului se trec frecven ele valorilor x. Regula adunării dispersiilor Pentru a calcula indicatorii tendin ei centrale şi ai varia iei pentru o colectivitate împăr ită în grupe parcurgem următoarele etape: . 89 . dispersiile şi abaterile medii pătratice pe fiecare interval de grupare după factorul determinant .4. y) şi au fost centralizate numai frecven ele de apari ie ale valorilor x.Capitolul 4 – Mărimile medii şi indicatorii de pozi ie şi varia ie în SPSS Dispersia dintre grupe se calculează pe baza abaterilor mediilor de grupă de la media colectivită ii totale şi măsoară gradul de influen ă a factorului de grupare asupra varia iei caracteristicii studiate. y. Între cei 3 indicatori există rela ia: Dispersia colectivită ii totale = media dispersiei par iale + dispersia dintre grupe cunoscută şi sub numele de regula de adunare a dispersiilor. tabelul cu dublă intrare se foloseşte atunci când colectivitatea a fost împăr ită în grupe după varia ia a două caracteristici (x. Într-un tabel cu dublă intrare grupele formate după varia ia caracteristicii x reprezintă elementele componente ale subiectului. Determinarea mărimilor medii şi indicatorilor varia iei pentru o colectivitate împăr ită în grupe în SPSS.1. Construirea tabelului cu dublă intrare Aşa cum s-a prezentat în capitolul 3. 4.

Observa ie: se recomandă ca pe rânduri Row(s) să fie pusă variabila categorială independentă.Analiza informa iilor utilizând SPSS Rezultă că unită ile la care s-a făcut înregistrarea datelor se distribuie atât după varia ia lui x cât şi a lui y. iar pe coloane Column(s) cea dependentă. după care click pe butonul OK. 90 . Tabelul cu dublă intrare se ob ine executând comanda: Analyse ->Descriptive Statistics >Crosstabs-> fereastra Crosstabs: din listă selectăm variabilele pentru care dorim să construim un tabel cu dublă intrare (aceste variabile trebuie să fie categoriale) şi le trecem în casetele Row(s) şi Column(s). cât şi cu cele după y. pentru care deci numărul total al unită ilor observate (N) este egal cu suma frecventelor după x.

click pe butonul Continue ->fereastra Summarize Case: se apasă pe butonul OK.2.sav în caseta Variable(s) s-a pus variabila dependentă scorul pe categorii iar în caseta Grouping Variables variabila independentă media pe categorii . Pe rândurile Row(s) tabelului s-a pus variabila categorială independentă media pe categorii iar pe coloane Column(s) variabila categorială dependentă scorul pe categorii. iar în caseta Grouping Variables cea independentă. pornind de la fişierul note. Calcularea mediilor. Între cele două variabile prezentate în tabel există o rela ie de cauzalitate pentru că frecven ele par iale se află pe diagonala tabelului cu dublă intrare şi în aceste condi ii putem calcula indicatorii de varia ie corespunzători.4. Observa ie: se recomandă ca în caseta Variable(s) să fie pusă variabila categorială dependentă. 4. se debifează op iunea Display cases şi click pe butonul Statistics -> fereastra Summary Reports: Statistics: selectăm din caseta Statistics indicatorii pe care dorim să-i analizăm şi îi trecem în caseta Cell Statistics. Astfel. dispersiilor şi abaterilor medii pătratice pe fiecare interval de grupare după factorul determinant Pentru calcularea acestori indicatori se execută următoarea comandă: Analyze -> Reports -> Case Summaries ->fereastra Summarize Case: alegem din listă variabilele pentru care dorim să calculăm indicatorii şi le trecem în caseta Variable(s) respectiv Grouping Variables.Capitolul 4 – Mărimile medii şi indicatorii de pozi ie şi varia ie în SPSS În fereastra Viewer se va ob ine Tabelul cu dublă intrare ce reprezintă frecven ele par iale în func ie de distribu ia studen ilor pe grupe de medii ob inute la absolvirea liceului şi pe scorul la admitere la facultate.sav . plecând de la fişierul deja prezentat în capitolul anterior note. 91 .

Analiza informa iilor utilizând SPSS 92 .

00 au un scor la admitere cuprins în intervalul 61.6 de puncte . click pe butonul OK.4.Variance = 35. studen ii care au media de absolvire a liceului între 9.Capitolul 4 – Mărimile medii şi indicatorii de pozi ie şi varia ie în SPSS În fereastra Viewer se va ob ine tabelul Case Summaries ce reprezintă frecven ele în func ie de distribu ia studen ilor pe grupe de medii ob inute la absolvirea liceului dar şi indicatorii aferen i scorului la admitere la facultate pentru fiecare interval de grupare. respectiv: 53.4 puncte .00 ce au un scor mediu la admitere de 61. 93 .73 puncte pe total -> dispersia seriei pe total este de 35.0 puncte pe total -> aproximativ 68% din cei 40 de studen i analiza i au scorul la admitere cuprins într-un interval egal cu media plus sau minus valoarea abaterii medii pătratice.3.0 puncte.6. în general.Std. Interpretarea celor mai importante rezultate din output : . Verificarea regulii adunării dispersiilor folosind ANOVA În SPSS pentru a verifica regula adunării dispersiilor respectiv calcularea dispersiilor de grupă şi dintre grupe se execută următoarea comandă: Analyze -> Compare Means -> One-Way ANOVA ->fereastra One-Way ANOVA: alegem din listă variabilele pentru care dorim să calculăm indicatorii şi le trecem în caseta Dependent List (variabila dependentă) şi în caseta Factor (variabila independentă).Mean = 53.N = 40 pe total-> În total au fost 40 de studen i analiza i din care cei mai mul i au ob inut o medie la absolvirea liceului între 8.60 şi 10. în timp ce aproximativ 68% din studen ii cu media la liceu între 9.6 +/. iar scoruri mai mari au ob inut.73 puncte 4.4 puncte pe total -> scorul mediu ob inut la admiterea la facultate de to i studen ii analiza i a fost de 53.3.4 de puncte. Deviation = 6.60 şi 10.20 .4 +/.80 şi 9.

Analiza informa iilor utilizând SPSS Observa ie: în caseta Dependent List se pune variabila categorială dependentă iar în caseta Factor variabila categorială independentă.sav în caseta Dependent List am pus variabila categorială dependentă scorul pe categorii iar în caseta Factor variabila categorială independentă media pe categorii . În fereastra Viewer se va ob ine următorul tabel ANOVA: Suma pătratelor abaterilor Grade de libertate Media pătratelor Valoarea F calculat Între grupe Semnifica ia testului F În interiorul grupelor 94 . Astfel. pornind tot de la fişierul note.

= 0.1-> plecând de la această valoare se poate calcula dispersia şi abaterea medie pătratică de grupă. 95 . Dispersia pe total se calculeză împăr ind Sum of Squares Total la numărul total al studen ilor analiza i. testul F este semnificativ.9 puncte) o testului F respectiv valoarea Sig. Dispersia între grupe se calculeză împăr ind Sum of Squares Between Groups la numărul total al studen ilor analiza i. ceea ce înseamnă că există o diferen ă semnificativă între cele 4 grupe de medii la absolvirea liceului în raport cu nivelul scorului ob inut la admiterea la faculate. iar abaterea medie pătratică între grupe sco ând radical din dispersia între grupe (σ =5.4 puncte) o Sum of Squares Within Groups (suma pătratelor abaterilor de grupă) = 220.3 puncte) o Sum of Squares Total (suma pătratelor abaterilor pe total) = 1393.000->cu această valoare mai mică decât 0.5-> plecând de la această valoare se poate calcula dispersia şi abaterea medie pătratică între grupe. iar abaterea medie pătratică din interiorul grupei sco ând radical din dispersie de grupă (σ =2. Dispersia de grupă se calculeză împăr ind Sum of Squares Within Groups la numărul total al studen ilor analiza i.6-> plecând de la această valoare se poate calcula dispersia şi abaterea medie pătratică pe total. iar abaterea medie pătratică pe total sco ând radical din dispersie (σ =5.Capitolul 4 – Mărimile medii şi indicatorii de pozi ie şi varia ie în SPSS Interpretarea celor mai importante rezultate din output : o Sum of Squares Between Groups (suma pătratelor abaterilor între grupe) = 1173.05.

.69 Scorul la admitere 68 66 64 64 62 61 60 59 57 57 57 56 56 55 55 55 55 55 54 53 53 52 52 52 51 51 51 51 50 50 50 50 50 49 48 48 48 48 47 47 Se cere: .Analiza informa iilor utilizând SPSS Temă propusă pentru studiul individual Avem următoarea bază de date ce con ine informa ii privind media de absolvire a liceului şi scorul ob inut la admitere la facultate pentru 40 de studen i. Nr_crt 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 Media de absolvire din liceu 9.Construi i tabelul Anova pentru distribu ia bivariată prezentată în tabel. 96 .00 9.94 8.81 9.63 9.71 8.10 9.97 8.30 9.23 9.00 8.01 9.42 9.16 9.19 9.84 9.35 9.32 9.78 9.Să se calculeze indicatorii medii ai tendin ei centrale şi ai varia iei separat pentru cele două variabile ale seriei.96 8.85 8.75 9.52 9.53 9.64 9.63 9.94 9.79 8.79 8.31 9.54 9.Să se calculeze indicatorii medii ai tendin ei centrale şi ai varia iei pentru distribu ia bivariată prezentată în tabel .37 9.13 9.72 8.57 9.36 9.88 8.16 9.85 9.83 9.

precum şi de influen a altor factori întâmplători. De asemenea.1.Analiza seriilor interdependente în SPSS Capitolul 5 Analiza seriilor interdependente în SPSS ________________________________________________________________________ Obiective Capitolul de fa ă are drept principal obiectiv în elegerea şi însuşirea metodelor şi comenzilor necesare analizării unor serii interdependente în SPSS. R Square. Power şi Cubic. Test of Significance Two-tailed sau One-tailed. Logarithmic. Spearman. factorii se asociază între ei şi uneori apar o serie de cauzalită i în lan . Cu cât fenomenul studiat este mai complex. Regression ->Curve Estimation şi fereastra Curve Estimation. Quadratic. Identificarea legăturii dintre fenomene se poate realiza numai în urma unei analize calitative multilaterale. Kendall. Analiza regresiei şi corela iei Asupra fenomenelor social-economice ac ionează un număr diferit de factori principali şi secundari. iar rela iile de cauzalitate mai dificil de identificat şi măsurat. cu atât numărul factorilor ce-l influen ează este mai mare. în care pe lângă statistică se folosesc şi cunoştinte din alte ştiin e ce studiază acelaşi domeniu. care se găsesc în legatură reciprocă. 97 . Exponential.Capitolul 5 . Astfel. Models: Liniar. în acelaşi sens. Standardized Coefficients Beta ________________________________________________________________________ 5. Unstandardized Coefficients B. nu toate rela iile de cauzalitate se manifestă cu aceeaşi intensitate. varia ia variabilei rezultative (Yi) este determinată într-o anumită măsură de varia ia uneia sau a mai multor variabile factoriale (Xi). esen iali şi neesen iali. Nu to i aceşti factori se pot exprima numeric însă şi. nu orice expresie numerică poate fi rezultatul unor rela ii de la cauză la efect. de asemenea. şi indicatorii: Correlation Coefficients Pearson. De cele mai multe ori. unde: Yi = variabila rezultativă (numită şi variabilă dependentă sau efect sau caracteristică endogenă sau variabilă determinată). Legăturile sunt specifice fenomenelor social-economice şi se manifestă în medie pentru un număr mare de cazuri şi nu pentru fiecare caz în parte. Cuvinte cheie: comenzile: Bivariate Correlations. Xi = variabile factoriale (numite şi variabile independente sau de cauzalitate sau variabile exogene sau variabile explicative).

98 . Studierea legăturii dintre fenomene are la bază două metode: regresia şi corela ia.legături statistice exprimate prin cuvinte (calitative).: valoarea încasărilor la un spa iu de cazare (Yi ) în func ie de numărul locurilor de cazare (Xi).legături simple (când o singură caracteristică factorială esen ială determină o caracteristică rezultativă): (ex: suprafa a comercială influen ează valoarea vânzărilor într-un magazin).1. . Studiul regresiei urmăreşte a descrie modul în care o variabilă dependentă evoluează în func ie de modificarea uneia sau a mai multor variabile cauzale. ex. deci găsirea în final a unei func ii matematice care să descrie cel mai bine legatura dintre variabile.legături multiple (când avem mai mult de 2 caracteristici factoriale). care reprezintă influen a tuturor factorilor neincluşi în model.legături statistice exprimate cantitativ (numeric).: o dată cu scăderea cheltuielilor materiale creşte eficien a pe unitatea de produs.legături inverse (când la o creştere a valorii caracteristicii factoriale corespunde o scădere a valorii caracteristicii rezultative sau invers). 5.legături cu decalaj (asincrone). hiperbola.legături liniare (când se exprimă sintetic prin ecua ia dreptei). iar cele dintre caracteristici calitative se mai numesc asocieri statistice. .Analiza informa iilor utilizând SPSS e = variabila eroare (reziduu). Tipuri de legături Legăturile statistice pot fi clasificate în func ie de diferite criterii: a) După numărul caracteristicilor corelate avem: . numite şi legături de corela ie.legături curbilinii (când expresia analitică a legaturii este de alt tip decât liniar: parabola. ex.1.legături directe (când la creşterea valorii caracteristicii factoriale îi corespunde o creştere a valorii caracteristicii rezultative). d) După forma legăturii putem avea: . etc. exponen iala.). se analizează volumul vânzărilor în func ie de suprafa a comercială exprimată în m2(X1) şi mărimea stocurilor (X2)). (ex. b) După modul de exprimare al caracteristicilor putem avea: .: la o creştere a salariului mediu va corespunde şi o creştere a vânzării bunurilor de uz îndelungat. .legături concomitente (sincrone). . ex. e) După timpul în care se realizează legăturile putem avea: . . Legăturile dintre caracteristicile numerice se mai numesc şi corela ii statistice. considera i ca “eroare“ de modelare.: legătura dintre studii şi ocupa ii. ex. c) După direc ia legăturii putem întâlni: . numite şi legături de asociere.

Metode elementare a) Metoda seriilor statistice interdependente constă în compararea termenilor a 2 serii interdependente Xi şi Yi. printr-o analiză logică a posibilită ilor de existen ă a unei legături între variabilele considerate. Probleme ce trebuiesc avute în vedere la cercetarea bazată pe regresie şi corela ie a) Identificarea existen ei legăturii. 99 . c) Determinarea gradului de intensitate a legăturii cu ajutorul indicatorilor parametrici sau neparametrici ai intensită ii corela iei. 5.1.2. corela ia este inversă. Metode de studiere a legăturilor dintre fenomene 5. Această metodă se aplică în cazul seriilor cu număr mic de variante. iar când comparăm 2 serii de spa iu sau de distribu ie.Capitolul 5 .Analiza seriilor interdependente în SPSS Metoda corela iei urmăreşte să stabilească gradul în care variabila cauzală influen ează modificarea variabilei efect. cu atât corela ia este mai intensă. Se recomandă folosirea intervalelor de grupare egale şi un număr aproximativ egal de grupe pentru ambele variabile. direc ia şi intensitatea legăturii. Dacă comparăm 2 serii de timp. iar dacă varia ia lor este în sens diferit. b) Metoda grupărilor statistice se foloseşte când avem un număr mare de variante. Prin compararea celor 2 serii putem eviden ia existenta şi direc ia legaturii.2. Putem stabili existen a. Nu trebuie pornit la studiul statistic al regresiei şi corela iei decât după ce în prealabil s-a ajuns la concluzia că pot exista rela ii de la cauză la efect în domeniul studiat. Dacă ambele variabile variază în acelaşi sens. termenii se ordonează în ordinea crescătoare sau descrescătoare a variabilei independente xi. d) Metoda grafică presupune reprezentarea grafică a perechilor de valori (xi. avem o legatură directă. c) Metoda tabelului de corela ie presupune gruparea simultană după ambele variabile corelate x şi y. sensul. b) Stabilirea sensului şi formei legăturii cu ajutorul metodelor analizei regresiei.Cu cât acestea se concentrează în jurul diagonalelor tabelului. ordonăm termenii cronologic. În func ie de modul de distribu ie a frecven elor în tabel se poate aprecia existenta.1. forma şi intensitatea corela iei folosind graficul numit corelogramă.yi). Se face gruparea valorilor variabilei xi pe intervale de varia ie şi se calculează valorile corespunzătoare ale variabilei yi sub forma unei mărimi derivate (de regulă ca nivel mediu).1.

1 şi 3 = o legatură. punctele fiind distribuite neuniform pe grafic. În general pot exista următoarele situa ii: 1 şi 2 = corela ie pozitivă. 100 . 5 şi 6 = inexisten a legăturii.1. 5. Metode analitice Mai întâi se construieşte corelograma şi se găseşte cel mai bun model teoretic corespunzător legăturii dintre cele 2 variabile. valorilor crescătoare ale lui xi li se asociază valori descrescânde pentru yi . directă.2.Analiza informa iilor utilizând SPSS Cu ajutorul graficului se poate constata direc ia spre care se îndreaptă mul imea (norul de puncte) cât şi apropierea punctelor fa ă de o linie sau de o curbă ce pot fi trasate pe diagramă. Apoi. inversă. se estimează parametrii ecua iei de regresie pe baza metodei celor mai mici patrate şi se interpretează regresia în func ie de semnul şi valoarea lor. dar mai slabă între cele 2 variabile corelate. 3 şi 4 = corela ie negativă.2. 2 şi 4 = ilustrează o rela ie strânsă între x şi y. valorilor crescătoare ale lui xi asociindu-li-se valori crescânde ale lui yi .

Legături de tip parabolic Parabola de gradul 2: Y=a+bx+cx2 prezintă un punct de maxim sau de minim în func ie de semnul coeficientului de regresie “c“.Analiza seriilor interdependente în SPSS Exemple de legături statistice 1.Capitolul 5 . Tipuri de legături simple liniare 2. Parabola de gradul 3: Y=a+bx+cx2+ dx3 101 .

în cazul modelului liniar cu două variabile: Semnul parametrului “b” indică direc ia legăturii dintre cele 2 variabile corelate: Valoarea parametrului “b” arată gradul de dependen ă dintre variabile. Spre exemplu. respectiv cu cât creşte sau scade “y” la o creştere sau la o scădere a variabilei “x” cu o unitate. 102 . Parametrii a şi b vor fi estima i prin metoda celor mai mici pătrate. urmează estimarea parametrilor modelului. testarea semnifica iei acestora şi în final măsurarea intensită ii corela iei. al cărui principiu de bază constă în minimizarea sumei pătratelor abaterilor valorilor observate fa ă de valorile calculate (teoretice). Legături de tip hiperbolic: După ce s-a aproximat pe cale grafică func ia care coincide cel mai bine legăturii dintre cele două fenomene corelate.Analiza informa iilor utilizând SPSS 3.

legătura este mai mică sau nu există.Capitolul 5 . Rxy poate lua valori de la 0 la 1 şi se interpretează astfel: . Aceste valori ale ecua iei de regresie se mai numesc şi valori teoretice ale caracteristicii y în func ie de x. Cu alte cuvinte.3. stabilind cât de strânsă (intensă) este legătura dintre variabilele incluse în modelul de regresie. prin ajustare se în elege înlocuirea termenilor empirici (reali) ob inu i din observare. ob inem raportul de corela ie.1. care arată tendin a medie de varia ie a caracteristicii rezultative. Spearman (coeficientul de corela ie a rangurilor). cu termeni teoretici. a) Calculul raportului de corela ie: Dacă extragem rădăcina pătrată din raportul de determina ie. Pot fi considerate următoarele limite orientative pentru interpretarea intensită ii legăturii dintre două fenomene: 103 . iar opera ia de înlocuire a termenilor reali cu valorile ecua iilor de regresie se numeşte ajustare.cu cât este mai aproape de 0. Pearson (sistematizează analiza corela iei şi stabileşte teoria corela iei pentru 3 variabile). Contribu ii deosebite în studiul corela iei au fost aduse în special de Galton (coeficientul de corela ie).Analiza seriilor interdependente în SPSS Odată ob inute valorile parametrilor a şi b se calculează valoarea ecua iei de regresie pentru fiecare valoare a caracteristicii x. dacă aceasta ar fi depins numai de varia ia variabilei independente “x” considerate. Metoda corela iei vine să completeze metoda regresiei. Altfel spus. indicator care măsoară intensitatea legăturii dintre fenomene. Yule (dezvoltă teoria corela iei multiple). 5.cu cât are o valoare mai apropiată de 1. în timp ce în cazul legăturii de tip curbiliniu nu se poate aplica decât raportul de corela ie (Rxy). Intensitatea legăturii se poate măsura cu ajutorul raportului de corela ie (Rxy ) sau a coeficientului de corela ie (rxy). cu atât legătura dintre cele două fenomene este mai strânsă. cât de mult pot varia estimările făcute pe baza analizei de regresie. fie coeficientul de corela ie (rxy). În cazul corela iei liniare simple se calculează fie raportul (indicele) de corela ie (Rxy). Metoda corela iei Prin metoda regresiei s-a găsit modelul matematic care corespunde cel mai bine legăturii dintre două sau mai multe fenomene din natură şi societate. .

Analiza informa iilor utilizând SPSS

2 Dacă se ridică la pătrat Rxy ob inem raportul de determina ie R xy . Acesta din urmă transformat în procente ne poate spune în ce propor ie variabila xi influen ează (determină) variabila yi.

b) Calculul coeficientului de corela ie În cazul corela iei liniare, raportul de corela ie se transformă în coeficient de corela ie (rxy). Coeficientul de corela ie propus de Pearson se notează cu “rxy “ şi este dat de rela ia:

Coeficientul de corela ie poate lua valori între 0 şi +/-1 şi se interpretează astfel: - între (-1;0) legătura dintre cele două variabile este de sens invers, iar intensitatea legăturii se apreciază în func ie de mărimea coeficientului, identic cu interpretarea raportului de corela ie; - dacă valoarea sa se aproprie de 0, fenomenele corelate sunt independente sau tind către independen ă; - dacă se apropie de -1 atunci legătura este foarte strânsă şi de sens invers. - între (0;+1) legătura dintre fenomenele corelate este directă şi, cu atât mai intensă cu cât se apropie de 1. Semnul lui rxy va fi acelaşi cu semnul parametrului “b” din cazul ecua iei de regresie simplă liniară, având aceeaşi semnifica ie, respectiv:

Interpretarea este similară cu cea a raportului de corela ie, iar ridicând la pătrat valoarea 2 coeficientului de corela ie ob inem coeficientul de determina ie ( rxy ),care ne arată în ce propor ie variabila independentă o determină pe cea rezultativă. Dacă în cazul legăturilor curbilinii nu se poate calcula decât raportul de corela ie, în cazul legăturilor de tip liniar pot fi calcula i ambii indicatori pentru analiza intensită ii dintre fenomene.

104

Capitolul 5 - Analiza seriilor interdependente în SPSS

5.1.4. Metode neparametrice de măsurare a legăturilor dintre fenomene Metodele analitice (parametrice) de calcul al corela iilor se utilizează în cazul în care există posibilitatea de a se determina o formă de manifestare a legăturii, verificată pentru un număr suficient de date care tind să se distribuie normal. Dar, există numeroase cazuri când distribu ia caracteristicilor nu este normală şi nici nu există informa ii despre parametrii func iilor studiate. În acest caz, nu se pot întrebuin a formulele indicatorilor analitici de corela ie, ci trebuie să se folosească alte metode pentru a putea determina existen a, direc ia şi intensitatea anumitor legături ce se stabilesc între 2 sau mai multe caracteristici. Aceste metode trebuie să elimine ipoteza privind tipul curbei de distribu ie şi să dea posibilitatea unor estimări la cele mai variate tipuri de distribu ie. Metodele prin care se rezolvă aceste probleme sunt cunoscute sub denumirea de metode neparametrice. Metodele neparametrice, pe lângă faptul că pot stabili intensitatea unei legături făcând abstrac ie de tipul de distribu ie, permit de asemenea, măsurarea intensită ii legăturilor nu numai pentru caracteristicile cantitative, dar şi pentru caracteristici calitative, deoarece în cazul metodelor neparametrice se lucrează cu un număr de ordine numit rang.

1. Tabelul de asociere şi coeficientul de asociere Această metodă se utilizează în special când unită ile purtătoare ale caracteristicilor sunt separate în 2 grupe sau sunt de forma unor caracteristici alternative (de tipul ‘’da - nu’’). Tabelul de asociere este format din 2 rânduri şi 2 coloane în care: în capetele rândurilor şi coloanelor se trec variantele celor 2 caracteristici care se supun asocia iei, iar în interiorul lui, în rubricile lui, se trec frecven ele corespunzătoare.

Produsul ad arată gradul de realizare a legăturii dintre x şi y, iar cb lipsa legăturii dintre aceste 2 caracteristici cercetate. Pentru stabilirea coeficientului de asociere care să indice existen a şi intensitatea legăturii, cea mai utilizată formulă este cea propusă de Yule.

105

Analiza informa iilor utilizând SPSS

Ca orice coeficient de corela ie şi acesta poate lua valori -1<Q<1, aratând nu numai gradul de intensitate al celor 2 caracteristici, dar şi sensul ei. Are avantajul de a se calcula uşor şi de a se folosi şi în cazul în care datele provin de la unită i statistice complexe, care în interiorul lor pot prezenta forme diferite de distribu ie, dar pot fi transformate în variabile alternative, spre exemplu: sub şi peste nivelul mediu. 2. Coeficientul de corela ie a rangurilor Rangul este o anumită treaptă de ordine a variantelor variabilei în serie. Pentru stabilirea rangurilor, valorile empirice ale variabilelor corelate sunt aşezate după mărimea lor în ordinea crescătoare sau descrescătoare. De obicei, în func ie de variabila independentă se ordonează şi variabila dependentă. Coeficien ii de corela ie ai rangurilor prezintă avantajul că ei pot fi utiliza i şi în cazul unor distribu ii asimetrice, în cazul unui număr restrâns de unită i pentru care nu se poate verifica reprezentativitatea datelor par iale sau în cazul distribu iilor unor unită i complexe. De asemenea se poate utiliza în cazul corelării fenomenelor şi caracteristicilor calitative, care prin natura lor nu se pot exprima numeric, dar pot fi ierarhizate pe baza unui anumit rang. Pornind de la ipoteza că între cele 2 serii de ranguri există concordan ă, seria a II-a care reprezintă rangurile caracteristicii rezultative ar trebui să se ordoneze şi ea tot crescător (în cazul legăturii directe) şi descrescător (dacă legatura este inversă). În cazul existentei legăturii dintre acelaşi număr de unită i care au rang mai mare sau mai mic decât ele. În cazul lipsei de legatură, ordinea de distribu ie a rangurilor celor 2 caracteristici este diferită. Similar se pot cuprinde în analiză şi distribu iile paralele ale mai multor caracteristici, cu care se pot realiza mai multe combina ii, stabilindu-se coeficien ii de corela ie ai rangurilor simpli, par iali şi multipli. Coeficien ii de corela ie ai rangului Spearman

d = diferen a de rang între caracteristicile cercetate =Rx-Ry n = numărul de unită i cercetate; Coeficientul de corela ie al rangurilor al lui Kendall

P = numărul de ranguri mai mari în continuarea rangului considerat; Q = numărul de ranguri mai mici în continuarea fiecărui rang considerat (se ia cu semn ); S = se calculează pentru rangurile variabilei dependente (y), ordonate dupa rangurile variabilei factoriale (x). Ambii coeficien i variază între [-1,1], cu aceleaşi semnifica ii. 106

Identificarea existen ei legăturii prin metoda grafică ceea ce presupune construirea corelogramei. după care se apasă pe butonul OK.2.1.2.1. estimarea parametrilor modelului şi testarea semnifica iei acestora). Identificarea existen ei legăturii . 5. iar pe axa Y variabila dependentă. . în pagina Fit alegem metoda Regression. Analiza regresiei şi corela iei folosind SPSS 5. Analiza regresiei folosind SPSS În analiza regresiei în SPSS se parcurg următorii paşi: . Construirea graficului presupune comanda: Graph -> Legacy Dialogs -> Interactive -> Scatterplot -> fereastra Scatteplot. pe axa X variabila independentă.2. în pagina Assign Variables: se mută.Capitolul 5 .construirea corelogramei Construirea corelogramei sau a norului de puncte presupune construirea graficului de tip Scatterplot. prin tragere.Analiza seriilor interdependente în SPSS 5. 107 .Stabilirea sensului şi formei legăturii prin metode analitice de studiere a legăturilor (stabilirea modelului de regresie. iar în pagina Spikes putem bifa Fit Line.1.

Analiza informa iilor utilizând SPSS În continuare se va studia legătura dintre variabila numărul de salaria i – nr_sal (variabilă independentă) şi variabila cheltuieli cu personalul – chelt_pers (variabilă dependentă). folosindu-se baza de date din fişierul asa.sav ce con ine 300 de unită i locale active din jude ul Bacău. Graficul Scatterplot construit în Viewer are următoarea formă: 108 .

pentru că R Sq Liniar (raportul de determina ie) ia o valoare ce se apropie de 1 (0.2. Stabilirea sensului şi formei legăturii prin metode analitice de studiere a legăturilor (stabilirea celor mai potrivite modele de regresie) Alegerea celui mai bun model de regresie. legătura dintre cele două variabile considerate a fost aproximată. directă şi foarte strânsă. Cubic – func ia de gradul 3. Logarithmic – func ia logaritmică. utilizând SPSS. .se apasă butonul OK 109 .Analiza seriilor interdependente în SPSS Aşa cum rezultă din graficul Scatterplot. Quadratic – func ia de gradul 2.790). printr-o legătură simplă liniară. dar în general acestea sunt bifate implicit când se deschide fereastra. Modelul liniar de regresie ales de diagrama Scatterplot explică legătura dintre variabile. 5. Exponential – func ia exponen ială) -casetele Includ constant in equation şi Plot models se bifează. şi au ca efect afişarea coeficien ilor din ecua ia de regresie şi construirea graficului de aproximare a modelului.889 a acestuia.Capitolul 5 .1. presupune executarea comenzii: Analyze -> Regression ->Curve Estimation ->fereastra Curve Estimation unde executăm următoarele opera iuni: -alegem din listă variabilele numărul de salari i – nr_sal (variabilă independentă) şi cheltuieli cu personalul – chelt_pers (variabilă dependentă) şi le trecem cu ajutorul săge ii în casetele Independent Variable (variabila independentă) şi Dependent(s) (variabila dependentă) -în caseta Models bifăm tipurile de modele pentru care dorim să calculăm ecua ia de regresie (în cazul de fa ă am ales Liniar – func ia liniară.2. va confirma că între numărul de salaria i şi cheltuielile cu personalul există o legătură liniară. iar dacă vom calcula şi raportul de corela ie (sco ând radical din R Sq Liniar) valoarea de 0.

Analiza informa iilor utilizând SPSS Rezultatele ob inute în Viewer sunt următoarele: 110 .

Analiza seriilor interdependente în SPSS 111 .Capitolul 5 .

din punctul de vedere al alegerii modelului de regresie cel mai potrivit: Se observă că în tabelul Model Summary and Parameter Estimates pentru fiecare model de regresie găsim în coloanele Model Summary raportul de determina ie (R Square) şi testarea acestuia cu testul F. Logarithmic – func ia logaritmică. după care se dă click pe butonul ->fereastra Curve Estimation: se apasă pe butonul OK.(R Square=0.3. Exponential – func ia exponen ială) -casetele Display ANOVA table. Quadratic – func ia de gradul 2.971) dar valori pentru R Square apropiate de 1: regăsim şi la func ia Liniar . afişarea coeficientului aferent variabilei independente din ecua ia de regresie. 112 . iar în coloanele Parameter Estimates coeficien ii ecua iei de regresie.Analiza informa iilor utilizând SPSS Interpretarea celor mai importante rezultate din output. Pe baza R Square din Model Summary se va decide cel mai bun model de regresie. Analizând tabelul se observă că cea mai mare valoare pentru R Square dintre toate modelele de regresie se înregistrează la func ia cubic .970).func ia de gradul 2. respectiv cu cât R Square se apropie mai mult de valoarea 1 cu atât acel model de regresie este mai potrivit.971) şi Quadratic .1.(R Square=0.func ia de gradul 3. construirea graficului de aproximare a modelului.2. Includ constant in equation. Plot models se bifează şi au ca efect testarea modelului de regresie cu ANOVA. 5. -se apasă butonul Save -> fereastra Curve Estimation: Save: selectăm op iunile dorite din caseta Save Variables. Cubic – func ia de gradul 3.func ia de gradul 1.(R Square=0. Estimarea parametrilor modelelor de regresie şi testarea semnifica iei acestora În SPSS estimarea şi testarea parametrilor unei ecua ie de regresie presupune executarea comenzii: Analyze -> Regression ->Curve Estimation ->fereastra Curve Estimation unde executăm următoarele opera iuni : -alegem din lista sursă variabilele numărul de salari i – nr_sal (variabila independentă) şi variabila cheltuieli cu personalul – chelt_pers (variabila dependentă) şi le trecem cu ajutorul săge ii în casetele Independent Variable (variabila independentă) şi Dependent(s) (variabila dependentă) -în caseta Models bifăm tipurile de modele pentru care dorim să calculăm ecua ia de regresie (în cazul de fa ă am ales Liniar – func ia liniară.

Capitolul 5 - Analiza seriilor interdependente în SPSS

Odată cu crearea rezultatelor în output, în Data Editor, în foaia Data View, găsim noile variabilele create de SPSS ca urmare a op iunilor exprimate în fereastra Curve Estimation: Save, care reprezintă valorile estimate ale variabilei dependete (FIT), valorile reziduale respectiv diferen a dintre valorile observate şi cele estimate(ERR) şi limitele inferioare şi superioare ale intervalului de încredere (LCL şi UCL) pentru fiecare model de regresie ales. 113

Analiza informa iilor utilizând SPSS

Rezultatele ob inute în Viewer sunt următoarele:

114

Capitolul 5 - Analiza seriilor interdependente în SPSS

..

115

Analiza informa iilor utilizând SPSS 116 .

Coeficien ii standardiza i sunt folosi i atunci când într-un model de regresie sunt mai multe variabile independente exprimate în unită i de măsură diferite. Error). erorile standard ale acestora (Unstandardized Coefficients Std. gradele de libertate (df). În continuare vom interpreta rezultatele pentru modelul de regresie cubic . adică prezintă informa ii asupra sumei pătratelor abaterilor variabilei dependente datorate modelului de regresie şi erorii de modelare (Sum of Squares).. raportul testului F şi semnifica ia acestuia (Sig. corespunzătoare testului F este mai mică decât 0.Analiza seriilor interdependente în SPSS Analizând cele mai importante rezultate din output se observă că pentru fiecare model de regresie ales sunt prezentate trei tipuri de tabele : Model Summary prezintă valoarea raportul de corela ie R.05.func ia de gradul 3 . corespunzătoare testului t este mai mică decât 0.). cel mai potrivit modelul de regresie conform lui R Square. valorile statisticii testului t şi semnifica ia acestuia (Sig. atunci variabila independentă explică varia ia variabilei dependente drept urmare modelul de regresie corespunde unei legături între cele două variabile Coefficients prezintă coeficien ii nestandardiza i a modelului de regresie estimat (Unstandardized Coefficients B). valoarea ajustată a lui R Square şi eroarea standard a estima iei.). coeficien ii de regresie standardiza i (Standardized Coefficients Beta).Capitolul 5 . media dispersiilor datorate celor două surse de varia ie (Mean Square). atunci parametrii modelului de regresie diferă semnificativ de valoarea zero şi modelul de regresie corespunde unei legături semnificative între cele două variabile. Dacă valoarea Sig. 117 . iar în mod asemănător se pot analiza rezultatele şi pentru celelalte func ii. se confirmă că legătura dintre cele două variabile este directă şi puternică şi că cele mai potrivite modele de regresie conform lui R Square sunt cubic. - - Revenind la exemplul nostru. raportul de determina ie (R Square). quadratic şi liniar. ANOVA prezintă rezultatele analizei dispersiei variabilei dependente sub influen a variabilei factoriale şi de estimare. şi în această formă de prezentarea a rezultatelor. Dacă valoarea Sig.05.

se testează aceşti parametri ai ecua iei de regresie cu ajutorul testului t.05. În concluzie pentru a alege cel mai potrivit model de regresie trebuie să se îndeplinească concomitent cele trei condi ii din tabele: 118 . Tabelul ANOVA cu valoarea Sig. directă şi puternică.0. pentru F = 0. ne confirmă faptul că rela ia de tip parabolă de gradul 3 dintre cele două variabile considerate este semnificativă.876 + 11261. Tabelul Coefficients cu valorile prezentate în Unstandardized Coefficients B ne ajută să scriem ecua ia de regresie pentru modelul nostru: y= a+bx+cx2+dx3 unde: a = (Constant) b = numărul de salaria i c = numărul de salaria i **2 d = numărul de salaria i **3 Deci ecua ia devine: y= -77477.622x2 .Analiza informa iilor utilizând SPSS Tabelul Model Summary cu valorile apropiate de 1 a lui R (0. se observă că pragul de semnifica ie pentru parametrii b şi d este mai mare decât 0.791) ne arată că între numărul de salaria i şi cheltuielile cu personalul există o legătură de tip parabolă de gradul 3.000. deci mai mică decât 0.889) şi R Square (0.000x3 Dacă.144x + 2. pentru a testa ipoteza conform căreia ei ar fi semnificativ diferi i de zero.05. prin urmare cu aceşti parametri nu se poate construi o ecua ie de regresie care să definească clar o legătură semnificativă de tip parabolă de gradul 3 pentru cele două variabile.

Analiza corela iei folosind SPSS Pentru a stabili cât de strânsă este legăturii dintre două variabile în SPSS există posibilitatea de a calcula o corela ie bivariată respectiv de a măsurara intensitatea legăturii dintre două variabile. 5.000.05 Analizând tabelele aferente celorlalte 2 modele de regresie rămase în calcul.05 valorile Sig. quadratic şi liniar.486 + 12527.Capitolul 5 .2.2. pentru că R Square este mare (0.790) şi gradul de semnifica ie al testelor F şi t sunt 0. 119 . Deci. t pentru parametrii ce înso esc variabila independentă în ecua ie să fie sub 0. putem afirma că cel mai potrivit model de regresie este cel liniar. ecua ia de regresie cea mai potrivită pentru cele două variabile este cea liniară şi are următoarea formă: Y= -144640. respectiv a parametrului b: la o creştere cu o persoană a numărului de salaria i. F mai mică decât 0. dintre care una este dependentă şi cealaltă independentă (factorială). cheltuielile cu personalul vor creşte în medie cu 12528 lei.Analiza seriilor interdependente în SPSS - un R Square mare o valoare la analiza ANOVA pentru Sig.754X adică: cheltuieli cu personalul = 12528 X numărul de salaria i -144640 Interpretarea modelului de regresie liniar.

sav ce con ine 300 de unită i locale active din jude ul Bacău. Continuând exemplul anterior.Analiza informa iilor utilizând SPSS Pentru corela ia bivariată se pot calcula în SPSS trei coeficien i de corela ie: Pearson (atunci când există o legătură liniară simplă). mai departe se va studia corela ia dintre variabila numărul de salari i – nr_sal (variabila independentă) şi variabila cheltuieli cu personalul – chelt_pers (variabila dependentă). folosindu-se aceeaşi bază de date din fişierul asa. Pentru că legătura dintre cele duoă variabile este una liniară se poate calcula coeficientul de corela ie al lui Pearson. -în caseta Correlation Coefficients bifăm coeficientul de corela ie pe care dorim să-l calculăm (în cazul de fa ă am ales Pearson). Pentru analiza unei corela ii bivariate se execută comanda: Analyze -> Correlate >Bivariate ->fereastra Bivariate Correlations unde executăm următoarele opera iuni: -alegem din lista de variabile pe acelea pentru care dorim să calculăm corela ia şi le trecem cu ajutorul săge ii în caseta Variable(s). Rezultatele ob inute în Viewer sunt următoarele: 120 . Kendall şi Spearman (atunci când se folosesc metode neparametrice de măsurare a legăturilor dintre fenomene). precum şi niveluri de semnifica ie corespunzătoare unui test bilateral. -click pe butonul OK .

Coeficientul de corela ie Pearson este egal cu 0. ceea ce înseamnă că între cele două variabile există o corela ie semnificativă.Analiza seriilor interdependente în SPSS Interpretarea celor mai importante rezultate din Viewer: În tabelul Correlations este prezentată matricea coeficien ilor de corela ie. valorile fiind distribuite de o parte şi de alta a diagonalei tabelului. (2-tailed) corespunzătoare. ceea ce înseamnă că între variabile există o corela ie directă de intensitate medie spre puternică.05.636.000 şi este mai mică decât 0. egală cu 0.Capitolul 5 . Valoarea Sig. în timp ce pe cealaltă diagonală a tabelului sunt valorile coeficien ilor de corela ie dintre variabile. 121 . Coeficien ii corela iei egali cu 1 reprezintă corela ia fiecărei variabile cu ea însăşi. Testarea semnifica iei coeficientului de corela ie este realizată cu ajutorul testului t.

Analiza i legătura dintre cele 2 variabile (efectivul de studen i şi efectivul de cadre didactice la începutul anului universitar 2010/2011. 122 .N. a I. în învă ământul public pe jude e (facem men iunea că au fost excluse filialele din teritoriu ale unor universită i). pe jude e Jude ul Alba Arad Arges Bacau Bihor Brasov Caras-Severin Calarasi Cluj Constanta Dambovita Dolj Galati Gorj Hunedoara Iasi Maramures Mures Prahova Sibiu Suceava Timis Municipiul Bucuresti Efectiv cadre didactice 186 238 468 247 1257 852 109 9 3535 887 321 1401 572 145 260 2962 210 678 351 739 342 2038 7811 Efectiv studen i 4674 8934 10622 5319 15574 18874 3077 797 54378 22606 7758 20503 12429 4083 5241 49929 4721 9010 8246 18037 9350 33497 95161 Sursa datelor: baza de date TEMPO-Online. în învă ământul public pe jude e) şi stabili i care este cel mai potrivit model de regresie.Analiza informa iilor utilizând SPSS Temă propusă pentru studiul individual Avem următoarea bază de date ce con ine informa ii privind efectivul de studen i şi efectivul de cadre didactice la începutul anului universitar 2010/2011.S. Efectivul de studen i înscrişi la începutul anului universitar 2010/2011 şi efectivul de cadre didactice în învă ământul superior public.

2006 “Bazele statisticii teoretice şi economice”. Elisabeta Jaba. Vergil Jaba. Eugenia (coordonator) “Statistică aplicată – indicatori. Pavel Biji.Roegen. Anghelache C. Universitatea "Al. 2008.Cuza". Dănu “Tratat de Statistică”. Editura Polirom. 1986 “Statistica”. Bucureşti. Wagner. 2008 “Analiza datelor statistice utilizând SPSS”. Iaşi. Elena Biji. Eugenia Harja. Cramer Duncan Isaic-Maniu.S. 2002 “Econometrie”. Editura Economică. Alexandru. Biji. Bucureşti. Bucureşti. Editura Economică. Edi ia a III-a. Bucureşti. Editura Alma Mater. Bucureşti. Niculescu. Elisabeta. Elena. 1998 “Statistică aplicată în economie”. sinteze şi studii de caz”. Harja. Editura Sedcom Libris. 2009 „Introducere în SPSS pentru Psihologie”. Badea.C. Editura MatrixRom. Al. Aplica ii”. Sorin. Wagner. 2006 “Statistică”. 2004 “Anuarul statistic al jude ului Bacău”. Editura didactică şi pedagogică. Bacău. Constantin. Bacău.elemente de statistică matematică”. I. Edi iile 2007. Ancu a Howitt Dennis. Eugenia. Emanuela Anghelache. Jaba. Eugenia 12 13 14 Harja. Lilea. Tudor. 2010 şi 2011 "Changes in Romania's population distribution on localities in 1990-2007 period". Mircea. Constantin.Bibliografie Bibliografie 1 Anghelache. 2009 “Statistică şi econometrie”. 1996 2 3 4 5 6 7 8 9 10 11 Harja.. Porojan. Annals of the University of Oradea. Iaşi. Bucureşti. Eugenia. 2009. Editura Univers Titu Maiorescu.S. Economic Science. Bucureşti.M. 2002 “Metoda statistică . Voineagu. Editura Economică. Editura Didactică şi Pedagogică Bucureşti. Editura Economică. 2006 123 15 16 17 . N. Pavel Biji. 2004 “Statistica. Georgescu . Sistem metodologic. Pavel. Stângaciu. 1995 “Statistica teoretică”. 1979 “Statistică teoretică şi Economică”. L. Wagner. Bucureşti. Bugudui. Eugenia.I.. Oana. Gresoi. Bucureşti. 2005 “Statistică”. Baron.. Mitru . Constantin. Sorin Gabriel. Tövissi. Jemna.. Editura MatrixRom. Ion.. Elena. Isaic-Maniu. Elena. Korka. Lilea. Editura Universitară. Elisabeta. Dumitru Biji. Elena. Capanu. Eugenia Harja. Editura Alma Mater.

1997.ro (site-ul în limba română cu informa ii despre programul SPSS) http://www. Todose. Seria Psihilogie Experimentală şi aplicată. Cristina.A.Institutul Na ional de Statistică. colec ie "InfoSTAT" (colec ie) – INS Direc ia Jude eană de Statistică Bacău Baza de date TEMPO – Institutul Na ional de Statistică http://www. Editura Tribuna Economică. Bucureşti. Secareanu. 1979 “Statistică – Baze teoretice şi aplica ii”. Simona. Editura Polirom. Carmen. Constantin *** *** *** *** *** *** *** *** “Statistică inferen ială. „Anuarul Statistic al României. Iaşi. Ghi ă.) 25 26 27 28 29 30 31 32 33 34 35 124 . Lilea. Voineagu. Editura Codecs. Vergil. Voineagu. Mitru . Jemna. Grama Ana Lungu Ovidiu 21 22 23 24 Mallinvaud. Bucureşti. Emilia. Eugenia. Capanu Ion.Analiza informa iilor utilizând SPSS 18 19 20 Jaba. O. Elisabeta. I.0”. Elisabeta. 2002 “Analiza statistică cu SPSS sub Windows”. Pintilescu. C. Editura Economică. . Editura Tehnică. Bucureşti. 2001 “Statistica macroeconomica”.ro/portal/djs (siteul Direc iei Jude ene de Statistică Bacău) http://www. 1981 “Statistica pentru managementul afacerilor”. 1999.. Teste grilă şi probleme”. Mihaela Wagner Pavel. Bucureşti. Daniela Voineagu.spss. Paris. E.com (site-ul firmei SPSS Inc. i an. Simona Voineagu.prefecturabacău. Vergil Onicescu. 1995 “Elemente de statistică informa ională cu aplica ii”. Vătui. Editura Economica. Editura Funda iei “România de mâine”. 2001 “Méthodes statistiques de l'économétrie”. Dunod. Iaşi. V. Dănu Jaba.insse. “Dic ionar Macmillan de Economie Moderna”.ro(site-ul Institutului Na ional de Statistică) http://www. i an. Ştefănescu. Ghi ă. Bucureşti. Mariana. Vergil. 2007 “Statistică aplicată”. 2004 „Ghid Introductiv pentru SPSS 10. Editura Economică.. Emilia. Boboc. Maniu. 2000 “Statistica Economică”.spss. Editura Sedcom Libris..

Sign up to vote on this title
UsefulNot useful