Professional Documents
Culture Documents
SPSS Prirucnik Za Prezivljavanje PDF
SPSS Prirucnik Za Prezivljavanje PDF
Sadrlal
za Prciivliavanie
Glavni urednik
Redaktor
Tehniiki urcdnik
Slog
Olga Nlilanko
S t e l aS p a s i i
S a n j aT a s i i
SanjaTasii
Nataia Pavlov
lzdavaiDirektor
Stampa
Greenfieldstudio' Beograd
se irvrtc
d o b i j e t e b e s p l a t a n k a t a l o g , .p i ! i t t ' t r ' t t : r i l i
Ako imate o i t a n i a i l i k o m e n r a f e , i l i a k o Z e l i t e d a
Mikro knirga
P. fah 20-87
-t1030 tseograd
t e l :0 11 / 3 5 4 0 - 5 4 4
pismaomikroknj iga. rs
Survival Manual' Third Edition'
Autoriz-ovanprevod sa engleskogjezika knlige SPSS
N i i c , d o z v o l l e n Jor r t e d : nd e o o v c k n i i g cI ' u d e
C o p y r r g , hOr 2 0 0 9 M i k r o k n i i g a ' S v r p r r v r z a d r 2 r n r '
e
l
.
t
t
.
o
n
r
k l ' l i m c h a n i c k i .u k l i u . u j u i i t o t o k o p i r a n i c '
f
.
i
i
.--.^.t,,Lnvrn ili ernrrovf,n
"r'iii"
b . l"".z, .i L
n ri ", .. b c z p r e r h o . l n ep i s r n c n cd o z v o l ei z d a v r c r '
lli*il,i.i'iir"'k;;i';".;;i;i;,.;,r
entitled SPSSSurvivalManual: A Stcpby Step
Authorized translation from the Englishlanguageedition,
15 ), Third Edition, by Julic Pallant,published
(Version
windows
for
SpsS
Using
Guidc to Data Analysis
'Copyright
Pallant'
2007
@
Julie
Uy ,ttt.n & Unwin'
or transmittcd in any forrn or by irtly means'
All riehts reserved'No part of this book may be reproduced
or bv anv information'stmgc and retrieval
i..l;;i;;;h"';"i'yltg""t-ang
electrcnicor mechanical,
Serbianlanguagecdition publishedby
publisher.
rhe
i"'*r,ingiiop..*i..lJn
system.without p.io,
Mikro knirga.
Predgovor
DatotekespodacimaiWeblokaciiu...
Uvodipregled
Strukturaknjige
Kakokoristitiovuknjigu
SavetizasprovodenjeistraZivania...
Dodatni resursi
Deo I
004.42SPSSlbr Windows(035)
3 I l:ff)4.9(035)
flA"rlAHT, Uyrr
:
SPSS ; Priruinikza PreTrvl1avsn1e
ponx)cu
vodit kroz analizupQdatrka
DosluDni
/
Julie
(verzta
l5)
windows
bPSS-aza
Pallint : prevodi. izdanjaMiljenkoSuiur
Beograrl: Mikrokniiga'2009 tlleograd :
Grecnneldstudn).- XVII. 148str' :
ilustr. ; 2'lcm
Prevotldela: SPSSSurvivalMrnual Preporuienu
str'3-19-3'12
Bibliografija:
tiiJran,.a:*. flf ffS
- Regi\tar
I -0
lsBN 97lJ-86-755s-34
aj aplikativniprogram "SPSSfbr Windows"
Ilfupylrrntr b) MarerlafrtqKaclarxcrliKa
Art.litxarrlnnl nporpaNlx npxPy'lxu(tr
C O B I S SS R l l ) l 7 0 r { ' 6 8 l l i
4
spss/.322l1930e40-5P56M225109K910 .5
Profektovanjestudije....
Planiranjestudile
Izbor odgovarajudih
skalai nera .
Pripremaupitnika
Pripremaiifarnika
Imenapromenljivih....
.......11
...12
Sifrovanje odgovora
Sifrovanje otvorenih pitanja
UpoznaitesPss..
PokretanjeSPSS-a
13
13
........15
........15
Otvaranjepostoje6edatotekespodacima
KoriSienjedatotekaspodacima
SPSS-oviprozori
Meniii
Okvirizadijalog.
KakozatvoritiSPSS
Kakodobitipomoi.
........16
...16
...17
.....21
........22
......23
......24
Kako podeti
.......x
....... xi
..xiii
..xiv
....... xiv
.... xvi
. . .xvii
........3
.........3
. .. . . .. .-5
.........7
SadrZaj
vl
Pripremadatoteke s podacima
Pravljenjedatotekeza podatkei unoienjepodataka
Izmenaopcija u SPSS-u
Definisanjepromenljivih . . . .
Unodenjepod:rtaka
Modifikovanje datotekes podacima
Unoienjepodatakau Excelu
Spajanjedatoteka
Korisnemogu6nostiSPSS-a
Upotrebaskupova
Deo ll
4
Pronalai.enjeiuklanjanjepogreinih podataka
Korak 1: traLenjegreiaka
Korak 2: pronalai.enjei ispravljanjegreiaka
u datotecis podacima
SaZetprikaz sludajeva
Dorada podataka.
Izratunavanleukupnih rezultatana skalama
promenljivih .
Transformisanje
Podelaneprekidnepromenljivena grupe
Smanjenjebroja kategorijakategorijskepromenljive.
DodatneveZbe.
Sadriaj
25
27
28
31,
36
36
37
39
40
42
45
46
49
51
53
55
56
57
59
60
65
66
67
68
69
7T
74
77
79
80
81
83
B4
88
92
93
95
P r o y e r a p o u z d a n o s t i m esrknael e .
ObjaSnjenjeprimera
T u m a d e n jree z u l t a t a
p r o v e r ep o u z d a n o s t i . . . . .
Predstavljanje
rezultataproverepouzdanostiskala
DodarneveZbe.
10 Izborprikladnihstatistiikihtehnika
P r e g l e dr a z n i h s t a t i s t i d k i h t e h n i k a .
Procesdonolenjaodluka
Osnovneosobineglavnih statistiikih tehnika
Zbirna tabelasvojsravaosnovnihsratisric:kih
tehnika
L i t e r a t u r zaa d a l j eu s a v r 5 a v a n j e . . . .
.......97
......98
..100
. . . . . .101
........101
.....103
......t04
.......107
. . . .113
. . ..f f S
....720
vill
14
15
SadrZaj
SadrZaj
Logistidkaregresiia
. .. .
Pretpostavke
Objalnienjeprimera
Pripremapodataka:Sifrovanjeodgovora
Tumaienierezultatalogistidkeregresije
rezultatalogistidkeregresije
Predstavlianje
Faktorska analiza
Koraci od koiih se sastoii faktorska analiza
primera
ObiaSnjenje
Postupakfaktorske anahze
Tumaienjerezultata.
Predstavljanie r ezultatafaktorske analize
DodatneveZbe.
17
Dodatne veZbe. . . .
t69
170
1'7 |
1.71
1.76
180
181
1.82
186
1.87
1,91
1.99
202
203
203
205
207
208
209
21,0
2L3
21.4
21,5
221
1a A
L-/-1
227
229
231
1)f
LJJ
235
235
239
244
245
246
251
254
259
t9
Spisakterminakoriiienihukniizi
Indeks
.....343
.345
Predgovor
Datotekes podacima
iWeb lokacija
xI
Dalje pojedinostio tim datotekama(i prateie materiiale)potraZiteu dodatku. Pored navedenihdatoteka s podacima, Web lokacila ove knjige
sadrZivi5estvari koie bi studentimai predavaiimamogle dobro posluZiti,
medukojima su:
o smerniceza pripremu izveitajao istraZivanju;
. veZbe;
o izmeneuneteu nove verzijeSPSS-a;
. hipervezeka drugim korisnim Web lokacijama;
. spisakdodatneliterature;i
. vodii za predavade.
Uvodi pregled
Uvod i pregled
xlv
Uvodi Pregled
d o b i t i o d g o v o r e i n a i i n u n a k o j i i e t e i h f o r m uza
lisati.MorateZnatikoiestiltlsu niih prikladne'a koie ne'
po"olt'ii;';;:;;;odata\a
tehnit.
stiike
(npr'
primenite--odabranustatistidkutehniku
Morate umed da i'p'-to
da
umeSno
tai rezultattreba
t-test)i da protumatit;"1;;
\li'"d' pitaniima i predstaviteu svom
istraZivaikim
dovedeteu vezu t pt;;bi;;; "t'olt^t'
pitania
na kulinarstvo' tome bi odgovarala
p"b"i-o
,"
(Kada
izve5taiu.
ili sa sladoleprelivom da posluzitesa ilagorn
treba li kolad s d"k";-J;;
i Seiemomtl"':tt'T.-1):-^
dom, ili moZda , i"g;l;t;"/malinama
ne moZetesamoizme5atisvesasto;podutaka
Ni u kulinarrrt" "l " "l*il'i
seda ie rezukatbiti dobar'Nake, gurnuti ih u r.rt''t'(l;;;;;;'sPis1,i
""dati bolje razumetepostupakanaiize
da malo
dam seda ie vam "r; l;i;;;;omoii
i veitine potrebnedobrom "kuvAru"'
podatakai dati vam t"*"?t"taanje
Strukturakniige
L-
.r-..
kroz SPSS'
t
Da biste ovu kniigu mogli delotvorno
uputstvima
U
veitine 'uio tu radunaru'
morate por.do"n'i "tk"-o"toute
n:rraiunar'
PC
da ve6umeteda koristite
primerima pol"zlm "-Jn1*"31"vke
rfirot potrebnihveitina'ukoliko
roiito.windowsovefunkcije.u nast"vku-i-e
pot.rlo6a, potraZitenediiupomo6:
s bilo koiom od narednihradnli i-or"
.
.
.
.
o
upotrebaWindowsovihpadajuiih menija;
upotrebalevogi desnogtasteramiSa;
biranietekstatako 5to ga pritisnetei prevudetemiSempreko njega;
spuitanjei podizan;e,to jest minimiziranjei maksimiranjeprozora;
pokretanjei zatvaranieprograma iz menija Start ili iz \Tindows Explo-
rera;
. prelazakiz iednogprogramau drugi kada su istovremenootvoreni;
. offaranje, snimanje,preimenovanje,premeltaniei zatvatanjedatoteka;
o rad s viSedatotekaistovremenoi prelazakiz jedneu drugu istovremeno otvorenudatoteku;
. kopiranjedatotekasa disketeili flei rnemorijena Ivrsti disk ili obrnuto
pomoiu Windows ExPlorera;i
. pravljenjedirektorijuma(foldera,fascikle,omotnice)i prelazakiz iednog direktoriiumau drugi u Windows Exploreru.
Pretpostavliase d:r ste vei nauiili osnove
Ova knjiga nije sveobuhvatn2l.
udZbenik.Treba da imate predstavuo
odgovaraiuii
imate
i
da
sraristike
je izuzetnomoian softverskipaket
povriine.
SPSS
radi
ispod
tome 5ta SPSS
veomasloZenestatistidkeproceduobavlja
ume
da
za analizupodataka,koji
re. U ovom prirudnikusene objainjavajusvestatistiiketehnikekoie tai program podrZava;obradenesu samo one koje se najie56ekoriste. Knjiga bi
trebalo da vam omoguii da samostalnozapodnetestatistiiku analizu i da
steknetesamopouzdanje
u koriS6enluSPSS-a.
U zavisnostiod podatakakoje imate i istraZivadkihpitanja (hipoteza)na
koia traZiteodgovor,moZdaiete morati da upotrebiteneku od sloZeniiih
analizau SPSS-u.
Ima mnogo dobrih knjiga o raznimstatistiikimtehnikarna
koje SPSS
podrZava.Cit"|t" sve5to vam padne5aka.Prelistaitekniigena policamabibliotekau koje steudlanjeni,potraZiteone koje statistikuobiaSnjavaju (baremdelimidno)razumljivim jezikom! Prikupite sav ta;'materijalu
celinukoju 6etekoristiti u svim stirtistiikim predmetimai svom istraZivaikom projektu.Umesno!e prikupiti i ilanke iz struinih dasopisau koiima se
obja5njavalustatistiike aialize i predstavljalunlihovi rezultati. One vam
mogu posluZitikao uzor za pisanjesopstvenogizveitaja.
SPSS:priruinik za preiiuliauanje prrkladanje i kao udZbenikza rad s pre.
clavadem
postupka,i kao knjiga
koji obyainiayaraznevidove istraZivadkog
za samostalnoudenie,za one koii treba samostalnoda realizujuneki istraZivadki proiekat. Kada budete ucili, ne propustiteda veZbarekoriSienie
SPSS-a
za analizupodatakakoji se-ogtr p..ureti s prateie Web lokacije ove
Knllge.(Pojedinostio rome dare su na str.xi.) Najbolje se udi uz rad, a ne
samoditaju6ikako
to drugi rade. Pre nego 5to poinete da obradujetesopdatoteke
poigrajtese onima iz koiih su uzeti primeri u
s
podacima,
l*"3..
ovoj kniizi. Tako
i dobiti priliku da proverite
iete stediveie samopouzdanje
oa Ii ispravno
radite analize.
xvl
Uvodi pregled
Savetiza sprovodenjeistraZivanja
Evo joi nekoliko savetaza onekoji knjigu koristekao vodid kroz sopstvene
projekte.
istraZivadke
. Pailiivo isplanirajteprojekat.Neka vam postojeieteorijei istraZivanja
posh"riekao uzor prilikom planiranja sopstvenogprojekta. Morate
shvatiti5ta pokuiavateda dobijete,i zadto.
. RazmiSliajteunapred. Odekujte i predvidite potencijalneproblerne,
poito ih svakiprojekatima! Upoznajtestatistidkipostupakkoji nameravateda primenitei pomoiu tih informacija oblikujte materijaleza
prikupljanjepodataka.Postarajtese da, kada dode vremeza primenu
statistidkih metoda analize,imate vrstu podataka koji se njima mogu
analizirati.
o Organizuitese.PaZljivovodite beleikeo svim relevantnimistraZivanjima, referencamaitd. Smislitedelotvoran sisternarhiviranja gomile
strudnihdlanakakoje iete prikupiti i, kasnije,rezultataSPSS-a.
Uopite
nije teiko izgubiti se u gomili papira i broiki.
e Voditedobrebeledke.Kada pomoiu SPSS-a
budeteanaliziralipodatke,
paZljivopiSiteStaradite.Svim studentimapreporudujemda u svescisa
spiralnimpovezomvode beleikeo svakojsesijikoriSienjaSPSS-a.
ZapiSitedatum, imena promenljivih koje ste napravili, analizekoje ste
sprovelii imenadatotekau koje stesnimili rzlaziz SPSS-a.
Kada naideproblem
rezultatima
te na
ili sedatotekas
na misteriozannadinodteti,
instruktor ie vas pomoiu tih vaiih beleiakaspasiti!
r Ostanitepribrani! Ako prvi put analiziratepodatke pomo6u SPSS-a,
deiavaieseda seosetitebespornoini.Udahnitenekoliko puta duboko
i sami sebireciteda sveide dobro i da 6e svebiti dobro. Mislite samo
o koraku koji neposrednopredstoji- dozvolite sebi da ponekadpogreiite i da ne znatesami kako da nastavite.Kada vam bude svegadosta i l)revi5e,prekinite, pro5etajtei razbistrite glavu pre nego 5ro
pokuS;rteda nastaviterad. Veiina studenatalako koristi SPSSkada ga
upozn:rju.Kao.sasvakimdrugirnudenjem,trebasamo prevazitipoietnu zbrrnjenosti nedostataksamopouzdanja.
Uvodipregled
o pzj1c-sebido-voljnovremena.IstraZivadkipostupak uvek traje
duze
nego 5to se odekivalo,pogotovo unoienje i inaliia podataka, pa za t;
2[giyrtostiplanirajtedostavremena.
o Radite s priiateljem. Tokom analizepodataka traLite emocronalnu
i
prakridnupomoi od drugih stndenata.podrika drugih je odlidnazadti_
6as6l stresa!
Dodatniresursi
U ovoj knjizi obradenoje viSeoblasti- od podetnogprojektovanjastudije,
sastavljanjaupitnika, osnovnihstatistidkihtrhnikn (t-iestovi,korelacija),pa
svedo sslih statistiikih alatki (analizavarijanseviSepromentliuit-,,futio.rl"
analiza).po celoj knjizi posejanesu preporuke za dodatnu lireraturu. Poku5ajtela iitate 5toviSemoiete,naroiito ako sebudetebavili sloZenijimsta_
tistidkim p()stupcima.
DEOI
Kakopoceti
Analizapodataka je tek jedan deo procesaistrazivanja.Mnogo roga treba
da sedesipre nego 5to budetemogli da pomoiu SpSS-aanaliziratepodatke.
Prvo,treba da isprojektujeteistraZivanjei odabereteodgovaraju6asredstva
za prikupljanje podataka. Kada sprovedeteistraZivanje,dobijene podatke
treba(pomo(utzv.Sifarnika,engl.codeboo&)pripremiti
za unoienjeuspSS.
Da bistepodatkemogli da unesete,morate znati kako SpSSradi i kako da s
njim komunicirate.Svi ti koraci su objainjeniu ovom, prvom delu knjige.
u poglavlju1 su savetii preporukeza projektovanjeitudije kojom r. d"bijaju podaci dobrog kvaliteta.U poglavlju 2 objalnjenaje priprema iifarprevodenjenenumeriikih podataka iz studije.u foi,,'nt prikladan za
ii\1ri
SPSS'Poglavlje3 je putovanjekroz spss; razmotrenesu osnovneve5tine
kofe..ievam biti potrebne.Ukoliko vam je ovo prvi put da koristite SpSS,
proditajtepoglavlje 3 pre nego ito predete.tu nrr"lir. prlkazane u nastavku
knjige.
f,*t''\
fi
66,"il
-I
-tm\
-i
Projektovanje
studije
{'.,..&}
-j
*r-
\,ttRnf
Planiranjestudije
Dobro istraZivanje nije moguie bez paLllivog planiranja i sprovodenja studije.
() proiektovanju istraiivanja
napisano je mnogo odliinih knjiga, koje ie vam
pomoii tokom tog procesa: od pregleda literature, formulisanja hipoteza,izoora projekta studije, izbora i dodele subjekata (ispitanika), beleZenja opazan;a (opservacija)i prikupljanja podataka. Odluke koje se donose u svakoj
oc tth faza utiiu na kvalitet podataka koji
ie se analizirati i na nadin obavlia.nja.istraZivanja, jest
to -Itedite
traZenja odgovora na istrai-ivadkapitanja. Preporuiila bih u"iu ne
vreme prillkorn projektovanja stu,lile i da le
Deo l: Kakopo6eti
Poglavlje 1 : Projektovanjestudije
ilHLffi
*:','"?,'"it:,{',il.,ffi
#,:i",i}};if1,:##:
Pouzdanost
Pouzdanost(engl.reliability)merneskalepokazujestepennjeneotpornosti
na sluiajnegreSke.Dva destokoriS6enapokazateljapouzdanostiskalejesu
njena urentenskastabilnosf,engl. test-retestreliability (stabilnostnjenih rezultata pri ponovljenoj upotrebi na istom uzorku) i wnutrainja saglasnost
(engl. internal consistency).Vremenska stabilnost se meri primenom iste
skalena istim subjektimau dva navrata;zatimseizraiuna korelacijaizmedu
tako dobijenih rezultata.Pouzdanijaje skala koja ima visoku korelaciju.
Prilikom raz.matranjaove vrste pouzdanosti, treba uzeti u obzir prirodu
konstrukta koji skala meri. Skalaprojektovanada meri stanjateku6egraspoloZenjatedkoda moZeostati stabilnatokom viSesedmica.Stogaie vrernenskastabilnostskaleraspoloi.enjaverovatnobiti niska.Medutim, mere
svojstava(obeleZia)stabilnihlidnostitrebalo bi da ostanugotovo jednakei
da imaju visoku korelacijurezultatapri ponovnoj upotrebiskale.
Drugi vid pouzdanostiskalekoji se moZeoceniti jestenjena unutrainia
saglasnost.
To je stependo kojegvrednostikoje dineskalumereisti pripadni
atribut (tj. do kojegsu medusobnopovezane).
Unutrainja saglasnost
semeri
na viSenaiina. Najieiie se upotrebljavaKronbahov (Cronbach)koeficijent
alfa, koji i SPSSume da izratuna videti u poglavlju 9. To ie proseina korelacrja izmedu svih vrednosti na skali. Iznos tog pokazatelia je naravno izmedu 0 i 1, pri demu veii broj (vi5a korelacija) pokazuje veiu pouzdanost.
zavisno od prirode i namene skale, zahtevaju se razliditi nivoi pouzdanosti, aii Nunnaly (1978) preporuiuje da se ne prihvatta pouzdanost manja od
0,7. Kronbahov koeficijent alfa se menja u zavisnosri od broia vrednosti na
skali.za mali broj vrednosti na skali (manji od 10), Kronbahov koeficijent
alfa ponekad je veoma mali. Thda je bolje izraiunati i u izveitaju navesti
srednju vrednost korelacije izmedu svakog para vrednosti. Optimalna srednja vrednost korelacije izmedu parova vrednosti na skali iznosi izmedu 0.2
i 0,4 (po preporuci navedenoj u Briggs & Cheek, 1986).
Validnost
validnostskaleje stependo kojegona meri ono 5robi trebaloda meri.NaZalosr,ne postojijasanpokazateljvalidnostiskale.validacija(proveravalidnosd) skalepodrazumevaprikupljanjeempirijskihdokazao njenojupotrebi.U
dlancimaseuglavnomraspravljao validnosti sadri.aja,validnostikriterijuma
i validnosti konstrukta.
validnost sadriala se odnosi na adekvatnosts kojom je uzet uzorak za
meru ili skalu iz predvidenoguniverzalnogskupa ili domena sadriaia. validnost kriterijuma je odnos izmedu rezultarana skali i odredenogmerljivog
kriterijuma. validnost konstrukta znadi ispitivanje skale ne prema jednom
kriterijumu, nego prema teorijski izvedenimhipotezamao prirodi pripadne
promenljiveili konsrrukra.validnosrkonstrukraseistraZujeispirivanjemnje,
govog odnosa s drugim konstruktima, kako srodnim (konvergentnavalidnost),tako i onim nesrodnim(diskriminantnavalidnost).Lako iitljiv i sazet
prikaz raznrhvrsta validnosti moiete proditati u udzbenicimaiiii su autori
Stangor(2006),odnosnoSrreineri Norman (2003).
ukoliko u svom istraZivanjunameravateda koristite merneskaie,biio bi
dobro da o rome jo5 ne5to proditate: u udZbenikukoji je napisaoKline
(2005)videti pridu o psiholoikomtestiranju,a u ve6pomenutomudzbeniku
Streinerai Normana (2003)o skalamaza merenjezdravlja.IBowling je napisaonekoliko odlidnihknjiga o mernim skalamaza z.dravstvo
i meJicinu.
Pripremaupitnika
u.mnogim istraZivanjima,informacijeseprikupljaju od subjekataili ispitanika. Ponekadto znadi prikupljanje demografikih podataka od subi&ata
pre nego 5to ih se podvrgnenekom eksperimentalnom
postupkr.r.S druge
strane,mozda iete projektovati obimnu anketu koju treba razdelitiodabranom uzorku stanovniSrva.
Slaboisplaniranili lole projektovanupitnik neie
dati dobre podatke iz kojih semoze izvucikvalitetan odgovor na istrazivana
pitanja.Prilikornpripremeupitnika razmisliteo romekako iete upotrebirite
lntormacije;morate unapredznati koje statistidkeanerlize
iete primeniti.U
zavisnostiod predvidenestarisriikerehnike,pitanje rreba posraviti na
odredeni nadin ili dati razlidite formate odgovora. U narednim odelicima navedeni su neki od dinilaca koje treba razmotriti prilikom projektovanla i sastavljanja upitnika.
Poito iemo samo malo zagrebati po povrSini teme projektovanje upitnika, preporudujem da o tome neito viSe proditate ukoliko sami projektujete
svoje istraZivanje.Za to je odlidna literatura De Vaus (2002), odnosno Boyce
(2003 ) za istr aLivanja poslovanja.
Radi unodenja u SPSS,odgovori na otvorena pitanja mogu se saZetiu nekoliko kategorija. One se obidno utvrduju nakon sagledavanjaraspona svih
odgovora dobijenih od ispitanika. I iz prethodnih istraZivanja te oblasti
mogu se izvu(i moguie kategorije. Svakoj kategoriji odgovora dodeljuje se
druga 5ifra, to jest broj (npr. radno mesto=1, finansijsko stanje=2, ljubavni
odnosi=3) i taj broj se unosi u SPSS.ViSe pojedinosti o tome sadrZi odeliak
o pripremi Sifarnika u poglavlju 2.
Ponekad je najbolja kombinacija zatvorenih i otvorenih pitanja. To znadi
da se ispitanicima daje nekoliko unapred definisanih odgovora i jedna dodatna kategorija (ostalo) koju mogu odabrati ukoliko ieljeni odgovor nije medu
ponudenima. Sledi jedan ili dva prazna reda sa crtom na koju mogu upisati
svoj odgovor. Takva kombinacija zatvorenih i otvorenih pitanja naroiito je
korisna u ranim fazama istraZivanja date oblasti, poito pokazuje da li definisane kategorije odgovora adekvatno obuhvataju odgovore koje ispitanici naj6e5iedaju.
Vrste pitania
Veiina pitanja semoZerazvrstatiu dve grupe:zatvorenai otvorena.Zatvoreno pitanjeje ono kada ispitanicimanudite viSeunapreddefinisanihodgovora.
Od njih se traZi da jedan od ponudenih odgovora odaberu zaokruZivanjem,
podvlaienjem,precrtavanjemili Strikliranjempripadaju6egpolja i sl. Ponudeni odgovorimogu biti prosto Da/Ne, Muiko/ZensAo;ili semoZeponuditi veii
broj moguiih odgovora,na primer:
Koja je najvi5aSkola koju ste zavrSili(oznaditeodgovarajuce polje)?
Formatodgovora
D 1 . O s n o v n aS k o l a
f| 2. Deo srednjeSkola
D 3. Cela srednjaSkola
C 4. ViSaSkolaili dodatna obuka
D 5. Dodiplomskestudije na univerzitetu
D 6. Postdiplomskestudije na univerzitetu
Zatvorena pitanja je obidno veoma lako pretvoriti u numeridki format koji
je potreban SPSS-u.Primera radi, Da se moZe Sifrovati sa 1, Ne sa 2; Muiko
sal,,Zensko sa2.lJ prikazanom pitanju o obrazovanju, odabrani odgovor bi
se Sifrovao unoienjem rednog broja oznatenog polja ispred odgovora. Na
primer, ako ispitanik oznadi polje ispred odgovora Dodiplomske studije na
uniuerzitetu, to bi se 5ifrovalo brojem 5. Postupak Sifrovanja je lakli kada se
svakom od moguiih odgovora dodeli neki broj. Za potrebe unoienja podataka, odaberite neko pravilo za dodeljivanje brojeva (npr. brojevi rastu sleva
nadesno i odozgo naniZe) i pridri.avajte ga se kroz ceo upitnik.
Ponekad se ne moZe pretpostaviti koje bi sve odgovore ispitanici mogli
dati, te je neophodno zadati otvorena pitanja. Prednost je to 5to ispitanici
tada imaju priliku da odgovore na svoj naiin, ;'er nisu ograniieni izborom
odgovora koje im pruZa istraZivad.Primera radi:
n i m a l o s e n e s l a i e m1 2 3 4 5 6 7 I
10 slaiemseootouno
Kojije za vastrenutnoglavniizvorstresa?
L-_
znaka na crtu? VaS upitnik moZe biti prvi koji ispitanik popunjava u svom
Zivotu. Nemojte pretpostaviti da ispitanici vei znaju kako se odgovara. Dajte jasna uputstva - po moguistvu i primer - i uvek sprovedite probno ispitivanje one vrste ljudi od kojih ie se va5 uzorak sastojati. Pre nego Sto
razdelite stotine upitnika, uklonite sve moguie izvore zabune. Kada sastavljate pitanja, uvek razmislite o tome kako bi sve ispitanik mogao da shvati
to pitanje i razmotrite sve moguie odgovore koje bi neko na to pitanje mogao da d6. Na primer, hteli biste da saznateda li osoba puii ili ne. Pitanje bi
moglo da glasi:
Da li puSite?(ozna6itepolje)
D Da
ffi
k
L",;.MF'
PriPrema
sifarnika
D Ne
Pre nego 5to podneteda unositeinformacijeiz upitnika, intervjuaili ekspetreba da pripremiteSifarnik(engl.codebooA).To je zbir inrimentau SPSS,
strukcijaza pretvaranjeinformacijadobijenihod svakogsubjektaili sludaia
(engl.case)u numeridki format razumljiv SPSS-u,tj. u brojeve.U ovom
poglavljupokazaiemo korake od kojih se ta priprema sastoji,i to na primeru datotekes podacimakoju je osmislilagrupamojih postdiplomaca.
Kopiju tog upitnika i Sifarnik napravljen za nieganaii iete u dodatku na kraju
knjige.Datoteku s podacimamoZetepreuzetis prateie \7eb lokacije.Kada
imate sav taj materijal,moZeteda sagledateceo postupak- od sastavljanja
upitnika do pravljenja zavrine datoteke s podacima, spremneza analizu.
Iako samza ilustracijukoraka u razvojuSifarnikaupotrebilaupitnik, postupak je sliian i u eksperimentalnim
istraZivanjima.
PripremaSifarnikaobuhvata donodenjeodluke (i dokumentovanje)kako
iete:
. definisati i nazvati svaku promenljivu; i
. dodelitipo jedan broj svakomod moguiih odgovora.
Sastavljanjepitanja
Za sastavljanje jasnih i dobro sroienih pitanja u upitniku zaista treba umeie. Iako ne postoje jednostavna pravila kako se to dobro radi,znaju se gre5ke koje sigurno vode do loiih upitnika. Poku5ajte da izbegnete:
r dugaika, sloZenapitanja;
o dvostruke negacije;
r dva pitanja u jednom;
.
Largon i skraienice;
. pojmove i izraze dije se znadenjemenja zavisno od kulture kojoj osoba
pripada;
o viSeznadneredi;
Svete informacijetreba zabeleLitina papiru ili u datoteci.DrZite to na nekom bezbednommestu;nema niStagore nego vratiti se datotecis podacima
koju neko vreme niste koristili i onda se pitati 5ta znaie unete skraienice i
brojevi.
U Sifarniku bi trebalo da navedetesve promenljive iz upitnika, skra6ena
imena promenljivih koja 6eteupotrebljavatiu SPSS-ui nadin na koji 6ete
Sifrovatiodgovore(pridruZitiim brojevekoje ie SPSSstatistidkianalizirati).
U ovom poglavlju dati su pojednostavljeniprimeri koji ilustruju svaki korak. U prvoj koloni tabele2.1 navedenoje ime promenljive(na srpskom,a
ne radunarskomjeziku).U drugoj koloni je skradenoime promenljivekoje
ie se upotrebljavatiu SPSS-u(videti dolenavedenukonvenciju),a u treioj
koloni piSetebroj (5ifru)koji iete pridruZitisvakomod dobijenihodgovora.
L-
lmenapromenljivih
Svako pitanje ili stavka u upitniku mora imati svoju promenlyivu jedinstvenog
imena. Neka od tih imena jasno ie pokazivati o kakvoj se informaciji radi (recimo, pol, starost). Druga pitanja, kao 5to su vrednosti od kojih se sastoji
neka merna skala, mogu biti identifikovana odredenom skra6enicom (npr.
opl, op2, op3 kao imena stavki od kojih se sastoji skala optimizma).
Tabela 2.1: Primer Sifarnika
Promenljiva
lme promenljive
u SPSS-u
Uputstvoza 5ifrovanie
(dodelubrojeva)
ldentifikacionibroj
ID
Pol
Pol
I : mu5ki
2 :Zenski
Bradno stanje
Brak
1:
2:
3:
4:
5:
6:
Stavke1 do 5
skaleoptimizma
Od op1 do op5
Sifrovanieodgovora
Pre unoienja u SPSS,svakom odgovoru mora biti dodeljen odreden broj (5ifra, numeriiki k6d). Deo informacija & vei biti u numeridkom formatu (npr.
starost u godinama); ostale promenljive, kao 5to je pol, treba pretvoriti u
brojeve (npr. 1=muSki,2= Zenski). Ako ste ponudene odgovore na pitanja
oznadili brojevima (videti npr. pitanje o nivou obrazovanja u poglavlju 1),
nema razloga da upravo te brojeve ponovo ne upotrebite u SPSS-ukao Sifre
datih odgovora. Ukoliko to iz nekog razloga ne6ete, izaberite neko pravilo
za dodelu Sifara odgovorima i pridrl.avajte ga se. Primera radi, prvi ponudeni odgovor Sifrujte brojem 1, drugi brojem 2 itd.
neoZenjen/neudata
stalan partner
oZenjen/udataprvi put
ponovo o2enjen/udata
razveden/a ili Zivi razdvojeno
udovac/udovica
Prilikom dodeljivanja imena promenljivima u SPSS-umorate se pridrZavati viSe pravila. Ona su navedena u izdvojenom odeljku ,,Pravila za imenovanje promenljivih". U ranijim verzrjama SPSS-a(pre verzije 12), imena
promenljivih su smela imati najviSeB znakova. U verziji 12 SPSS-adozvoljena su do 64 znaka. Ukoliko datoteke s podacima nameravate da koristite u
raznim verzrjama SPSS-a(npr. u raiunarskim laboratorijama na fakultetu),
bezbednijeje da promenljivima i dalje dajete imena od najviSeosam znakova.
Sifrovanjeotvorenihpitanja
Sifrovanje otvorenih pitanja (na koja ispitanici sami formuliSu odgovore)
malo je komplikovanije. Na primer, uzmimo pitanje: Koji ie zd uctstrenutno
glauni izuor stresa? Da biste Sifrovali odgovore na to pitanje, proditajte sve
upitnike i potraZite najdeSie odgovore. MoZda ie mnogo ispitanika odgovoriti da im je glavni izvor stresa:radno mesto, finansijsko stanje, ljubavni odnosi, bolest ili nedostatak slobodnog vremena. U Sifarniku iete te glavne
grupe odgovora navesti kao vrednosti promenljive koju (ete nazvati stres i
svakoj iete dodeliti po jedan broj (npr. radno mesto=1, suprug/a ili partner=2
itd.). Trebaie vam joi jedan brol za one odgovore koji ne spadaju ni u jednu
od navedenih kategorija (ostalo=99). Kada budete unosili podatke za svakog
ispitanika, uporedite njen/njegov odgovor sa onima navedenim u Sifarniku i
unesite odgovarajuii broj (5ifru) u skup podataka za promenljivu stres. Nakon 5to napravite Sifarnik, gotovo da ste spremni za unoSenjepodataka. Prethodno treba da uradite io5 dve stvari:
Pravilaza imenovaniepromenljivih
l m e n ap r o m e n l j i v i h :
. moraju biti jedinstvena(tj. imena svih promenljivihdatog skupa moraju se
medusobnorazlikovati)
:
. moraju podeti slovom (a ne brojem);
. ne smeju sadr2atitadke,razmake(beline),niti specijalneznakove(! , ? "'");
. ne smeju sadrZatiredi koje su komandeu SPSS-u (all,ne, eq, to, le, lt, by, or,
g t , a n d , n o t , g e , w i t h ); i
. ne smeju sadrZativi5e od 64 znaka(za verziju1 2 SPSS-a), odnosno osam
znakovaza ranije verzljeSPSS-a.
>-
Pre nego 5to podnete da radite u SPSS-u,trebalo bi da nauiite nekoliko osnovnih stvari o njemu. Prvo, SPSSrazne stvari radi u razliiitim prozorima.
Da biste mogli da pristupite tim prozorima, prethodno morate otvoriti neku
od postojeiih datoteka s podacima ili napraviti novu. Zato iemo u ovom
poglavlju objasniti kako se pokreie izatvara SPSS;kako se otvaraju izatvaraju postojeie datoteke s podacima; i kako se pravi nova (prazna) datoteka
za podatke. Potom iemo pogledati kakve prozore ima SPSS.
PokretanieSPSS-a
SPSSse moZe pokrenuti na viSe nadina:
. Najjednostavnije je potraLiti ikonicu SPSS-ana radnoj povr5ini u'Windowsu. Postavite kursor iznad te ikonice i dvaput je pritisnite.
. SPSSmoZete pokrenuti i tako 5to iete pritisnuti dugme Start, dovesti
kursor do stavke Programs, i zatim preii u spisak dostupnih programa.
Prelazite po tom spisku naviSei naniZe dok ne nadete SPSSfor Windows.
. SPSSie se pokrenuti i kada dvaput pritisnete neku SPSSdatoteku s
podacima prikazanu npr. u Windows Exploreru. Te datoteke imaju oznaku tipa (engl. extension) .sav.
Kada pokrenete SPSS,moZda ie vas dodekati sivi podetni prozor s prtanjem ,,'Sfhat would you like to do?" (Sta biste hteli da uradite?) Lak5e 1e
zatvoriti taj prozor (pritiskom na dugme oznaieno sa x u gornjem desnom
uglu) i naviii se na upotrebu SPSS-ovihmenija. Kada zatvorite podetni prozor, prikazaie se prazna proradunska tabela (engl. spreadsbeet). Da biste iz
ovog prozora otvorili neku od postojeiih SPSSdatoteka s podacima, pritisnite File i zatim Open u meniju koji 6e se prikazati na vrhu prozora.
Otvaraniepostoiecedatotekes podacima
Savet Podatke s kojima nameravateda radite uvek najpre prebacite na dvrsti disk
radunara.Na krajuradnesesije,kopirajtete datotekenazadna USB disk ili disketu.
KoriScenjedatotekas podacima
U verziji 15 SPSS-amoZeteimati vi5e istovremenootvorenih datoteka s
podacima.To ume da budekorisno,ali i da zbuni.U svakomtrenutkumorate imati otvorenu barem jednu datoteku s podacima.Ako pokuSateda zatvorite datoteku, SPSSie vas pitati Zelite li da je snimite pre zatvarania.
Ukoliko je ne snimite,izgubi6etesvepodatkekoje ste u toi sesijiu nju uneli
i nove promenljivekojima steprorneniliSifreili izradunalinakon posiednieg
otvaranjadatoteke.
SPSS-oviprozori
u SPSS-uiete uglavnom koristiti prozore Data Editor, Vieweq pivot Thble
Editor, chart Editor i Syntax Editor. ovde iemo ih prikazati saZero,a u nastavku knjige mnogo detaljnije.
Kada podnete da analizirate podatke, imaiete viie tih prozora istovremeno otvorenih. Pojedine srlrdente to zbunjuje, ali je zapravo sasvim jednostavno kada shvatite zaito su otvoreni. Prozor Data Ediior je uvek otvoren zato
Sto sadrZi datoteku s podacima koje analizirate. Prozor viewer se otvara
kada treba prikazati rezulrate analize; u njemu se prikazuju rezultati svih
analiza,navedeni redom kojim su analize obavljane. Molim vas, zapamtire:
ovaj prozor se neie otvoriti dok ne pokrenete neku analizu.
Prozori na ekranu raiunara ,o kuo pardiii papira na stolu - moZete ih
premeltati, nekad je jedan odozgo, a nekad drugi. Svaki otvoren prozor ima
svoje dugme na dnu ekrana. Kada zatreba da predete u odre<leni orvoren
prozor' pritisnite njegovo dugme na dnu. Mogli biste i
da pritisnete wino:ws u glavnom meniju, kako bi se prikazla lista svih otvorenih prozora;
pritisnite u toj listi prozor koji hoiete da prikaiete
ispred svih ostafih.
Snimanjedatotekes podacima
Trebalobi da snimitedatotekus podacimakad god je izmenite(recimo,ako
ste definisalinove promenljive)ili dim je napravite.Datotekese ne snimaju
autonatski, kao u vetini programa za obradu teksta.Ukoliko ne steknete
naviku da povremenosnimatedatotekuna kojoj radite, a nestanestruja ili
izgubiietesveStoste rasluiajno pritisnetepogreiantaster(i to se deSava),
dili. Da se ne biste nervirali,redovno snimajte.Kada unositepodatke,snimajte svakihdesetminuta, ili nakon svakihpet ili desetunetih upitnika.
Da bistesnimili datotekuna kojoj radite,otvoritemeni File (u gornjemlevom uglu) i u njemu izaberiteSave.Ukoliko vam je tako lakie, na paleti sa
alatkamagore levo pritisnitedugmesa sliiicom diskete.Iako je na sliiici disketa,kada je pritisnetesnimiietedatotekuna onaj disk na koiem trenutno
radite.To bi uvek trebaloda budeivrsti disk, zato 5toje rad sadisketerecept
za katastrofu!Godinamami studentidolazeuplakaninakon 5to svoju datoteku s podacimaupropasteradeii na disketiumestona ivrstom disku.
\-
,,,.H re,:; ii
l'.:'
_'
jG
:.r
n b,, l;,, 6
?Ql*
trrFi,IlF!I'_
1:'dpd
l3l
r{:
l.t! L l:i-se N
/1iFn8F=
tiJ,qL'ti: I:j
Ir1}-!
fi rcr;:
ProzorData Editor
ProzorData Editor prikazujesadrZaidatotekes podacima,i u tom prozoru otvarate,snimatei zatvaratepostojeie datoteke,pravite nove datoteke,unosite
nove i menjatepostojeiepodatke,i obavljatestatistidkeanalize(slika 3.1)'
I ti
'J.{P
ffi.rs
F!Piren{rei
* Frequencies
Il!$ls3et
l]
(l:'rf,arLuren!B
Stdtisl,{3
ter
li
lalril
ilr$$riiq
H#;;
,ttt
0
li6
: id
s6x
66153
5lt7
341
2
2
46
30
JEf,
AI
52
32
unlrd
EI
I I'tA.LF'i
FrertU{
139
: FI{AIE'J
41
TDtBI
418
Pef| enl
i jrrnula!!*
FFrrFit
,l.i' 1
1?g
't[8 B
,it
JCBO
r00[
Slika3.2 ProzorViewer.
ProzorViewer
Snimanjerezultata
Stampanjerezultata
\-
ste izabrali sve Sto hoiete da Stampate,pustite taster Ctrl, pritisnite meni File
(na vrhu prozora) i izaberite u njemu stavku Print. SPSSie vas ipak uvek pitati Zelite li da Stampate samo odabrani deo rezultata ili sve.
posebno koristan kada treba da ponovite mnogo analiza ili (pomoiu SPSS-a)
naqtate viSe slidnih dijagrama. Upotrebite uobidajene SPSS-ovemenije da
zadate osnovne komande odredene statistiike tehnike i zatim ih prenesite u
Syntax Editor (slika 3.4). U njemu se komande mogu kopirati i prenositi;
mogu se i modifikovati komande koje je generisao SPSS.U njemu se mogu
napisati veoma sloZene komande za sofisticirano reiifrovanje (eng|. recoding) i obradu podataka. ViSe informacija o komandama potrazite u SPSS-ovom meniju Help, stavka Command Syntax Reference. Sve izdate komande iuvaju se u zasebnoj tekstualnoj datoteci sa oznakom tipa.sps.
Komande prenete u Syntax Editor ne izvrSavaju se automatski nego tek
kada vi to zadate tako 5to izaberetekomandu (zajedno s taikom na njenom
kraju) i pritisnete meni Run ili dugme sa strelicom na paleti sa alatkama. U
datoteku komandi slobodno dodajte komentarel komentar je svaki red koii
podinje zvezdicom (slika 3.4).
ProzorPivotTableEditor
Tabele rezultatakoje se prikazuju u prozoru Viewer,SPSSnaziva izvedenim
(engl.piuot) tabelama,zato 5to ih moZetemenjati i modifikovati kako god
vam odgovara.Da biste modifikovali tabelu,dvaput je pritisnite,pa ie je
SPSSprikazatiu prozoru Pivot TableEditor.U njemu semoZepromenitiizgled tabele,njena velidina,fontovi, Sirinakolona, a redovi i kolone tabele
mogu zamenitimesta,Stose nazivatransponovanje.
ProzorChart Editor
Kada od SPSS-azatraLiteda napravi histogram,trakasti dijagram (engl.bar
graph) ili dijagramrasturanja(engl.scatterplot),on ie ih najpreprikazati u
prozoru Viewer. Ukoliko treba da promenite vrstu grafiikog prikaza ili
nadinna koji su podaci u njemu predstavljeni,dvaput ga pritisnite,pa (e ga
SPSSotvoriti u prozoru Chart Editor. U njemu se moZe promeniti izgled i
format dijagrama,fontovi, boje,teksturapozadinei markeri (slika3.3). Postupakpravljenjadijagramai upotrebeChart Editora detaljnijeje objainjen
u poglavlju7.
lLb..
Ebttrt
* @'t':':::,
f;21::1:'.
* r e c o d eo p t i n i i s m
items
RECODE
o p ?o p 4o p E
(t=5) F=l) F=3) {4=2) (5=1) l[]To Ropl Rop4 Rop6.
EXECUTE.
HHU.,: E.
- r e c o d em a s t e r yi t e m s
t;
W kr l,1iyr "i,',,r,-k
,', ff E* [': d{
' R e c o d en E q a l i l i ewl yo r d e di t e m si n t o
differen
va
t riibles
Help
L X
REcoDEl
nrastl mast3mast4mast6mast/ (1=4) P=3) (:=Z) (a=1)INTO
R m a s t lR m a s l 3F m a s l 4R m a s t 6R m a s t l
EXECLJTF
Slika3.4 ProzorSvntaxEditor.
Meniji
Svakiod prethodnoopisanihprozorasadrZiiznenaduju6e
veliki niz stavki u
menijima.One seprikazuju pomoiu ikonica (slidica)na paleti sa alatkama,
t u padajuiim menijima duZgornje ivice prozora.Ne dajte se uplaSiti;prvo
cemo uditi samo osnovnealatke, a sa ostalima6eteeksperimentisati
kada
steknetemalo viSesamopouzdanja
i iskustva.
>-
Okviriza dijalog
Nakon Stoizaberestavkumenija,korisnikobidnon-rorada di joi informaci;"
To se radi u okvirima za drjalog.Na primer, kada od SpSS-azatraltted.
.iikreneanalizuFrequencies,
prikazaie seokvir za dijalog u kome *.u" an .,i]_
beretepromenljivedijeudestalosti
(frekvencije)
hoiete da dobijetetrl,ku r.ii
Vanable[s]
d sexlserl
4,
4,0
d us"
st*Lrs
a$,nriaritat
[mo*
s child[cnrld]
,1 | hrl3hert educ .-om6
ofstress
4S,sorrrce
ls,
qt"';nol,er{;nrokel
l - l f*-. ' ]
I
I Pu.t"l
F.:", f
r":--*:'"r
L""|!!LJ
{*l"f
{:]'.oo"n"^
frequency
tables
ll Dispiay
odavde 6ete otvoriti jo5 nekoliko okvira z.a diialog, u kojima se zadaju
statistidkeanalize,dijagrami koje treba nacrtari i format u kojem treba predstavitirezultate.Na raspolaganjusu razliiiteopcije,u zavisnostiod postupka ili analizekoju treba obaviti, ali su osnovnanaiela upotrebeokvira za
dijalog ista i sadaiemo ih razmotriri.
fn
i"eln^ okvira za dijalog sadrii standardnudugmad (OK, paste,Reset.Cancel,Help; slika 3.5). Evo opisanamenetih dugmadi:
. OK: Pritisniteovo dugmekada ste odabrali promenljivei spremniste
da pokreneteneku analizuili postupak.
. Paste:Ovim dugmetom se komande koje je generisaoSPSSprenoseu
SyntaxEditor.To je podesnokada hoiete da zabelei,ire
izdatekomande
ili viSeputa ponovite odredenu analizt.
r Reset:Ovim dugmetom briSeteiz okvira za dijalogsvekomande
izd:lte
tokom prethodnogkoriSienja.date analizeili postupka.Time dobijate
moguinost da novu analizu obavite bez ikakvog ,,"il.d..rog stanja,od
nule,s drugadijimpromenljivama.
o cancel:pritiskom na ovo dugme zatvarate
okvir za dijalog i otkazujete
svekomande izdateu vezi s datom analizom ili postupkom
o Help: Pritisniteovo dugmeda biste
dobili informacije o datoj alalizi ili
postupku koji nameravateda sprovedete.
Mada sam kao primer okvira za dljarogna slici
3.5 prikazala okvir Frequencies,svi spSS-oviokviri
za drjarogiunkcioniiu-p'o irro* osnovnom
principu.svaki okvir za dijalog
ima niz dugmadis ,rrriditi- opcijamakoje
seodnosena konkretan porr.riuk
ili analiir. pomoiu te dugmadi offaraju
sepodokviri u kojima
koiit"ik t"a
"..-- aie analizekojetreba obaviti ili statistiike
podatkekoje treba
prik";;i.
zatvoritiSpSS
Sqto
\aoa zavrsire
II
mEo
Pripremadatoteke
s podacima
pripremadato.tekes podacima za analizuobuhvata viSekoraka. Prvo senaoriuipr^rn^ datotekai u nju unesupodaci dobijeniu istraZivanju,u obliku
u poglavlju2).Zatim u datotecis podai.finit"""* u Sifarniku(objaSnjeno
cimatrebapronaii eventualnegreSkei ukloniti ih. U drugom delu kniige razmatraiu se upravo ta dva koraka. U poglavlju 4 obradeni su postupci za
podatakau nju. U poglavlju5 objalnjenje podatotekei unoSenje
pravljenje
s podacima.
greiaka
iz
datoteke
uklanjanja
stupak
datoteKe
Pravljenje
za podaikei uno5enje
podataka
j?.'^",,ixil
postupak',*
j:*Ti:;jT:ff :,"liT#'::l'"'"Tt:Xf;
toKa,prr:"'-i'1.:::r.:-":;:;;
i
raka.Dliagram
;;.r,,,.,,t pravljenia
,,.ruli.nia daroteke
pogravliuproveiiu vaskroz postupak
korake.U ovom
SPSS-a'
i""f..i" podatakay,liu Romodu u pripremi datotekes podacima:
koraka
*'1t'd"u
Oblasniiemot"
potrebi,izmenaopcija (tr prethod. Korakl. Prvi korak je pregledi, po
,e p..fer.n.e) koie SPSSkoristi za prinim verzijamuspis u ,uui-. ,,,
i-irru ^ni"' podataka i dobii enih r ezlhara
.Korak2.Slede6ikorakjeizgradnjaStrukturedatotekespodacimade
finisanjemPromenliivih'
koju ie
. Korak3. poslednjikorak je unoSenjepodataka,ti..vrednosti
ispitanik'
ili
svakojpromenliivojdodelio svaki udesnik
Navedenepostupkeiemoilustrovatinaprimerudatotekesurvey3ED.sav,
nuopisanoi,, dodutku. U dodatku ie i Sifarnik pomo6u kojeg su dobiieni
meridkipodaci za analiz,rrezultata.
Datolke s podacimamogu se uvesti i iz drugih programa za tabelarne
proraiune (npr. iz Excela).TL moie umnogome da olakSapostupak unoSenia podataka,naroditostudentimakoii naivojim radunarimanemaiuSPSS'
U E*..lu korir.rik -o i.eda napravipraznu daioteku i da u nju unesepodatke na svomkuinom rudrrnar.r.Kadu to zavrli, datoteku uvezeu SPSSi obradu i analizupodatakanasraviu njemu. Pri kraiu poglavlja biie navedena
uputstvaza unoienje podataka u Excelu.
rl
II
V
Pravljenjestrukturiranedatoteke za podatke (poglavlje
4)
Y
UklanjanjegreSakaiz datoteke s podacima (poglavlje
5)
l
Y
I
DraitViener
DutputLabels
i-,r Drsplaynames
{.}Alphabetical
i!)File
C:\...\SPS51
5" 1.0F0\rpss.1nl
r""'--_-l
l_-'!L9llie...
1:l Eesular
i".: Dreft
Measurement
Syslem
Temporary
directory:
Lonsuese:
pornts
,!ry1$,
''
:,
Notification:
c \iaMP
Sprovodenje statistidkihanaliza
radi poredenja grupa (deo b)
No scienhficnotationlot smlnumher!
*Fl tn tdbles
ViBWer
lype at Startup:
B FecordsyntarinJounal
tll'Append
{., Overwrite
Scripts
i
Chartr_.lnteraeti?e
PivolTables
Iuip{t
i-{ Oirploylabels
..lournal
5 es:ir-,n
Korelacija (poglavlje 1 |)
Delimidnakorelacija (poglavlje 12)
Vi5estrukaregresija (poglavlje 1S)
Logistidka regresia (poglavlje 14)
Faktorskaanaliza (poglavlje .l5)
Viewer
'lsrirbleLisl:
Obavljanje statistidkihanalizaradi
istraiivanja relacija (deo 4)
tiunency
Data
General
PJ Faiseviewerwindo+r
l!i.l Scrolltg new output
Fecentlgusedfilelist
Ii ;B
; i
Neparametarsketehnike (poglavlje 1 6)
T-testovi(poglavlje 17)
Analizavarijanse(poglavlja19, 1 9, 20)
Analizavarijansevi6e od dve promenljive
( p o g l a v l j e2 1 )
Analiza kovarijanse(pogl avl)e22)
f l(-'l t c"";rl
i"; Syslembeep
l-Tffi-]
Fe-]
Slika4.1 ProzorOptions.
KarticaGeneral
lzmenaopciiau SpSS-u
Kada dode vremeza obavljanjeanaliza)promenljivemogu biti poredaneabecednoili redom kojim sepojavljuju u daroreci.Ja uvek koristim redosledpojavljivanjau datoteci,zato 5to je on jednak redosledusravkiu upitniku i u
Sifarniku.Da bi se promenljiveprikazivalepo redosledupojavljivanjaurdatoteci, pritisnite kruZii pored opcije File u odeljku VariableLists (gore levo).
U pododeljkuNotificationodeljkaOutput (doledesno)trebada su powrdena polja Raiseviewer window i Scrollto new output. Tako ie senakon svake
analizeautomatski otvoriti prozor Viewer i prikazati novi rezultati.
U odeljku Output (goredesno),treba da izaberetepolje No scientificnotation for small numbers in tables. Tako 6ete sprediti pojavljivanje nekih
veomadudnih broieva medu rezultatima vaiih statistidkih analiza.
\-
U odeljku SessionJournal treba da je potvrdena opcija Append. To obezbeduje da se u zapisnidkoj datoteci (spss.jnl) beleZesvi postupci koje obavljate u SPSS-utokom svake sesije.Kada pritisnete dugrne Browse, moZere
da izaberetedirektorijum u koji ie ta zapisnidka datoteka (engl.lournal) biti
smeStena.
Stilove tabela moZete menjati koliko god puta hoiete, samo ne zaboravite
da stil treba promenttipre analize. Kada se tabele vei pojave u rezultatima,
viSeim se ne moZe menjati stil, ali se mnoga njihova svojstva (recimo, veliiina fontova, Sirina kolona) ipak mogu menjati u prozoru Pivot Table Editor.
Otvoriiete ga kada dvaput pritisnete tabelu koju treba izmeniti.
Nakon 5to izmenite sve 5to Zelite na raznim karticama iz okvira za dijalog
Options, pritisnite OK. Zatim moZete preii na definisanje promenljivih i
unoSeniePodataka.
KarticaData
Na kartici Data su opcijekoje odredujunaiin prikazivanjadatotekes podacima. Obaveznopotvrdite polje Calculatevaluesimmediately.Time postiZete da SPSSodmah izraiuna i prikaZesverezultate.
Ako promenljives kojima radite nisu decimalnevrednosti,mogli biste
promeniti format prikazivanja svih promenljivih. U odeljku Display format
for new numeric variables,za broj decimalnih mesta zadajte0. To znadi da
se decimalnamesta neie prikazivati ni za jednu novu promenljivu. Time
smanjujetedatotekus podacimai pojednostavljujete
njen izgled.
Definisaniepromenliivih
Pre nego 5to podnete da unosite podatke, SPSS-umorate saopititi kako vam
se promenljive zovu i dati mu uputstva za 5ifrovanje (kodiranje), tj. pretvaranje vrednosti promenljivih u brojeve. To se naziva definisanje promenljivih, a obavlja se u prozoru Data Editor (slika 4.2). Od verzije 10 SPSS-a,
prozor Data Editor se sastoji od dva razlt(ita prlkaza Data View i Variable
View Iz jednog u drugi prelazite tako 5to pritiskate jeziike nlihovih kartica
na dnu ekrana, s leve strane.
Svaka kolona u prozoru Data View odgovara po jednoj promenljivol
(engl. uariable) i nosi ime uar. Ta imena ie biti zamenjena imenima promenljivih koje ste naveli u svom Sifarniku (slika 4.2). DuZ leve srrane su brojevi
1.,2, 3 itd. To su redni brojevi analiziranih sludajeva, koje SPSSdodeljuje
svakom redu s podacima. To nisu vaii brojevi za identifikaciju sludajeva;
osim toga, brojevi redova se menjaju kada sortirate datoteku ili je podelite
da biste podatke analizirali u podskupovima.
KarticaOutput Labels
Opcije u ovom odeljku slui.eza prilagodavanjenaiina prikazivanja obiinih
imena i duiih opisnih imena promenljivih u rezultatima.Na samom dnu, u
odeljku Variablevaluesin labelsare shown as, u padajuioj listi izaberiteValuesand Labels.Tako iete u tabelamagenerisanimu SPSS-ovom
prozoru Viewer mo6i da vidite i numeridkevrednostii dui.a,opisnaimenapromenljivih.
KarticaCharts
Na ovoj kartici su opcije koje odreduju nadin prikazivanja dijagrama. Mogli
biste promeniti opciju Chart Aspect Ratio tj. podrazumevani odnos Sirine
i visine dijagrama. Pored toga, tu se zadaju fontovi, boje i druga svojstva
dijagrama.
Postupakdefinisanjapromenljivih
Da bistedefinisalisvepromenljiveod kojih sevaii podacisastoje,najprepritisnite jezitak kartice Variable View na dnu ekrana. U tom prikazu (slika
4.3), duL levestranesu navedeniredni brojevipromenljivih,a duZvrha njihovi atributi (ime, tip, Sirina,broj decimala, dui.eopisno ime itd.).
KarticaPivotTables
Veiinu rezultata statistidkih analizaSPSSprikazuje u izvedenim tabelama.
Na kartici Pivot TablesmoZeseu opseZnimlistama izabrati format tih tabela. Stil koji vam najviSeodgovaranaii iete eksperimentisanjem.
Kada tek
podnem s nekom analizom, upotrebljavam stil smallfont.tlo. U ovom stilu
slova su sitna, pa se Stediprostor na ekranu (i papir prilikom Stampanja).
Medutim, taj stil nije prikladan za uvoz u dokumente koji moraju biti
usaglaSeni
sa APA stilom (obaveznimza publikacijeiz psihologije),zato 5to
vertikalne
sadrZi
linije. Kada budete spremni da formatirate tabele u svom
izveitaju o istraZivanju,mo6i iete da izaberetei neki od APA stilova (bilo
koji od formata academic.tlo).
\-
Va5 je zadartakda sve promenljive definiSetetako 5to iete navesti potrebne informacije za svaku od njih u Sifarniku. Deo tih informacija morate sami
da obezbedite (npr. ime); ostale automatski dodeljuje SPSS,to su podrazumevane vrednosti. Naravno, te vrednosti se mogu menjati po potrebi. U nastavku 6emo navesti osnovne neophodne informaciie. Upotrebila sam
zaglavlja koja odgovaraju zaglavliima kolona prikazanim u prozoru Variable View. Sledi opis jednostavnih koraka od kojih se postupak sastoji; medutim, postoje i brojne predice koje 6ete moii da koristite kada upoznate
postupak. Njih navodim kasnije, u odeljku ,,Opcione predice"' Najpre treba
upoznati osnovne tehnike.
width
Podrazumevana vrednost Sirine je 8. To je dovoljno za veiinu numeriikih
podataka. Ukoliko vaia promenljiva moZe imati veoma velike vrednosti ili je
u pitanju tekstualna promenljiva tipa string, promenite podrzrzumevanu
vrednost. U protivnom, ostavite je na 8.
Decimals
Podrazumevanavrednost zabroj decimalnih mesta (koju sam zadala na kardci Options opisanoj u prethodnom delu poglavlja) jeste 0. Ako va5a promenljiva ima decimale, promenite ovu postavku kako god vam odgovara.
Label
9
aEel
Values
Slika4.3 VariableView.
Name
U ovu kolonu upiSitekratko ime svake promenliive navedeneu 5if:lrniku. Pomoiu imena ie svaka promenljiva u datoteci s podacima biti identifikovana.
Imena treba da su Sto kra6a i da ne prema5uju 64 slovna znaka (od 12. verzrje
SPSS-anadalje), odnosno osam slovnih znakova (raniie verzlie SPSS-a).Imena moraju zadovoljiti SPSS-ovukonvenciju o imenovanju (objainjenu u
poglavlju 2). Imena moraju biti jedinstvena,poieti slovom, i ne smeiu sadrLati razmake (beline) niti specijalneznakove. Primere dobrih imenarza promenljive proiitajte u Sifarniku u dodatku. Tamo su navedena imentr promenljivih
koje su koriSiene u datotekama s podacima nirpravljenim za ovu knjigu. (Pojedinosti o tim datotekama videti na str. 12.)
Type
Kada upiSeteprvo ime promenliive,u koloni Type ie seautomatskipojaviti
podrazumevana
vrednosttipa promenljive- Numeric.To ie vam odgovarati
za numeridkepromenljive,ali za tekstualneinformacije (recirno,prezime)
tip treba promeniti u String. Tip promenljive menjatetako 5to pritisnetedesnu stranuielije; trebalobi da sepojavi okvir s tri tadkei da vam seprikaZu
dostupneopcije. U istom prozoru moZese podeiavatiSirinapromenljivei
mesta.
broj nienih decin-rah-rih
1. Pritisnite
tri ta6kena desnojstranicelije(napresekukoloneValuesi drugog
redatabele).Otvoricese okvirza dijalogValueLabel.
2. Pritisnite
poljeValuei u njegaupiSite7.
3. Pritisnite
poljeValueLabeli u njegaupi5ite,,mu5ki".
4. Pritisnite
dugmeAdd. U zbirnompoljupisace'l:mu6ki.
5. Ponoviteza Zenskipol:za Value upi5ite2, za Value Labelupi3ite,,2enski".
Pritisnite
dugmeAdd.
pritisnite
svebrojevenavedene
defini5ete
u Sifarniku,
dugmeContinue.
Missing
PonekadistraZivadikoriste odredenebrojevekako bi pokazali da podatak
nedostaje,
tj. ne postoji.To ne morateda radite,poito SPSS
svakupraznuieliju tumaii kao nepostojanje
podatka.Dakle,ukoliko nameravateda ostavite praznomestokada neki deli6informacijanije dostupan,u kolonu Missing
prikazaVariable View ne treba niStada upisujete.
S drugestrane,ako nepostojanjevrednostinameravateda kodirateodredenimbrojem (npr.99=nemavrednost),morategir upisatiu odeljakMissing
Values,inadeie ga SPSSu svim statistidkim analizamasmatrati za legitimnu
Columns
Podrazumevana
Sirinakolona obidnoje B i to je dovoljno za veiinu nanena.
Izmeniteje samo ukoliko odekujeteogromne vrednostiili dugaika imena
prornenljivih.
Align
Vrednosti u kolonama obidno su poravnate ulevo. Nema potrebe da to
menjate.
Measure
Kada podaciobuhvatajuskalekoje sesasrojeod vile pojedinadnihsravki,odjednom napravitesvere nove promenljivei definiiite njihove atribute.Kao
primer,slediopis tog postupkaza Sesrstavki (op1 do op6) skaleoptimizma:
Zaglavlje kolone Measure odnosi se na naiin merenja svake promenljive pojedinadno. Podrazumevana vrednost je Scale,5to znadi da se koristi intervalna merna skala, pogodna za neprekidne (kontinualne) podatke. Kada se
promenljiva sastoji od kategorija (npr. pol, bradno stanje...), pritisnite tu ieliju i zatim dugme sa strelicom koje 6e se pojaviti. Zakategorijske podatke
izaberite nominalnu skalu (Nominal), a za one za koje je vai.an poredak moguiih vrednosti, izaberite ordinalnu skalu (Ordinal).
Opcionepredice
Kada datotekas podacimaima mnogo promenljivih,opisanipostupakume
da bude zametan.ImaviSepredicapomo6ukojih ga moZeteubrzati.Ukoliko
vise promenljivih ima iste atribute (npr. tip, Sirinakolone, broj decimala),
definiSiteprvu promenljivu a zatim njene atribute kopirajte na ostale
promenljive.
Uno5eniepodataka
Nakon ito zadate imena svil-rpromenljivih i, gde treba, duZ:r opisna imena
koja odgovaraju njihovim mogu6im vrednosrima, sve je spremno za unoSenje podataka. Prethodno pripremite i Sifarnik.
Vaino Prilikomuno6enjapodataka ne zaboraviteda datoteku redovno snimate.
SPSS ni6ta ne snimaautomatski.Ukolikoto sami ne uradite,rizikujeteda izgubite
sve 5to ste uneli.Snimatetako 5to na paletisa alatkamapritisneteslidicudiskete
ili otvoritemeni File i u njemu izaberetestavkuSave.
Postupakunosenjapodataka
1. Podaci se unose u prikazuData View. Pritisnitejezidak kartice Data View na
dnu prozoraData Editor, levo. Pojavicese proradunskatabela sa imenima
novodefinisanihpromenljivihduZ vrha.
2. Pritisniteprvu celiju skupa podataka (u prvom redu prve kolone).Oko aktivne celije prikazacese tamna ivica.
3. UpiSitebroj (ako se radi o promenljivojlD, to bi trebalo da bude 1).
4. Pritisnitetaster sa strelicom nadesno; kursor ce preci u sledecu celiju desno, u koju treba da upi6etedrugi podatak za analiziranisludajbroj 1.
5. U taj red unesitesve informacijeza sludajbroj 1. Pailjivo upisujteda bi svaki
podatak bio u odgovarajuiojkoloni.
6. Kada pritisnetetaster Home, kursor se vraca na podetak reda. Prelazaku
drugi red ostvaricetekad pritrsnetetaster sa strelicomnadole.U taj red unesite podatke za sludaj 2.
7. Kada pogreiite i poielite da ispravite greiku, pritisniteceliju s gre5kom. SadrZajielije ce se prikazatiiznadtabele.Tu upi5iteispravnuvrednost,pa pritisnite taster sa strelicomnadesno.
Kada definiSeteprornenijive i unesete podarke, vai prozor Data Editor
trebalo bi da liii na onai sa slike 3.1.
Modifikovaniedatotekes podacima
Kada napravljenu datoteku s podacima poZelite da izmenite, npr. da dodajete, bri5ete iii premeitate promenljive, dodajete ili uklanjate analizirane
sludajeve(redove tabele), otvorite prozor Data Editor u prikazu Data View.
Uklanjanjejednog sludaja
Pronadite sludaj (red) koji treba ukloniti. Dovedite kursor na osendenideo s
leve strane u kome je prikazan broj reda (sludaja),pa pritisnite jeclnom da biste izabrzrliceo red. Pritisnite taster Delete nzl tastaturi ili otvorite meni Edit
i u niemu izaberite Clear.
postoiecih
Umetanieiednog sludaiaizme.du
u redu neposrednoispodmestagdeho6e-
UklanianiePromenliive
sa imenompromenljivekoiu treba
Douedii. kursor na osendenideo kolone,
jednom pritisnuti to ime. Pritiiete
tako
5to
kolonu
ukloniti. Izaberitecelu
Edit i u niemu izaberiteClear.
meni
otvorite
ili
,nit. turt"t Deletena tastaturi
PremeStaniepostoiecihpromenliivih
Korak2: unoSenjepodataka
1. Unesitepodatke zaprvi analizirani
sludaju neki red Exceloveproradunsketabele, pazeci da oni odgovarajukolonamau koje ih upisujete.
2. Ponoviteza svaki od preostalihsludajeva.Nemojte koristitiformule niti druge
Excelovefunkcije.Ne zaboraviteda redovnosnimatedatotekutokom uno5enja.
3. PritisniteFile, Save. U polju Save as Type treba da stoji Microsoft Excel
Workbook. U odgovarajucepolje upi5ite ime pod kojim ie datoteka biti
snimljena.
treba da otvorite
Kada dode vreme da analizirate te podatke u SPSS-u,
sa oznakom
datoteku
Excelovu
ne
oznakom tipa .sav, a
spss datoteku sa
tiPa .xls'
(objedinjavanja)
datoteka,obaveznonapravitenjihovu
Uoozorenje Pre spajanja
u
drugom direktorijumu.Proveriteda li
6uvajte
datoteke
Spojene
kopiju.
:;;;^t
podatakauspelo,tj. da li su dobijenipodaci jednakionima u prvobitnim
iJ
"p"i""i"
datoteKama'
Spaianiedatoteka
omoguiava
Deiuua se da zatrebaspojiti SPSSdatotekes podacima.SPSS
na kraj
(tj.
sludajeva)
analiziranih
datoteka dodavanjemredova
"naianie
ntrtoi.i. datoteke,i dodavanjempromenljivihza svakiod postojeiihsluiaje
i.uu. npt kada postanudostupnineki novi podaci.Ova druga moguinost
naroiiio podesnakada imateExcelovedatotekes podacimana viSelistova,
koie treba spojiti na osnovuidentifikatora(ID-a) sludajeva(redova).
Spajaniedatoteka dodavaniemsludaieva
stavkuSplit File'
1. U menijuData izaberite
po kojojtreba grupisati
groups
i zadajtepromenljivu
Compare
2. Pritisnite
OK'
(npr.sex)'Pritisnite
Nakon podeledatotekena grupe (u ovom sludaju,muSkarcei Zene),sve
obavljajuza svakugrupu zasebno.Kada zavrSiteanalize,vratitese
analizese
i iskljuditeoPcijuSPlitFile'
stavkuSplit File.
1. U menijuData izaberite
(Analyze
all cases,do not creategroups).Pritisnite
prvu
tadku
2. Pritisnite
oK.
lzbor sludaieva
KorisnemogucnostiSPSS-a
stavkuSelectCases'
1. OtvoritemeniData i u njemuizaberite
2. Pritisnite
dugmeif conditionis satisfied.
3. Pritisnite
dugmelF.
kojadefinisegrupuod interesa(u na6emprimeru,pol,
4. lzaberite
promenljivu
tj. sex).
promenljiva
ce preciu odgovarajuce
izabrana
5. Pritisnite
dugmesa strelicom;
(:)
jednakosti
prikazano
unutartastature
polje.Pritisnite
dugmesa znakom
na ekranu.
Primera
ga u Sifarniku.)
grupi(pro6itajte
izabranoj
6. Upi5itebrojkojiodgovara
kodiranibrojem1, pa bisteupisali1. Na komandradi,u uzorkusu mu$karci
noj linijibi trebaloda piSe:sex:1'
7.Pritisnite
Continuei zatimOK.
sPSSima mnogo korisnih moguinosti koje su podesneza analizei itede vreme i trud. U narednimodeljcimanaveSiunekoliko glavnih.
Sortiranjedatoteke s podacima
sPSSmoie da sortira podatke po vrednostimaodredenepromenljive(npr.
polu, starosti).
1. otvoritemeniData, izaberite
u njemustavkusort cases izadajtepromenljivupo kojojtrebasortirati.Potomzadajteda li ce se podacisortiratipo rapritisnite
stucem(Ascending)iliopadajuiem(Descending)redosledu.
oK.
2. Datoteku
vracateu prvobitniredosledtakosto u ponovnom
postupkuzadate
po lD-u.
sortiranje
u analizama(npr. korelaciji)radenimposleovog postupkaizbora sluiirjeva,biie obuhvaienasamo izabranagrupa (npr. muikarci). Kada zavriite
analize,vratite se i iskljuc=ite
opciju SelectCases.
Upotrebaskupova
U velikim datotekamas podacimaponekadje zametnolistati kroz mnoirvo
pronrenljivih navedenihu SPSS-ovimokvirima za dijalog da bi se stiglo do
onih potrebnrhza analize.SPSSomoguiava definisanjei koriSienjeskupova
promenljivih. To je posebno korisno u datoteci survey3ED.sav,
gde ima
mnogo pojedinadnihstavki koje sesabiraju,azbirovi su tek na dnu datoteke. U sledeiemprimeru napraviiu skup koji obuhvata samo demografske
promenljivei zbirove.
1. OtvoritemeniUtititiesiu njemuizaberite
stavkuDefineVariableSets.
2. U listi izaberitepromenljive.
Medu njimanekabudu lD, demografske
promenljive(od sex do smokenumber)i svi zbirovina dnu datoteke,od Total
Optimismnadalje.Premestite
te promenljive
u poljeVariablein Set.
3. U poljeSet Name upi5itenekoprikladno
imeskupa(npr.Totalsili Zbirovi).
4. Pritisnite
dugmeAdd Set izatimClose.
Pronalahenje
f% l ^ r - \i
'
I r^-^:;* \, "cl i uklanjanje
L",n*"ff pogtesnili
podataka
*s"il
Prenego5to podneteanalizupodataker,neophodnoie da iz njih uklonite gre5ke.Veomaje lako pogreSitiprilikom unoSenjapodataka,a nekegreike naZalostumeju da upropastekasnijeanalize.Primeraradi, dovoljno je upisati
35 kada je trebalo uneti 3, pa da serezultati korelacioneanalizepotpuno poremete.Neke analizesu veoma osetljivena takozvaneneregularneili netipidnetadke(engl.outlier),tj. vrednostikoje su mnogo veie ili mnogo manje
od onih dobijenih u svim ostalim analiziranimsluiajevima.Zato je bolje
i otklanjanjugreiaka,negonaknadno
utro5itivremena podetku,u traZen;'u
u pokulajima da se otkloni Stetakoju zaostalegre5keprouzrokuju.Iako je
taj postupak dosadani naporan za oti kada se radi o velikim skupovima
podataka,on je neophodan,a uStedede
vam mnogo nerviranja!
podatakaobuhvataviSekoraka:
PostupakdiSdenja
. Korak 1: traienje greiaka. Prvo treba pregledatida li je vrednostneke
promenljiveizvan rasponamoguiih vrednosti.
. Korak 2: pronalaien'jei isprauljanjegreiaka w datoteci s podacima.U
datoteci s podacima treba pronaii tu greiku tj. analiziranisludal u
kome segreika javija, i ispravitiili obrisatitu vrednost.
Da bisteimali na demuda veZbateopisanipostupak,ubacilasam greike
u glavnu datotekus podacimasurvey3ED.sav
i tako dobila datotekuerror3ED.sav,koja semoZepreuzetis prate6e'Web
lokacijeove knjige (pojedinosti videti na str. xi i u dodatku). U dodatku je i 5ifarnik na osnovukoieg je
vrednost svake promenljive pretvorenau odgovarajuii broi tj. podatak.
Zato pokrenite SPSSi otvorite error3ED.sav.Proradujuii navedenekorake,
tumaieii rezultateSPSSanalizai rade6ina datotecis podacima,upoznadete
SPSS-ove
menije.Za svaki postupak sam navela i odgovarajuieSPSSkomande.U poglavlju3 je detaljnijeopisanaupotreba prozoraSyntaxEditor
za beleZenje
i snimanjeSPSSkomandi.
Prenego5topodnete,u menijuEdit izaberitestavkuOptions.Na dnu kartice Output Labels nadite poslednjepolje (Variablevalues in labels shown
as:)i u njemu izaberitestavku Valuesand Labels.Time ste zadalida seza kategorijskepromenljiveprikazuju i tekstualniopisi (engl.labels)i nr-rmeridke
vrednosti(tj. 5ifre,brojevi),5toolaklavaprepoznavanje
greiaka.
^eraK | : rrazenregresaka
Traienjegreiaka seprvenstvenosvodi na
trazenj_e
onih vred.osti koje su izvan
rasponamoguiih vrednosridate promenrjive.
Na prtd;ili"
promenljiva
Pol kodiranasa 1=muiki, 2=Zsnskl,niiedna
n;enavrednost'e bi sesmelarazlikovati od 1 ili 2. vred'osti izvan;"r;;
moguiih vrednostikvarerezulrare
statistidkih analiza,pa je veoma vaino ispraviti
sve te greike pre nego sto
uopstepodneteda analiziratepodatke. rrizitrgreike
,r"E, fr.gr.dati udestafosti (frekvenctje)suib pto-.niliuih, ukljudujuii
tu i svepojedinainevrednosri
od kojih se sastojemerneskare.cresk. ir.b"
rrpr"uiti pi. i;;;;""r""
ja z.bir_
nih rezultataza te skale.Bilo bi dobro da
u nekom podsetnikubelezitesve
pronadenegreike i izmenekoje ste sproveli
u a"ro,".i', fiil.i;".
U sPSS-upostoji viie moguinostiza trai.enjeg.";"L"iopirneu
aun naii.a
- jedanpodesniji zakategoiijske
promenrjive(nir. poly, u-a'*gi za neprekid_
ne (npr.starost).
Statistics
TraZenje_
g resaka u vrednostimakategorijski
h
promenljivih
marital status
2 STEADY
RELATIONSHIP
3 LIVINGWITH
PARTNER
4 MARRIEDFIRST
TIME
5 REMARRIED
6 SEPARATED
7 DIVORCED
8 WIDOWED
Total
PostupakpretraZivanjakategorijskihpromen
ljivih
8.4
8,4
40,8
Aa1
83.8
o,d
90,7
s2.9
98.4
100,0
2.3
{4
1.6
2 SOME
SECONDARY
3 COMPLETED
HIGHSCHOOL
4 S O M EA D D I T I O N A L
TRAINING
5 COMPLETED
UNOERGRADUATE
6 POSTGRADUATE
COMPLETED
22
Total
FREOUENCIES
vARtABLES:polbrakskola
/STATISTICS:MtNtMUM
MAXTMUM
/ORDER: ANALYStS
I
}
11,8
19,4
?1 ?
)7a
59,0
2B.A
87,0
12.8
7
100,0
99,8
10 0 , 0
Rezultatipostupkasu podeljenina dva dela.U prvol tabeli je kratak pregledsuih traZenihpromenljivih.U preostalimtabelama,za svakupromenljivu pojedinadnodati su raSdlanjenirasponi odgovora. (Navedeni su i
tekstualniopis kategorijskevrednostii njemu odgovarajuiaSifra(broj); takav prikaz rezultatasedobija kada postavke(Options)izmenitepremapreporukamadatim u prethodnomdelu poglavlja.)
. PogledajtenajniZei najviSevrednosti.Imaju li smisla?Jesuli unutar
rasponamoguiih vrednostidatepromenljive?U prvoj tabeli (nazvanoj
Statistics)vidi seda je za promenljivuPol minimum 1, a maksimum3.
Ta trojka je neispravna,po5to bi najveia vrednosttrebaloda bude 2 pogledajteSifarniku dodatku.Maksimalnavrednostza najviSuzavrienu Skoluje 22 i to je pogreino,poStobi maksimumtrebaloda iznosi6.
o Proveritekoliki je broj valjanih (engl.ualid) i nedostajulh (engl.misslzg) sluiajeva.Ukoliko nedostaju6ihsludajevaima mnogo, zapitajte
se zaito je tako? Da niste greiili prilikom unoienja podataka, npr.
pobrkali kolone prilikom upisivanja?Deiava se da na dnu datotekes
podacimabude praznih redova,nastalihtako 5to dovekgreSkompredalekopomeri kursor i nenamernonapravi prazne6elije.Ako vam se
to desilo, otvorite prozor Data Editor, predite u red koji na sadrii
podatke,pritisniteosenienuieliju s brojem praznogreda,pa pritisnite
taster Delete na tastaturi. Ponovite postupak Frequenciesda biste dobili ispravnevrednosti.
r Ostaletabeles rezultatimaodgovarajupo jednojispitivanojpromenljivoj. U njima sevidi koliko je analiziranihsludajevaupalo u svaku od legitimnih kategorija.Takodesevidi u koliko sludajeva(redova)postoje
vrednostikoje su izvan opsega.Tu je jedansludaju kome je Sifrapol:r
3 i jedna osoba koja za najviSuzavrienu Skolu ima Sifrt 22. Te greike
svakakotreba pronaii i ukloniti, ali mi iemo najprepokazatikako se
greike tral.eu promenljivamas neprekidnim (kontinualnim) vrednostima u datotecis podacima.
Proveraneprekidnihpromenljivih
Postupak pretraZiva
nja neprekid
nih promenlj
ivih
1. U glavnommenijunavrhuprozorapritisnite
Analyze,zatimDescriptiveStatistics, pa Descriptives.
(npr.starost- age).Zatimpri2. lzaberite
promenljive
kojehoceteda proverite
tisnitedugmesa strelicomda bisteizabranepromenljive
prebaciliu polje
Variables.
3. Pritisnitedugme Options. Ovde se moZe izabrativi5e statistidkihpokazatelja; glavni su srednja vrednost (engl. mean), standardno odstupanje,tj.
standardnadevijacija(engl.sfandard deviationili skracenoSTDDEV),minimum i maksimum.Pritisnitepokazateljekoje SPSS treba da izraduna.
4. PritisniteContinue izatim OK (iliPaste da biste sve snimiliu Syntax Editor).
Prethodnipostupakdaje ove komande:
DESCRIPTIVES
VARIABLES:starost
STDDEVMIN MAX
/STATISTICS:MEAN
Opisani postupakdaje sledece rezultate:
Descriptive Statistics
Minimum
age
Valid N (listwise)
4JV
Maximum
82
Mean
?7
?A
Std- Deviation
13,2V3
43S
Proveriteiznoseminimuma i maksimuma.Imaiu li smisla?U ovom sludaju,raspongodina starosti1eod2 do 82. Minimum 2kazuje da je do5lo
do gredke,polto bi uzorak trebalo da sadrLisamo podatke o odraslim
osobama.
Ima li iznos srednjevrednosti (engl.mean) smisla?Svaki broj izvan rasponadozvoljenihvrednostikvari srednjuvrednost.Ako seradi o promenljivojkoja semeri na nekoj skali,da li je srednjavrednostu skladu
s vadim odekivanjimana osnovu prethodnih istraZivanjaobavljenih uz
koriS6enje
istemerneskale?Da li je srednjavrednostna srediniraspona
dozvoljenihvrednostiili je bliZajednom kraju raspona?To seponekad
deSavakada semereobeleZjakao 5to su anksioznostili potiStenost.
gregaka
Korak2: pronalaZenje
i ispravljanje
u datotecis podacima
Stada radimo kada pronademoneki odgovorizvanopsegadozvoljenih(npr.
Sifru3 za pol)? Prvo treba naii greSkuu datotecis podacima.Nemojte pokuiavati da je sami pronadetetako 5to iete ditati ceo skup podataka.Ima
viSedobrih naiina da SPSS
pronadegrelku u datoteci;ovdeiu pokazatidva.
Prvi nadin
1. U prozoruData EditorotvoritemeniData i u njemuizaberitestavkusort
Cases.
2. U okviruza dijalogkoji ie se pojaviti,pritisnitepromenljivu
(npr.por)koja
sadrzigreskui zatimstrelicukojomje premestateu poljesort By. U zavisnostiod toga2eliteli najvecevrednostina dnu ili na vrhu,pritisnite
ascending odnosnodescending.Hocemoda nademoosobuza kojupromenljiva
pol imaSifru3, pa bi trebaloda izaberete
descending(kakobi se ta trojka
prikazala
odmahna vrhu,po5tosu prihvatljive
samovrednosti1 i 2).
3. Pritisnite
OK.
U Data Editoru pritisnite jezidakkartice Data View tako da se prikaZu
vrednosti podataka. sludaj koji sadrzi pogrednuvrednosr izabranepromenljive(5ifru3 za pol) trebalobi da je na vrhu datoteke.Pogledajtekolonu
promenljivepol. U ovom primeru,videieteda promenljivapol u prvom navedenomsludaju(ID=103)ima vrednost3. Da su ovo va5ipodaci,trebalobi
da uzmeteupitnike i utvrdite da li je muikog ili zenskogpola osobasa identifikacionim brojem 103. Zatim bisteobrisalivrednost3 i upisaliispravnu
vrednost.zabeleLitetaj podatak u svoj podsetnik.ukoliko su vam originalni podaci nedostupni,uklonite pogreSnuvrednost,a SPSSie je zamenitisistemskomoznakomza nedostajuiipodatak. (To je tadkakoju 6e SpSSsam
upisati,pa vi ne treba da je upisujeterudno).
Nakon 5to otkrijete greiku u datotecis podacima,proveriteima li greiaka
u susednimkolonama (promenljivama)istog analiziranogsludaja.U ovom
sluiaju, osobaID=103 ima za starostpogreSnuvrednost,2.
Sledi prikaz drugog nadina pronalaZenjasluiaja s pogreino upisanirn
polom.
proceduraume dobro da
U postupkudiSienjapodataka,jo5 jednaSPSS-ova
posluZi;to je funkcija SummarizeCases,koja omoguiava da izaberete
odredenepromenljivei samonjih prikaZeteza svesludajeve.
1. OtvoritemeniAnalyze,pritisniteReports,pa SummarizeGases.
lD iostalepromenljive
kojevaszanimaju(npr.pol,de2.lzaberilepromenljivu
ca, pu5ad).UklonitekvadicuispredpoljaLimitcasesto first 100.
dugmeStatisticsi ukloniteNumberof cases iz poljaCell Stati3. Pritisnrte
stics.Pritisnite
dugmeContinue.
4. Pritisnite
dugmeOptionsi uklonitekvadicuispredpoljaSubheadingfor totals. Pritisnite
ContinueizatimOK (ili Pasteda bistesvesnimiliu Syntax
Editor).
Prethodnipostupakgeneri6eove komande:
SUMMARIZE
/TABLES:idpol decapu5ad
/FORMAT:VALI
DLISTNOCASENUM NOTOTAL
/TITLE:'SaZetprikazsludajeva'
/MISSING:VARIABLE
/CELLS:NONE.
Drugi nadin
jezidakkarticeDataViewtakoda se prikaiu
1' U prozoruDataEditorpritisnite
vrednostipodataka.
(npr.pol)kojasadrZigre5ku.
2. Pritisnite
imepromenljive
3. NakonStopritisnete
imepromenljive,
trebaloje da celakolonabudeizabrana.
4. OtvoritemeniEdit i u njemuizaberite
stavkuFind.
5. U poljesearch for upi5iteneispravnu
vrednostkojutraiite(uovomsru6aju,
3).
6' Pritisnite
dugmeSearchForward.SPSS ce pretraiitidatotekui zaustaviti
se na prvomsludajukojisadriizadatuvrednost.
ZapisitenegdelD brojtog
sludaja(broju prvojkoloni).
Trebacevamda bistega pronasri
meduzapisima
ili upitnicima
i tamoproditaliispravnuvrednost.
7.Ako trebada potrazite
drugesludajeve
sa istompogresnom
povrednoscu,
novopritisnite
search Forward.U ovomprimeru,
kolonaFrequencyu tabeli
pol na str.45 kazujenamda postojisamojednaneispravna
vrednost3.
2 ZENSKI
DEOill
analize
Preliminarne
prirode promenljivihmoZepoieti
Pregleddatotekes podacimai istraZivanje
je
podacima
greiaka.eiSienjeje pripremaza
s
iista,
bez
datoteka
kada
tek
pomoiu
konkretnih
statistidkih
tehnika
kojih iete dobiti odgovore
primenu
napitanja koja bi istraZivanjetrebalo da rasvetli.Treii deo knjige sastojise
od pet poglavlja.U poglavlju 6 predstavljenisu postupcidobijanjaopisnih
statistiikih pokazateljai za kategorijskei za neprekidnepromenljive.U
njemu su objainjeni i proveranormalnostiraspodelevrednostineprekidnih
promenljivih i provera postojanja netipidnih tadaka (engl. owtliers).Za
upoznavanjepodatakaumeju dobro da posluZei dijagrami.U poglavlju 7
predstavljenje deo de5ieupotrebljavanihdijagramakoje SPSSume da nacrta. Katkada datotekus podacimatreba obraditi da bi postalaprikladna za
odredeneanalize;recimo, sabrati iznosepojedinadnihstavki da bi se dobili
zbirni rezultati na skali ili podeliti neprekidnupromenljivu na manji broj
diskretnihkategorija.Te tehnikeobradepodatakaobjaSnjene
su u poglavlju
8. Postupakproverepouzdanosti(unutraSnje
saglasnosti)
merneskalepredstavljenje u poglavlju9. To je posebnovaLnopri ispitivanjurezultataanketa
i u studijamau kojima sepomoduskalamerekarakteristike(obeleZja)
lidnosti,njihovi stavovi,uverenjaitd. U ovom delu knjigeje i poglavljekoje bi trebalo da vas uputi kako da izaberetestatistidketehnike prikladne za trar.enje
odgovorana pitanja koja su predmetistraZivanja.
U poglavlju 10 prikazane
su neke statistidketehnike dostupneu SPSS-ui svaki korak postupka izbora
statistidkihtehnika prikladnih za konkretne potrebe.Istaknuti su neki vaZni
aspektikoje treba uzeti u obzir (npr. vrsta pitanja, vrsta podataka, obeleLja
promenliivih).
it\
. \
Opisnistatistidki
pokazatelji
j:^u":l9til1a koi3obuhvataju
ljuie, dobroje prikupitifoJ",r., o broju
*:#"ffi:i:;,:,"ffi
i$"ftjff:"::fIiTimru::
i";Tiffi
""'
u i,etvrtom i petom
delu knjige.;
t s p t t t v a n j eh i p o t e z a ( p r e t p o s t a v k i )
.
o b i i n o p o d r a z u m e v ad a s u o p i s n i s r a -
odstupanje,rasponvrednostiprorr..r,iiiuih,asimetrija
lengl'sftstaaess)
i snljoitenost_
1engr.[rriorlgraspodere. U spss-u seopisni
statistidki
pokrrrt.lii mogu dobitl ,r" urs" nadina,
iz udesralosri(Frequen-
I'iif:::1'llh
vrednosti
ili po-o.',, funlciiaDescriptives
ili Exprore.Sve
li*,l,lt' fr:iixx;'l.#rn##irr,',T
nrJep'menl;rv na kategoriiskepromenl;'ive.
du..,;^if",'lltl"l
U naredna
prrkazaiemo
razliditepristupeka.tegoriiskim
ho-il"jra
i neprekidnimpro_
Ako biste Zelelida i iami na ,adu'ar., pratite pri^.r. iz ovog
p""ill]:*".
r-6ravlla, otvorite
datoteku survey3ED.sav.
KategoriiskePromenliive
Postupakdobiianjaopisnih statistidkihpokazatelja
kategorijskihPromenljivih
Tumadenjerezultatadobiienih iz udestalosti
noiedinihvrednosti
NeprekidnePromenliive
1.Ug|avnommenijunavrhuProzorapritisniteAna|yze,zatimDescriptiveSta.
tistics, pa Frequencies.
je:
RezultatprethodnogPostuPka
Statistics
valid
Missing
435
0
1
XIMUM
Postupakdobijanjaopisnih statistidkihpokazatelia
za neprekidnepromenljive
Analyze,zatimDescriptiveSta1. U glavnommenijunavrhuprczorapritisnite
tistics, pa Descriptives.
(npr.starost,ukupansubjektivno
do2ivljen
promenljive
2. lzaberite
neprekidne
ih u
pokazatelje.
Prebacite
statistidke
stres)za koje2eliteda dobijeteopisne
poljeVariables.
3. PritisnitedugmeOptions. Potvrditepoljamean,standarddeviation,minimum, maximum,skewnessi kurtosis (6imeste izabralida se izradunaju
i
asimetrija
maksimum,
minimum,
odstupanje,
srednjavrednost,standardno
redom).
spljoStenost
raspodele,
4. Pritisnite
ContinueizatimOK (ilidugmePasteda bistekomandesnimiliu
SyntaxEditor).
Prethodni
postupakgeneriseovekomande:
DESCRIPTIVES
VARIABLES:starostusudstres
/STATISTICS:
MEANSTDDEVMIN MAX KURTOSISSKEWNESS
Nedostaiucipodaci
Rezultatprethodnogpostupkaje:
Opisni slatisliakipokazatelji
N
Minimum
Maximum
Mean
std.
Statislic
Statistic
Statistic
Stalistic
Statistic
439
18
82
Jkupansubjeklivno
lo:ivljenstes
433
12
46
26,73
Jkupanoptimizam
435
30
22,12
436
28
20
88
,kupnoSSDOUS
37,44
60,60
13,20
Kurlosis
Skewness
Std. Eror
Statistic
,606
117
,203
,233
Slatistic
Std. Eror
,245
117
,142
,234
4,43
,494
117
,214
,234
3,97
,613
117
,285
118
,247
1 1, 9 9
/alid N
istwise)
425
TumadenjerezultataprocedureDescriptives
U prikazanim rezultatima, sai.etesu informaciie koie su bile potrebneza svaku promenljivu.Na primer,za promenljivu Starost,imamo podatkeo 439
ispitanika,rasponnjihove starostije od 18 do 82 godine,srednjavrednost
37,44 godine,i standardnoodstupanjeod te srednievrednostiiznosi 13,20
godina. To bi trebalo navestikao opis uzorka u odeljku Metodologila izvestajao istraZivanju.
Opisni pokazateljikazuju poneito i o raspodelivrednostineprekidnih
promenljivih(asimetrijii spljoltenostinjihoveraspodele).Te informacijesu
potrebne za parametarskestatistiike tehnike (kao 5to su t-test i analiza varijanse,tj. rasturanja rezultataoko njihove srednjevrednosti).Asimetriia
pokazujeasimetrijuraspodele,a spljoitenostkoliko je raspodela,,5iljatija"
ili ,,spljodtenija"od normalne.U normalnoi raspodeli,asimetrijai spljoitenost (kurtosis)jednakesu 0 (sto se u druStvenimnaukamaretko sreie).
Pozitivne vrednosti asimetrijepokazuju da je ve6ina dobijenih rezukata
levo od srednjevrednosti, medu manjim vrednostima.Negativne vrednosti
asimetrijepokazuju da je ve6ina rezultatadesnood srednjevrednosti,medu
veiim vrednostima.Pozitivnavrednostspljoltenostipokazujeda je raspodela
Siliatiiaod normalne(ima viSerezultatanagomilanihoko centraraspodele),
manja od 0 pokazujeda ie
te da ima tanke dugadkerepove.Spljo5tenost
raspodelapljosnatijaod normalne(ima viSesludajevana repovima).Asimetriinost ,,nemaznatnijeguticaja na rezultateanalize"ako je uzorak razumno
ponekadprouzrokuje
velik (Tabachniki Fidell,2007, str.B0). SpljoStenost
preniskuprocenuvarijanse(disperzije,
rasturanjaoko srednjevrednosti),ali
sei taj rizik smanjujekod veiih uzoraka(preko200 sluiajeva;videtiThbachnik i Fidell,2007, str.80).
Dakle, asimetrijui spljoltenosttreba obaveznoizraiunati kada uzorak
sadrZimanje od 200 analiziranihsluiajeva.U velikim uzorcima,testoviza
izradunavanje
asimetrijei spljoltenostipreviSesu osetljivi.Tabachniki Fidell
(2007, str. 81)preporudujuda se oblik raspodelepogledanpr. na histogramu. PostupakdaljnjegocenjivanjanormalnostiraspodelerezuhataistraZivanja objasniiemou nasravkuodelika.
Procenanormalnostiraspodele
Mnoge statistidke tehnike predstavljeneu detvrtom i petom delu knjige podivaju na pretpostavci da je raspodela rezultata zavisne promenljive normalna. Normalna raspodela je simetridna, zvonolika kriva s najve6im brojem
rezultata u sredini i manjim brojem rezultata prema krajevima (repovima)
zvona (videti Gravetter i \fallnau, 2004, str. 48). Normalnost se moZe donekle proceniti na osnovu izradunatih vrednosti asimetrije i spljoitenosti
zvona,5to je opisano u prethodnom odeljku. Medutim, SPSSu meniju Descriptive Statistics ima i stavku Explore koja nudi druge nadine. Opisaiu taj
postupak na primeru procene normalnosti raspodele rezultata za promenljivu Ukupan subjektivno doZivljen stres u celom uzorku. Na raspolaganju
vam je i moguinost da to uradite zasebno za razne grupe u uzorku, tako 5to
iete u spisku Factor List unutar okvira za drjalog Explore zadati jod jednu
dodatnu kategorijsku promenljivu (npr. pol).
Dascriptives
Mean
95o/oConfidence Interval
for Mean
to,t J
26,18
Lower Bound
Upper Bound
26,64
26,00
34,194
5,848
46
34
,245
.182
117
.234
Extreme Values
EXAMINE
VARIABLES:usudstres
/lD: id
/PLOTBOXPLOTHISTOGRAMNPPLOT
/COMPAREGROUP
/STATISTICS
DESCRIPTIVESEXTREM
E
/CINTERVAL
95
/ M I S S I N GP A I R W I S E
/NOTOTAL.
, 2 41
27,28
5% Trimmed [4ean
Median
Variance
Std. Devialion
Minimum
Maximum
Range
InterquartileRange
Skewness
Kurtosis
Case Number
1. U glavnommenijunavrhuprozorapritisnite
Analyze,zatimDescriptiveStatistics, i najzadExplore.
2. Pritisnitepromenljive
kojevas zanimaju(npr.Ukupansubjektivno
doZivljen
stres)i zatimdugmesa strelicomda bisteih prebaciliu poljeDependent
List.
3. U poljeLabelCasesby: stavitepromenljivu
lD.
4. U odeljkuDisplaytrebada je potvrdenopoljeBoth.
pa Outliers.
5. Pritisnite
dugmeStatistics,zatimDescriptives,
6. Pritisnite
dugmePlots.U odeljkuDescriptivepritisnite
Histogram.Pritisnite opcijuNormalityplots with tests. Pritisnite
Continue.
7.Pritisnite
dugmeOptions.U odeljkuMissingValuespritisnite
Excludecases pairwise.Pritisnite
ContinueizatimOK (ilidugmePasteda bistekomandesnimiliu SyntaxEditor).
Navedenipostupakce generisati
sledecekomande:
Sld Error
Statistic
lotal PerCetVedstress
Hlghesl
Lowest
id
Value
40
44
43
262
157
216
190
61
257 144
366
189
247
244
3
4
5
qR
404
12
1t
13
't3
'13
127
119
3nl
Iests of Nomality
ShaDirewilk
Kolmodorov-Smimov"
Siq.
Statistic
df
toEil prcerved stress
4J3
.000
,Oti9
po Lillieforsu
u.*r"**
oatislrdkeznadajnosti
ineslueajnosli)
Statistic
992
.if
Sio
433
021
_,,
Tumadenjerezultatafunkcije Explore
NavedenirezultatisadrZeobilje informacija.To ume da uplali dovekadok
ne naudi 5ta da traLi.U ovom odeljku protumadidemote rezultatekorak po
korak.
o U tabeli Descriptivesdati su opisni pokazatelji i druge informacije o
analiziranimpromenljivama.Kada se u spiskuFactor List zada neka
promenljivagrupisanja,informacijeie biti izradunatezasebnoza svaku grupu, a ne za uzorak kao celinu.Deo tih informacijaiete svakako
prepoznati(mean,median,std deviation,minimum, maximum itd., tj.
srednjavrednost,standardnoodstupanje,minimum, maksimumitd.).
MoZda ne znate5taje 5% Tiimmed Mean. Da bi dobio taj broj, SPSS
zanemarigornjih i donjih 5% sludajevaibez njih izradunanovu sred-
nju vrednost.Kada uporediteprvobitnu (26,73)i novu srednjuvrednost (26,64), shvatiiete da li ekstremnevrednosti mnogo utiiu na
srednjuvrednost.Ako sete dve srednjevrednostimnogo razlikuju,moLdabi ekstremnetadketrebalododatnoispitati.ID brojevinajekstremnijih sludajevaprikazanisu u tabeli ExtremeValues.
i spljo5tenost(kurtosis),
Medu rezultatimasu i asimetrija(skewness)
koji opisuju raspodelu rezukata unutar dveju grupa (videti opis
znatenjatih pokazateljadat u prethodnom odeljku).
U tabeli Tests of Normality dati su rezultati ispitivanja normalnosri
raspodelekoje su izumeli Kolmogorov i Smirnov.Normalnost se pokazujestatistiiki neznadajnim(sludajnim)odstupanjemod normalnosti, tj. iznosomSig.ve6imod 0,05. U ovom sludajuSig.iznosi 0,000,
5to pokazujeda pretpostavkao normalnostiraspodelenije potvrdenir
i da je moramo odbaciti.To je sasvimuobidajenoza velikeuzorke.
Stvarnioblik raspodelerezultatasvakegrupevidi sena njihovim histogramima. U ovom primeru izgledakao da su rezultati prilidno normalno raspodeljeni.To potvrduje i izgled krive normalne verovatnoie,
Normal Q-Q Plot. Na njoj se opaZenavrednost rezultatacrta zajedno
saoiekivanomvrednoiiu kolu bi dala normalnaraspodela.Stoje linija
opaZenihrezultatabliZa pravoj liniji, to je raspodelabliZa normalnoi.
Kriva DetrendedNormal Q-Q Plot prikazuje stvarno odstupanjeopaienih rezultataod horizontalnelinije koja predstavljanormalnu raspodelu.Trebalo bi da veiina tadakabude pribliZno simetridnorasporedena
oko te horizontalnelinije i da setadkenigde ne gomilaju.
. Na poslednjojslici je je pravougaoni dijagram(engl.boxplot) raspodele rezultataza dve grupe. Pravougaonikpredstavlia50 procenatasludajeva, pri iemu repovi (linije koje izlaze iz pravougaonika) idu do
najveiih i najmanjih vrednosti. Katkada se vide i izolovani kruLiii izrazvrstaou netipidnetadke.Linija unufar
van tog raspona;njih je SPSS
pravougaonikaje medijana.U narednomodeljku, u kome se govori o
otkrivanjunetipidnihtadaka,biie joi redio pravougaonomdijagramu.
U gornjem primeru, raspodelaje bila prilidno normalna. To se ne dogada
baSdesto.Na mnogim skalamai u meramakoje sekoriste u druitvenim naukama, rezultati su raspodeljeniasimetriino, levo ili desnood srednjevrednosti (vrednostasimetrijepozitivna ili negativna).To uopite ne mora daznatida
je problem u mernoj skali, vei pokazuje stvarnu prirodu konstrukta koji se
meri. Primera radi, merezadovoljstvaZivotomdestosu negativnoasimetridne
u druitvima dija je veiina umereno zadovoljna svojom sudbinom. Klinidke
mere anksioznostiili potiStenosti(depresije)u opitoj populaciji destosu pozitivno asimetridne,jer veiina ljudi ima relativno malo simptoma tih poreme6aja.Neki autori u ovoj oblasti preporudujuda seasimetridnoraspodeljeni
rezultati statistidki,,transformi5u".O tome iemo jo5 govoriti u poglavlju 8.
Histogram
o
o
L
tlean =:6,73
Sld.Dev.=5,848
l,l =431
doZivljenstres
NormalQ-Q Plot of ukupansub.iektivno
6 l
E
o
o
CL
llJ
-t
,lii
ObservedValue
D e o l l l : P r e l i m i n a r naen a l i z e
64
0.4
oono
=
E
U,J
z
F
O
nr
0,1
oo
ooo
"oo
oo
:r:r
1r:r
ft
ObservedValue
stres
doZivljen
Ukupansubjektivno
Otkrivanienetipidnihtadaka
Mnoge statistidketehnike razmatraneu ovoj knjizi osetljivesu na netipidne
tadke(engl.outliers),tj. rezultatekoji su mnogo iznadili ispodveiineostalih
reztltata. Tehnikeopisaneu prethodnom odeljku mogu seupotrebiti iza otkrivanjenetipidnihtadaka.
. Najpre pogledajmohistogram.Bacitepogledna repoveraspodele.Ima li
tu usamljenihtadakaekstremnihvrednosti?Ako ima, to su potencijalne
netipidnetadke.Ako prema krajevima raspodelebroj taiaka opada uz
pribliZnojednak nagib, verovatno nemarazlogaza zabrinutost.
o Drugo, pogledajtepravougaoni dijagram(engl.boxplof). Svevrednosti
koje SPSSsmatranetipidnimtadkama,tu se prikazuju kao kruLiii oznadenibrojevima.(To su ID brojevitih sludajeva.)
SPSSsmarranetipidnim sve tadke koje su od ivice pravougaonikaudaljenevi5e od 1,5
njegovihduZina.Ekstremnevrednosri(oznadene
zvezdicom")jesu one
koji su od ivice pravougaonikaudaljeneviSeod 3 njegoveduZine.U
gornjemprimeru nije bilo ekstremnihtadaka,ali jesudve netipidnetadke, diji su ID brojevi24 i 157. Kada nadetetakve radke,morare razmisliti 5taiete s niima.
. Treba proveriti da li je vrednostneripidnetadkezaistatolika ili je u pitanju gredka.Proverite tu vrednost i da li je unutar opsegamoguiih
vrednosti date promenljive. Ponekad se isplati pogledati u upitniku
odnosnozapisupodataka da li je podatak pogrelno unet. Ako seradi o
greSci,ispravite je i ponovo nacrrajte pravougaoni dijagram. Ukoliko
nemanikakve greike,morate odluditi 5taiete s rom netipidnomtadkom.
Neki pisci knjiga o statisticisaverujuda sesveeksrremnenetipidnetadke
ukloneiz datotekes podacima.Drugi savetujuda sete vrednostizamene
manjeekstremnim,kako bi i one udestvovaleu analizama,ali tako da ne
mogu iskriviti statistidkepokazatelje.ViSeo rome videti u 4. poglavlju
knjige autorki Tabachniki Fidell (2007).
r Informacijeu tabeli Descriptivespokazuju koliki problem 6e predstavljati sluiajevis netipidnimtadkama.Pogledajtesrednjuvrednosrizradunatubezgornjih i donjih 57" sludajeva,tj.5oA
TrimmedMean. Kada
seta i prava srednjavrednostmnogo razlikuju, te tadketrebajo5 ispitati. U ovom primeru su te dve srednjevrednosti(26,73i26,64) veoma
bliske.Zl:ogtoga i dinjeniceda se te vrednostine razlikuju previie od
ostatkaraspodele,zadri.a(uih u datotecis podacima.
' Kada zateba da izmeniteili uklonite nekepodatke
iz datoteke,predite
u Data Editor i sortirajtepodatke po opadajuiemredosledu(da biste
pronaSlisludajeves najviSimvrednostima)ili rastu6emredosledu(za
sludajeves veomaniskim vrednostima).Na taj nadinie sludaievikoie
treba posebnorazmotriti dospeti na vrh datoteke s podacima. Predite
u kolonu s vrednosrimadatepromenljive i izmeniteili uklonite problematidnuvrednost.Sve5to izmeniteu datotecis podacima-or"t. b.leZitiu svoj podsetnik.
DodatneveZbe
Poslovnookruienje
Datoteka s podacima:staffsurvey3ED.sav.pojedinostio datotecivideti u
dodatku.
1. sproveditepostupkeobjainjeneu ovom poglavlju da biste generisali
odgouarajuie opisne statistidkepokazatelje,pa zatim odgoiorite na
sledeiapitanja.
(a) Koliki procenarosoblja(engl.staffl te organizacijeiine sr.lno za_
posleni?(Upotrebitepromenljivuemploystatus.)
(b) Koliko je prosednotrajanje zaposlenjaosoblja u toj organizaciji?
(Upotrebitepromenljivuseruice.\
(c) Koliki procenarispitanika bi organizacijupreporudiokao dobro
mestoza rad?(Upotrebitepromenljivurecommend.)
2' Oceniteraspodelurezultatana skali Total Staff Satisfaction(totsatis)
za stalnozaposlene(engl.permanent)u odnosuna one koji su privrsmeno zaposleni(engl.casual)(promenljiva employstatus).
(a) Ima li na toj skali netipidnihtadakazbog kojih bi trebalo
da sezar_
brinete?
(b) Da li su rezultatiobe grupenormalno raspodeljeni?
Zdravstvo
Datotekas podacima:sleep3ED.sav.
pojedinostio datotecivideti 'dodatku.
1. Sprovediteposrupkeobjadnjeneu ovom poglavlju da bistegenerisali
o.dg.ouaraluieopisne statistidkepokazateile pa'zatim ocJgovo're
,
na
slede6apitanja.
(a) Koliki procenarispitanikasu Zene(promenljivagender)?
(b) Kolika je prosednasrarosfosobau uzorku?
(c) Koliki procenat uzorka naznatioda ima problema
ie
sa spavanjen-l
(problem)?
(d) Kolika je medijanabroja sati noinog sna proseinog
radnog dana
(hoununit)?
2. ocenite raspodelu rezuhatana skali sleepiness
and AssociatedSensations (torsAS)za o.sobekoje smatraju/nesmatraju
da imaju problema
sa spavanjem(problent).
(a) Ima li na toj skali netipidnihtadakazbog
kojih bi trebaloda sezabrinete?
(b) Da li su rezultatiobe grupe normalno raspocleljeni?
Upotr"F"4ij"grama
za opisivanje
i analizu
podataka
za crnnje clijagrama:
Chart Builder
Interactive
LegacyDialogs
Tumadeniehistograma
Histogrami
promenllive (npr'
Histograirima se prikazujeraspodelaiedne neprekidne
,tnroJi ili subiektivnodoZivljenogstresa)'
Postupakcrtania histograma
Graphs'zatimLegacyDialogs'
1, U glavnommenijuna vrhuprozorapritisnite
Histogram'
lzaberite
2.lzaberitepromen|jivukojavaszanimaiprebacitejeupo|jeVcriab|es.Totrebadajeneprekidnapromen|jiva(npr.ukupansubjektivnodoZiv|jenstres).
u odeljak
(npr.muskarci/zene),
3. Ako 2elitezasebnehistogrameraznihgrupa
da biste
Rows
(npr'
pol)'
lzaberite
Panelby: staviteodgovarljucupromenljivu
Zelite
kada
Column
odnosno
iznaddrugog'
te zasebnedijagramlstavilijedan
daihstavitejedanporeddrugog.Jacupromen|jivupo|stavitiupo|jecolumn.
4.PritisniteoK(i|idugmePastedabistekomandesnimi|iuSyntaxEditor).
postupakgeneriseove komande:
Navedeni
GRAPH
HISTOGRAM:usudstres
/PANEL COLVAR:polCOLOECROSS
Stubidastidiiagrami
Postupakcrtanjastubidastogdijagrama
Rezultatje prikazanna sledecoj slici'
MUSKI
ZENSKI
1. U glavnommenijuna vrhuprozorapritisnite
Graphs,zatimLegacyDialogs.
lzaberite
Bar.Pritisnite
Clustered.
2. U odeljkuDatain chartare pritisnite
Summariesfor groupsof cases.PritisnitedugmeDefine.
3. U poljuBars representizaberiteOther summary function.
4. Pritisniteneprekidnu
promenljivu
kojavaszanima(npr.ukupansubjektivno
doZivljen
stres).Ona bi trebaloda se pojaviu poljuMean (Ukupansubjektivnodoiivljenstres).To znadida ce na skaliSubjektivnodoZivljenstresbiti
prikazanesrednjevrednostiraznihgrupa.
5. Pritisnite
(npr.star3grp).Pritiskom
prvukategorijsku
na dugme
promenljivu
sa strelicomprebaciteje u poljeCategoryaxis. Ta promenljiva
se prikazuje
na apscisi(horizontalnoj
dijagrama.
osi,X osi)stubidastog
6. Pritisnite
drugukategorijsku
promenljivu
i prebaciteje u poljeDefineClusters by:.Ona ce biti navedena
u legendidijagrama.
7.Pritisnite
OK (ilidugmePasteda bistekomandesnimiliu SyntaxEditor).
Prethodni
postupakgeneriSe
ove komande:
GRAPH
BY star3grpBY pol
/BAR(GROUPED):MEAN(usudstres)
o
q)
.n
c26
o
)N
!t
Liniiskidiiagrami
J
Q) 2d
.cl
o
(g
CL
l<
(E^^
o) zz
Postupakcrtanjalinijskogdiiagrama
30-44
45+
starost:3 grupe
Tumadenjestubidastihdijagrama
Rezultatprethodneprocedureje saZetprikaz raspodelerezultatapo izabranim grupama (u ovom sluiaju, njih dine muikarci i i.eneiz razlltitih starosnih grupa). Gornji dijagram navodi na pomisao da Zenepokazuju vedi
stepensubjektivnodoZivljenogsrresaod muikaracai da je ta razlika izraLenija u starijim dobnim grupama.U grupi osobastarih izmedu 18 i 29 godina, razlikaizmeduodgovarajufihvrednostiza muikarcei iene vrlo je mala.
GRAPH
BY star3grpBY pol
/LINE(MULTIPLE)MEAN(usudstres)
Malo modifikovanirezultatiprethodnog postupka prikazanisu na slici.
MUSKI
-
+-.,^,-,
Ztrl\5Kl
o
o
pol
.u
>N
O27
!t
MUSKI
ZENSKI
.z
l<
o
lt
o
Cze
(E-CL
f
.:<
o
o
o-c
o
)N
E,,
o-'
c
.z
J
(E
o
=
o
lt
J
(,26
c
(g
CL
3
ll
f
c(E
25
o
2s'32
41'4s
o
Tumadenjelinijskih diiagrama
o Prvo pogledajte uticaj starosti na subjektivno doZivljen stres za svaki
pol. Mladi muSkarci kao da pokazuju veii stepen subjektivno doZivlienog stresa od sredovednih i od starijih muSkaraca. Za Zene, razllka izmedu starosnih grupa nije toliko izraLena.Starije Zenesu pod neznatno
maniim stresom od mladih.
50+
"t"llnt
Pri tumadenjuSPSS-ovih
rezultatakatkadarreba razmotririi neka druga
pitanja.U ovom sludaju,rezultatinavodenarpomisaoda bi vredelodublje
istraZitiodnos starosrii subjektivnodoZivljenogstresaza obegrupe (mu5karce i iene). Zato sam odluiila da uzorak pod.lim na per rro.o.-r.rih
grupa,
umestona tri kao na gornjemdijagramu.Time iu dobiti detaljniiir.rvidu uticai starosti.
Diiagramrasturania
/SCATTERPLOT(B|VAR):usdsus
WITH usudstresBy pol By id
(IDENTIFY)
/MISSING:LISTWtSE
Malomodifikovani
rezurtati
prethodnogpostupkaprikazanisu na srici.
pol
f vuSxr
Q Zerusxr
o
o
o
to
tr
o
Oo
O9
oo
Graphs,zatimLegacyDialogs'
1. U glavnommenijuna vrhu ptozotapritisnite
pa Scatter/Dot.
dugmeDefine.
poljesimple scatter izatimpritisnite
2. Potvrdite
je
obidnoona kojusmatrate
to
kojavaszanima;
prvupromenljivu
3. Pritisnite
stres).
dozivljen
(npr.
promenljivom ukupansubjektivno
zavisnom
u
prebacili
promenljivu
dugmesa strelicomda bisteizabranu
4. Zalimpritisnite
osi'
na vertikalnoj
ce biti prikazana
poljei axis.Ta promenljiva
u poljeX axis.ra pro(npr.
sDsus)
prebacite
ukupnu
drugupromenljivu
5.
osi'
horizontalnoj
na
se prikazuje
menljiva
oo
tos
.)n
ocD o
i)
O@*^
+ oo s oHo
OO {OImo
.)
'*f&leTffiff-
,N
!t
t(
o
ct
=
c
o
a.
:
T
f
o*
([ *@ co &DSO
nBBD*lEf,_gHg) {D *
csD AD
_!c[o@frx
_oo @ @ {BBDSjI {6
o +{ o
{smmH@
@caD 6s@E8uB(BD
*
LA-AJ
-+rT {GlDffiEE*4rr
o
c
at,
Postupakcrtaniadiiagramarasturania
o
o
*
20
0p
o
+
B
*+
O
ob r*9
r +19
# + 6mqm
@+8*s _{o cnl so@ m #
u_
O
OOSffiSO
oo^
o +doqoo m
LXJ
+ Om+
oooo
* *1
oooooo
.IO^O
50
60
70
UkupnaSDSUS
rI
ooo
Tumadenjedijagrama rasturanja
Iz prethodne slike kao da se nazire umerena negativna korelacija izmedu dve
posmatrane promenljive (subjektivno doZivljenog stresa i SDSUS) u uzorku
kao celini. Ispitanici s visokim nivoom subjektivno doZivljene samokontrole
(koja se prikazuje na horizontalnoj osi) subjektivno doZivljavaju niZi nivo stresa (5to se prikazuje na vertikalnoj osi). S druge strane, osobe s niiim nivoom
subjektivno doZivljene samokontrole doZivllavaju znatno viSi nivo stresa. Ne
nazfte se nikakav krivolinijski odnos medu njima, pa bi bilo umesno izradunati Pirsonovu korelaciju tih dvaju promenljivih (videti poglavlje 11).
Ne zaboravite da dijagram rasturanja ne daje konadne odgovore; nakon
njega jo5 treba izradunati odgovarajuie statistidke pokazatelje (u ovom
sludaju, koeficilent Pirsonove korelacile).
U gornjem primeru ispitala sam uzajamni odnos samo dve promenljive.
MoZe se nacrtati i matrica dijagrama rasturanja za celu grupu promenljivih.
To se koristi za preliminarno ispitivanje hipoteza (pretpostavki) u analizama
kao sto ie MANOVA.
a> E
r g3
N.
m
z
a
x
F;=
r C C
ro
a> E
c
a,
o
Postupakcrtanja matricedijagramarasturania
1. U glavnommenijuna vrhuprozorapritisnite
Graphs,zatimLegacyDialogs
i najzadScatter/Dot.
poljeMatrixScatter,pa pritisnite
2. Potvrdite
dugmeDefine.
(negose,pozose,sudstres)i
promenljive
3. lzaberitesve Zeljeneneprekidne
prebaciteih u poljeMatrixVariables.
promenljivu
pol i prebaciteje u poljeRows.
4. lzaberite
5. Pritisnite
dugmeOptions i potvrditepoljeExcludecases variableby variable.
6. Pritisnite
Continuei zatimOK (ilidugmePasteda bistekomandesnimiliu
Syntax Editor).
Ovajpostupakce generisati
sledecekomande:
GRAPH
/SCATTERPLOT(MATRIX):u negoseupozoseusudstres
/PANEL ROWVAR:oolROWOP:CROSS
/M lSSlNG:VARIABLEWISE
.
'=p
Ukupno
pozjtivnih
osecanja
Ukupno
Ukupan
negativnih subjektivno
osecanja
doZivljen
stres
Pravougaonidijagram
Pravougaoni(kutijasti) dijagram se upotrebljavaza poredenjeraspodele
vrednostipromenljivih. MoZe seupotrebiti za ispitivanjeraspodelejedneneprekidnepromenljive (npr.pozitivnih oseianja)ili serezultati mogu razdeliti
na viSegrupa (npr. starosnrh).Zaporedenjese moZedodati joi jedna kategorijska promenljiva (npr. muSkarcii Zene).U donjem primeru, istraZiiu
raspodeluvrednostina skali pozitivnih oseianjaza muSkarcei Zene.
Postupakcrtanja pravougaonogdijagrama
1. U glavnommenijuna vrhuprozorapritisnite
Graphs,zatimLegacyDialogs
i najzadBoxplol
2. Pritisnite
Simple.U odeljkuData in chart are potvrditepoljeSummaries
for groups of cases.Pritisnite
dugmeDefine.
3. Pritisniteneprekidnupromenljivu
koja vas zanima(npr.ukupnopozitivnih
osecanja).
Pritiskom
na dugmesa strelicomprebaciteje u poljeVariable.
4. Pritisnitekategorijsku
promenljivu
kojavas zanima(npr.pol).Pritiskomna
je u poljeCategoryaxis.
dugmesa strelicomprebacite
EXAMINE
VARIABLEs:upozos
BY pol
/PLOT:B OXPLOT/STATI
D:id
STICS:NO NE/NOTOTAL/l
Evorezultatatog postupka.
40
(!
'(J
(l,
o
o
E
c
30
Doradadijagrama
o
o
oCL
:
?0
gf?l]:.?:'"qr.amisedoraduju
o p.ororuChartEattir,k;ii;;;,r"ra tako
prikazai"," ,.,,r,,prozors
koji
il:1,1t_::lntrsnete,diiagram trebadoraditi.
Pol
Tumadenjepravougaonogdijagrama
Pravougaonidijagramdajemnogo informacijao raspodelivrednostineprckidne promenljivei moguiem uticajudruge,kategorijskepromenljive(i klasterpromenljive,tj. promenljivegomilanja,ako seona upotrebi).
dodarnimopcijamamenijai ikonicama(slika7.1).Trebalo
;ji,::,119:"-om,
-":ji p:oz?r Properties,
koji sluZiza d,orad,u
dijagrama.
;,.:'":t-lt]il
f, pritisnite
r\\u se ne poJavl'
dijagram desnim tasterom mida i u priruinom
meni j u iza berite properties
Wind"ow.
:&
HXYldfri-,
Ilbl..
til
ryhlti:r
r'{
I]bl4L*
[iHU$i1 Hii,
U:'#
prviplan.
6. U Wordovomdokumenrudovedite kursor tamo gde Zelite
da stavite diia_
gram.
7.Pritisnite
Edit u word3vomgravnom.meniju,
paste.'i na pareti
pa izaberite
sa aratkama
pritisnite
ikonicupaste (ridinu tubr, sa Stiparjkom
za papir).
8. Pritisnite
Fireizatimsave da bistesnimiri
wordovdokument
sa uvezenrm
di_
jagramom.
9' Ako hoceteda se vratiteu spss i nastavitesa anarizama,
opet pritisnrtenjegovuikonicu,kojabi trebaroda je na dnu ekrana.
Kadasu ob" frogr"n.'"otvorena' moZeteprerazitiiz jednog u drugi i prenositi
kril;";; tabere,
dijagrameitd. Nemapotrebeda zatvarateifedan
od progrur" Jot
nu
zavr5ite.Samone zaboraviteda snimatedatoteku
"uu
dok to iadite.
Najbolli nadin da nauiite kako se te opcije upotrebljavaju iesteda ih koristite, tj. eksperimentiSetes njima. Zato samo napred, slobodno se poigrajte!
DodatneveZbe
Uvoz dijagramau Wordovedokumente
SPSS
omoguiavaneposrednokopiranjedijagramau programza obradu teksta (npr. Microsoftov'Word).To biste radili kada priprematekonadnuverziju izvedtajai deo rezukataZeliteda predstavitegrafiiki. Ponekaddijagram
predstavljarez'rkatejednostavnijei iasnijenego brojevi u tabeli. Nemoitc
preterivatis tim; dijagrameupotrebliavajtesamo kao specijalneefekte.I're
prenosau \ford, dijagramtreba udiniti 5to je mogu6ejasnijim.
Napomena:Dolenavedenauputstvavai.eza verzlieWorda koie rade pod
'Windowsom
95 ili novijim operativnimsistemima.
Postupakuvozadijagramau Wordovdokument
Windows omogucavaistovremenoizvr5avanjevi5e programa.ISPSS iWord moraju biti otvorenida bi razmenaizmedunjih bila moguca.lz jednog programau drugi prelazitetako Sto pritisneteodgovarajucu ikonicu na dnu ekrana ili pomocu
menijaWindow. To je kao preme5tanjepapira po stolu.
1. PokreniteWord iotvorite datoteku u koju treba staviti kopiju dijagrama.Pritisnite SPSS-ovu ikonicu na dnu ekranada biste se vratiliu SPSS.
2. Dovedite u prvi plan prozorViewer.
PoslovnookruZenje
Datotekas podacima:siaffsurvey3ED.sav.
Poiedinostio datotecivideti u dodatku.
1' Nacrtajtepomoiu.spss-ahistogram
koji prikazujeraspodelu
- -'
vrednosti na skali zadovorjstvaosobljJ(promenrjiva
totsatisl-.'
2' Nacrtajte pomoiu spsS-astubidasti
dijagram koji prikazuje zadovoljstvo stalno zaposrenogu odnosu .ru
orlbll. ,"i"ir.""
odrede.ro
vrememanje ili jednakodve godine,
3 do i godiru, i o i "'a
vise
godina.
Upotrebite promenljive totsais, employstatus
i seruicegp3.
3. Nacrtajte_
pomoiu.SpSS-adijagram rasruraniakoji
prikazuje odnos
broiaodina zaposlenja
,oj organizacijii njihovog zadovorj"r"ui;ir
to,pokuiaite
s promenriiivom
seruice(ciia ie raspoderajal']i'^I"]fr:
u zarim s promenljivom pri dnu spiskapromenljivih
il^1t^1T:lrl.T),
Ia promenljiva je funkcijom log,u transforririru.,u
pruo_
l:f^:r:,:r).
Drtna
promenljivaseruice.log,obi trebaloda amortizuje
veliku asime_
tridnost.Postupakje objadnjenu poglavlfug.
-'\
4. Nacrtajte pomoiu SPSS-apravougaoni (kutiiasti) difagram koji prikazuje raspodelu vrednosti na skali zadovoljstva osoblja (totsatis) za razne starosne grupe (starost).
5. Nacrtajte pomoiu SPSS-alinijski diiagram koii poredi zadovolistvo
osoblja raznih starosnih grupa (agerecode) za stalno zaposlene r.rodnosu na one koji su privremeno zaposleni.
ffi
/
i
Doradapodataka
-}
-&t-
vt
'h*ddEV
Zdravstvo
Pojedinostio datotecivideti u dodatku.
Datotekas podacima:sleep3ED.sav.
histogramkojiprikazuie raspodelurezultata
L. Nacrtajtepomoiu SPSS-a
na Epvortovojskali pospanosti(ess).
stubiiasti diiagram koji poredi rezultatena
2. Nacrtajtepomoiu SPSS-a
Scale(rotSAS)za tri staroand AssociatedSensations
skali Sleepiness
snegrupe (agegp3)muSkaracaiLena (gender).
diiagramrasturaniakoji prikazujeodnosre3. Nacrtajtepomofu SPSS-a
Scale,ess)
zultatana Epvortovoj skali pospanosti(Epworth Sleepiness
and AssociatedSensationsScale(rolSAS).MLri na skali Sleepiness
5karceii.ene (gender)obeleLiterazliiitim markerima.
pravougaoni(kutijasti)diiagramkoji prika4. Nacrtajtepomoiu SPSS-a
and AssociatedSensations
zuje raspodelurezultatana skali Sleepiness
Scale(rorSAS)za osobekoje su naveleda imaju/nemaiuproblema sa
spavanjem(problent).
5. Nacrtajte pomo6u SPSS-alinijski diiagram koii poredi rezultatena
Scale(rorSAS) za razne staand AssociatedSensations
skali Sleepiness
rosnegrupe (agegp3)muSkaracai Lena(gender).
;;;; do,iup,'.
u."i- t pisproce
dura
# il:ffi I :T:::,: :i::i :'oo" :';zatim
pokazati
kakosereiirruju
(engt.
,"aa
rei ri)",i"ffi;;:J#liil1
procedurapomocu
*t^"^,|t9ni"
opcije Syntax
nao
5toje vei_SPSS
biroobjasnjeno,'
p"gri'rir:, spss;;;;r";ilnr"*
u koiemse mosu zabeleiiti
Editor
r."*"tia. gJ..rirurr. pomoiu
menija
u
svakoj
prisrupa
- re prn"*Ci
1.,.:..9rri. Komiandama
'J;::;
odel
Icimauk;;;,
opisani pos,;
Xl!::; ff
o.',,11
pritisnitepaste.
otvoriie se .ro'p.ort,
tLTiT;,7
komandama
koje ste prethodno zadali. Na slici 8.1 prikazan ie deo komandnog prozoral
upotrebljenog za relifrovanie stavki i izraiunavanje ukupnih rezultatir u datoteci survey3ED.sav. Cela komandna datoteka (surveysyntax3ED.sps)
mo|e se preuzeti s prateie'Web lokacije ove knjige. Komande prenete u Syntax Editor ne izvriavaiu se automatski, ved treba vi da ih pokrenete' Da biste
izvrSili odredenu komandu, izaberite ie (ukljuiujuii i tadku koiom svaka komanda zavrSava)i pritisnite Run u glavnom meniju ili strelicu (ti. trougao
iije ye teme okrenuto udesno) na paleti sa alatkama. Komandnoj datoteci
treba dodati komentare; to su redovi koji podinju zvezdicom (slika 8.1). Pre
i posle svakog reda komentara treba ostaviti po jedan prazan red'
File Edit Viet4, Dala Transform Anal},ze Graphs Utiliiies Run window
Help
& 6
'- ne
k df, h O
(1=5)=4) (3=31(a=21
EXECUTE
*recodernasteryitems
REC0DEI
rnastl mast3mast4ntast6mast/ (1=4) E=3) l3=2)
Rmastl Rmast3Rmast4RmastERmast/
EXECUTE
Slika8.1 ProzorSyntaxEditor.
za svakusPSS-ovuproceduru opisanu u nastavku,prikazaiemo i pripadajuiu komandnu datoteku(sintaksu).
ukupnihrezultatana skalama
lzradunavanie
Preobavljanjastatistidkihanalizaskupapodataka,trebaizradunafiukupne
rezultatena svim skalama.To seradi u dva koraka:
. Korak 1: obrnuti svenegativnoformulisanestavke;i
. Korak 2: uputiti SPSSda saberevrednostisvih stavki od kojih se pods k a l ai l i s k a l as a s t o i i .
Korak1: obrtanjenegativnoformulisanihstavki
Da bi se spreiio uticaj na ispitanike, na nekim skalama su odredene stavke
negativno formulisane. To se vidi na skali optimi zma u anketi. Stavka 1 je pozitivno formulisana, pa velike vrednosti rezulrata pokazuju ueliki optimizam:
,,U nesigurnim vremenima obiino odekujem da ie mi se desiti ono najbolje',.
Medutim, stavka 2 je negativno formulisana, 5to znadi da velike vrednosri rezultata pokazuju mali optimizam: ,,Ako iSta moZe da mi krene po zlu,
krenu6e." Negativno su formulisane i stavke 4 i 6. Pre izradunavanja ukupnog rezultata za ovu skalu, negativno formulisane stavke treba obrnuti tako
da velike vrednosti svih stavki pokazuju veliki optimizam. Posrupak obrtanja
stavki 2, 4 i 6 skale optimizma prikazan je nastavku. Za skalu optimizmir
upotrebljena je Likert skala sa 5 podelaka; dakle, rezultati za sve sravke
mogu biti u rasponu od 1 (nimalo se ne slaZem)do 5 (potpuno se slaZem).
Iako promenljive dije su formulacije obrnute mogu zadri,ati dotadadnja
imena, traLi(emo da SPSSod njih napravi nove promenljive, umesto da nove
podatke upiSe preko starih. To je mnogo bezbednije, a i osravlja prvobime
podatke neizmenjenim.
Ukoliko Zelite da pratite i odmah sprovodite dolenavedena upurstva, otvorite datoteku survev3ED.sav.
1. U glavnom meniju na vrhu prozorapritisniteTransform, zatim Recode, pa
Into Different Variables.
2. lzaberitestavkekoje treba obrnuti (op2, op4 i op6) i prebaciteih u polje lnPut Variable-Output Variable.
3. Pritisniteprvu promenljivu(op2) izatim njeno novo ime upi5iteu odeljakOutput Variable na desnoj straniprozora.U postojecojdatotecis podatcima,ja
sam joj dala ime Rop2. Ako hocete da joj date neko drugo novo ime umesto
navedenoga,upi5itega (npr. revop2 ili obrop2). Ponoviteto za sve ostale
promenljivekoje treba obrnuti (opa i op6).
Nove promenljivesa obrnutim rezultatimatrebalo bi da su na dnu datotekes podacima.U prozoru Data Editor proveriteda li ie tako - pritisnitejezidak kartice Variable View i spustite se na dno spiska promenliivih.
Vide6eteceoniz promenljivihkoje podinjuslovomR; to su promenljivekoje
samobrnula.Ukoliko stesproveliopisanipostupak,vaie promenliivebi trebalo da podinju sa ,,rev" ili sa,,obr". Dobro je proveriti reiifrovanepromenljive,videti promenu koju je reSifrovanieizazvalo.Za pwih nekoliko
sludajevau skupupodataka,trebazabeleZitirezultatedobijenes prvobitnin"r
vrednostimapromenljivihi potom pogledatida li su odgovarajuiepreokrenutepromenljiveisprevnoizmeniene.
Korak2:izraiunavanjeukupnihrezultatana skali
Nakon obrtanjanegativnoformulisanihstavki na skali, spremnisteza izraiunavanjeukupnih rezuhatana skali za svakogsubjekta(ispitanika).To treba raditi tek kada imate potpunu datotekus podacima.
: op1+op3+opS+Rop2+Rop4+Rop6
COMPuTEtoptim
EXECUTE.
10x4=40.
o Proveriterezultat procedureDescriptivesda ne bi bilo vrednosti izvan
dozvoljenograspona.(Videtipoglavlje5.)
. Uporedite srednju (prosednu)vrednost ukupnog rezuhata dobijenog
na skali sa odgovarajuiimsrednjimvrednostimanavedenimu literaturi. Da li ste dobili rezultatslidannjihovom?Ako niste,za5to?Da niste
pogreiili prilikorn reSifrovanja
promenljivih?Ili je va5uzorakdrugadiji
od onoga upotrebljenogu drugim istraZivanjima?
Trebalo bi da obavite i druge analizeradi provere raspodelerezuhataza
novu promenljivu,,ukupanrezultatna skali":
o Proverite da li je raspodela rezultata asimetridna(sketuness)te da li
spoljoitenija(kurtosis)od normalne.(Videtipoglavlje6.)
o Napravite histogram rezultatai pogledajtenjihov raspon.Da li su normalno raspodeljeni?Ako nisu, moZda bi za neke analizerezultatetre(To ie biti obiainienou nasravku.)
balo da transformiSete.
Transformisanje promenljivih
eesto 6ete (na svoju Zalost!) prilikom pregleda raspodele rezukata na nekoj
skali, tj. pri nekom merenju (npr. samopodtovanja, anksioznosti) primetiti
da kriva raspodele nije ni lepa ni normalna. Ponekad su rezultati pozitivno
asimetridni, tj. veiina ispitanika je odgovorila malim vrednostima na skali
(npr.potiStenosti).
Katkadaje raspodelanegativnoasimetridna;tu je veiina
rezukatabliZavelikim vrednostima(npr.samopoitovanja).Po5tose mnogi
parametarskitestovimogu obavljati samo na normalno raspodeljenimrezultatima,Stada radite sa asimetridnimraspodelama?
Jedno reSenjebi bilo da ne radite parametarsketestove(npr. pirsonovu
korelaciju, analizu varijanse), nego njihove neparametarskealternative
(Spirmanovukorelacijuranga,Kruskal-Volisovtest).u programskompake,
tu SPSSpostoji viSekorisnih neparametarskihtehnika, a razmotren",u u
poglavlju15.
Druga moguinost (kada nemate normalnu raspodelu rezultata)jeste da
transformiSetepromenljive. To znati da raznim matematidkim funkciiama
modifikujeterezultatedok raspodelupriblizno ne normalizuiete.Ima viie
vrstatransformacijakoje seupotrebljavajuukoliko to prvobitni oblik raspodelenalai,e.o ovom pristupu se vodi velika raspravau literaturi. Jedni zdu5no zagovarajutransformisanjepromenljivih da bi se bolle zadovoliile
polazneprerpostavkeraznih parametarskihtehnika (naideiie normalnosr
raspodele),
a drugi navodezalroro nijedobro.Diskusijuo prisrupimarransformaciji i pitanjima koje ona pokreie imate u 4. poglavlju knjige koju su
napisaliTabachnicki Fidell (2007).
Na slici 8.2 predstavljenesu neke od uobiiajenih problematiinih raspodelai transformacijekoje za njih preporudujuThbachtri.ki Fid.ll (2007, str.
87). Uporeditesvoju raspodelus prikazanimai utvrdite kojoj od njih je najslidnija.Uz svaku od predlozenihtransformacijadala sam i njenu formulu.
Ne plaSitese- to su samoformule koje sPSSupotrebljava za transformaciju.
Vi 6eteod SPSS-a
dobiti gotovu, nadajmo se normalno raspodeljenu,novu
promenljivu za analize.u narednom odeljku upoznaiete Spss-oveprocedure
Medutim, pre nego 5to sami pokulate da upotrebite
_zatransformisanje.
nektttransformaciju,trebadobro da proudite4. poglavljeknjigeauiorki rhbachnicki Fidell (2007) ili odgovarajuii deo n.kog slidnogudzbenika.
Postupaktransformaciiepromenljivih
1. U glavnom meniju pri vrhu prozora pritisniteTransform, zatim Compute
Variable.
2. Target variable. U ovo polje upi5ite novo ime promenljive.Poku5ajteda
njime naznaditevrstu transformacijei prvobitnoime promenljive.Na primer,
da sam iz promenljivetnegaff moralada vadim kvadratnikoren (engl.square
root), nazvalabih novu promenljivusqnegaff. Budite dosledni u primeni
skracenica kojima oznadavatetransformacije.
3. Functions. U ovoj listije mnostvofunkcijaza normarizaciju
(transformaciju),
od kojih treba da izabereteonu najprikladnijuza svoju promenljivu.pogledajte oblik svoje raspodelei uporeditega sa slikomg.2. Zapisiteformulunava5oj raspoderi.Nju cete upotrebiti
vedenu pored slike koja je najpribliZnija
za transformaciju.
Kvadratni koren
Formula:nova promenljiva= SQRT (starapromenljiva)
Logaritam
= LG10(starapromenljiva)
Formula:novapromenljiva
Reciprodnavrednost
Formula:nova promenljiva= 1/ (starapromenljiva)
Preslikavanjei logaritam
= LG10(K - starapromenl.iiva),
Formula:novapromenljiva
gde je K = najve6amogudavrednost+ 1
transformacije.
Slika8.2 Raspodelarezultatai preporudene
L/eu
lll.
Tlclllllll
lall le al lallze
95
sludajeva. To su dve osobe koje su oznatlle 1.za prvobitnu promenljivu (osnovna Skola) i 53 osobe koje su oznadile 2 (nezavriena srednja Skola).
Prikazantr proceduru Recode (re5ifrovanja) upotrebljavamo u razne svrhe.
Kasnije, kada budemo radili statistidke analize, do6i 6ete u situaciju da reiifrujete vrednosti odredenepromenljive. Na primer, u poglavlju 14 (Logistiika
regresija)reiifrovaiemo promenljive prvobitno Sifrovar-resa 1-da, Z=De DA
nov sistemSifrovanja 1=da, 0=ne. To se radi onako kako je opisano u prethodnom odeljku. YaLno je da pre nego 5to podnete reiifrovanje budete sasvim
naiisto 5ta predstavljaju prvobitne vrednosti, a 5ta treba da budu nove.
DodatneveZbe
PoslovnookruZenje
Datoteka s podacima:staffsurvey3ED.sav.Pojedinostio datotecivideti u
dodatku.
1. VeZbajtepostupkeopisaneu ovom poglavljuda bisredobili ukupnerezuhate na skali, koristeii stavke iz anketa o zadovoljstvu zaposlenih
(StaffSatisfactionSurvey).Saberitesravkekoje mere slaganjesa svakom stavkomskale(tj. Q1a+Q2a+Q3a.. . do Q10a).Novu promenljivu nazovitestaffsatis.
2. Pogledajteopisne statistidkepokazateljenovog ukupnog rezuhata
(staffsatis)i uporedite ih sa istovrsnim pokazateljima za promenljivu
totsatis, koju vei imate u datoteci s podacima. To j" ukupan rezultat
koji sam ve( izratunala umestovas.
3. Koliki su najmanji i najveii moguii rentltat za novu promenljivu?
Uputstvo:treba uzeri u obzir broj stavki skale i broj kojim se 5ifruje
odgovorza svakusravku(videti r-rdodatku).
4. Pogledajteraspodelupromenljiveservice(staz)na histogramu.videiete da je ta raspodelaveomaasimetridnajer ve6inaljudi ima malo staZir
(manjeod 2 godine),a jedanrnali broj veomamnogo (viie od 30 godina). Uporeditetu raspodelusa onima na slici 8.2 i isprobajtenekoliko
transformacija.Ne zaboraviteda svakiput pogledateraspodelutransformisanihpromenljivih.Da li je ijednaod transformisanihpromenljivih normalnijeraspodeljena
?
5' Podelitepromenljivukoja se odnosi na broj godina rad'og staZa(service) r.rtri grupe postupkon-r
visual Binning iz menija tansform. pritisnitedugmeMake cutpoints i izaberiteEqual percentiles.
u odeljku
Number of cutpoints zadajte2. Novu promenljivu nazoviregp3service kako bi se razlikovalaod promenljivekoju sam istim postupkom
napravila u datoteci s podacima (seruice3gpl.pomoiu p.o..d,r.. Fr"quenciesprebrojteudestalostinove promenljiveda bistevideli koliko
je ispitivanihsludajevau svakoigrupi.
ffi
Zdravstvo
,x
Proverapouzdanosti
merneskale
Obiainienjeprimera
Pokaza6uvam ovu tehniku na primeru datoteke s podacimaa survey3ED.sav,dostupnojna prateioj Web lokaciji knjige.SvepojedinostiistraZivanja, upitnik i upotrebljeneskale dati su u dodatkr.r.Ukoliko Zeliteda
pratitei odmah sprovoditenavedenauputstva,pokreniteSPSSi otvorite datoteku survey3ED.sav.
U narednompostupku ispituje se unutrainja saglajedne
snost
od skala u tom upitniku. To je skala Satisfactionwith Life
(zadovoljstvoZivotom)(Pavot,Diener,Colvin & Sandvik,1,991.),
koja sesastoji od pet stavki. U datotecis podacima one su nazvanelifsatl, lifsat2,
lifsat3.lifsat4.lifsat5.
uases
vatru
Excludeda
Total
436
3
43q
99 :J
7
1 0 00
a L,slwrse cleleton based on all vanables In the prccedure
Reliability Statistics
Cronbach's
Alpha Based
on
Siandardized
lle,ns
Cronbach's
.890
Postupakproverepouzdanostiskale
Vaino:pre negoStopodnete,trebalobi da proverite
da li su svenegativno
formu(videtipoglavlje8). Ako to ne uradite,dobicete
lisanestavkeskalepreokrenute
veomaniske(i netadne)vrednostiKronbahovog
koeficijenta
alfa.U ovomkonkretnomsludaju,ne trebaobrtatinijednustavku.
1. U glavnommenijuna vrhuprozorapritisnite
Analyze,zatimScale i najzad
ReliabilityAnalysis.
2. Pritisnite
svepojedinadne
stavkeod kojihse skalasastoji(npr.lifsatl,lifsat2,
lifsat3,lifsat4,li{satS).
Prebaciteih u poljeltems,
opcijaAlpha.
3. U odeljkuModeltrebada je izabrana
4. U poljeScalelabelupi5iteopisnoimeskaleodnosnopodskale(Zadovoljstvo Zivotom).
5. Pritisnitedugme Statistics.U odeljkuDescriptivesfor redom pritisnite
Item,Scale i Scale if item deleted.U odeljkuInter-ltempritisnite
Correlations.U odeljkuSummariespritisnite
Correlations.
6. Pritisnite
ContinueizatimOK (iliPasteda bistekomandusnimiliu Syntax
Editor).
Ovajpostupakgeneri6esledecusintaksu:
RELIABILITY
/VARIABLES:Iifsatllifsat2lifsat3lifsat4lifsat5
/SCALE('Zadovoljstvo
Zivotom')ALL/MODEL:ALPHA
/STATISTICS:DESCRI
PTIVESCALECORR
/SUMMARY:TOTAL
CORR.
N of Jtems
5
.895
Item Stati6lics
Mean
Sld
Devrelion
4.37
4.57
4,69
4.75
3.S9
lifsat2
lifsal3
lifsat4
lifsat5
1,5211
1.554
1,519
1.641
LB55
Inter-ltem Corelat'on
lifsll
nSaIt
litsa12
li{sat3
l,fsat4
litsat5
436
436
436
436
Mat.ix
litsat3
1,000
.763
.720
.573
,/ttJ
1,000
.721
,606
441
lifsat4
.727
.606
.721
1.000
5g{
1,000
.721
.587
tIsat5
,52b
.481
.594
I 000
Mean
Correlalrons
.630
Mrnlmum
Max{mum
,481
763
Rano
.282
N ol ltems
1,58/
009
Item-Total Stalistics
Sqle Mean if
ilsal1
'ifsat2
lrfsal3
lrfsat4
l,16al5
Scale
Vanance
1 8 00
17.B.l
17.69
rf
30.436
29 852
29 Sr54
29.704
18.39
Corfecled
ttem-Total
./5t3
752
.824
.734
,627
Scal StEtislics
Meal
'22
38
vaIan
45 821
Sld. Oevialiof
ri.7t0
N ol llems
Squafed
Muilple
,654
Cronbach's
Alpha rl llem
861
.Bti2
.847
866
.896
vYrqvrjv
Tumadenjerezultataproverepouzdanosti
. Proveriteda li je tadanbroj sludajeva(u tabeliCaseProcessing
Summary) i broj stavki (u tabeli ReliabilityStatistics).
r Proveriteima li negativnihbrojeva u tabeli Inter-ltem Correlation Matrix (korelacijeizmedustavki skale).Svi ti brojevi bi trebalo da budu
pozitivni,5to pokazujeda stavkemereisto obeleZje.Prisustvonegativnih brojevamoglo bi da ukaZena to da nekestavkenisu bile ispravn<r
preokrenutepre izradunavanjarezultata.Netadan rezultat bi se pokazao i u tabeli Item-Total Statisticstako ito bi se pojavile negativne
vrednosti za Corrected-ItemTotal Correlation. Svenjih treba paZljivo
proveriti kada se dobije Kronbahov alfa manji od odekivanog.(Pogledajte 5ta su o toj skali pisali drugi istraZivadi.)
r Proveritekoliki je Cronbach'sAlpha (Kronbahov koeficijent alfa) naU ovom primeru on iznosi0,89, 5t<r
vedenu tabeliReliabilityStatistics.
pokazujeveoma dobru pouzdanosti unutrainju saglasnostskale za
ovaj uzorak. Prihvatljivevrednostialfe su iznad0,7; medutim, poZeljne
su vrednostipreko 0,8.
. Broievi Correctedltem-Total Correlation prikazani u tabeli Item-Total
Statisticspokazuju stepenkorelacijesvakestavke sa ukupnim rezultatom. Mali brojevi (manji od 0,3) ovde pokazujuda stavkameri neito
drugo, a ne ono 5to meri cela skala. Ako cela skala ima premali Kronbahov alfa (npr.manji od 0,7), a vi steve6uklonili svenetadnoizradunate rezultate,razmisliteo tome da uklonite stavkes niskom korelacijom
stavka- ukupan rezultat.
r U koloni Alpha if Item Deleteddat je uticaj uklanjanjasvakestavkesa
skale na iznos koeficijentaalfa. Uporedite te vrednostis konainom
vrednodiualfe. Ako je ijedan broj u toj koloni ve6i od konadnevrednosti alfe, rnoi.dabi tu stavku trebalo izbaciti sa skale jer bi se time
koeficijent alfa pove(ao.Za etablirane,dobro validirane skale,o tome
bi semislilo samoako je alfa mali (manliod 0,7). Medutim, uklanjanjc
stavki s postoje6eskaleznadida svojerezultateneietemoii da uporedite sa ostalimistraiivanjimau kojima je ta skalaupotrebljena.
c Za skales malim brojem stavki (npr.manjim od 10), ponekadje teiko
dobiti pristojnu vrednostKronbahovogkoeficijentaalfa.Tada bisteu
izvedtajumogli navestisrednjuvrednostkorelacijeizmedustavki' navedenu u tabeli Summary Item Statistics.U ovom sludaju,srednie
vrednostkorelacijeizmedustavkiiznosi0,63, a korelacijeparovastavki od 0,48 do 0,76.To bi znadiloda ie korelacija(veza)medustavkarna
veomasnaZna,5to za mnogo skalane vaLi.
rvorr
rrrettts
DN4tc
Predstavfjanjerezultata provere
pouzdanostiskala
DodatneveZbe
Poslovnookruienje
Datotekas podacima:staffsurvey3ED.sav.
pojedinostio darorecivideti
datku.
u do_
Zdravstvo
Datotekas podacima:sleep3ED.sav.
pojedinostio datotecivideti
u dodatku.
1' ProveritepouzdanostskaleSreepiness
and AssociatedSensations,
koja
sesastojiod stavki fatigwe,lethargy,tired, sleepy,
energy.Nijednustav_
ku te skalenije potrebnoobr.r.rti-'
ffi
lzborprikladnih
statisti6kihtehnika
104
D e o l l l : P r e l i m i n a r naen a l i z e
Pregfed raznihstatistidkihtehnika
nego jadina
U anketnom istraZivanjudestonisu vaLnerazbkeizmedu grupa,
vezeizmedu obeleLla(promenljivih). Moze se upotrebiti viSetehnika.
Korelaciia
Delimii,na korelaciia
Pomocu
Delimidna(parcijalna)korelaciiaie proSirenjePirsonovekorelaciie'
korelacila
,-r1.irklluf,.rjemo'uticajtre6e,remetiiadkepromenliive. Delimiina
ali drunetainih,
davanje
(npr.
svesno
promenljive
utlanjauticaj remetiladke
vezetzslike
tadniie
je
dobijanie
pozeljnihodgouoru;,dime omoguieno
Srveno
poglavlia'
1.2.
tema
korelacija
ie
medudve promenljiveod irt.r"ru. Delimidna
Viiestruka regresiia
seizracunirviSestrukaregresiiaie sofisticiranijepro5irenjekorelacijel.kglivredpredvidi
va mogu6nostda se pomoiu skupa nezavisnihpromenljivih
viSestrukeregresiie
,,or, 1.?nog neprekiinog t"vi,noi obeleZia'Ralng,vrs.tl
nezavis(predvidanja)
mogu6nosti
slui.e'zapo"r.d.t|.predi"ktivne
3dredenih
za
predikciiu
promenljivih
'kup"
,tilUolltg
,.ih p.o*"nljivih i pronalaZenle
jednezavisnepromenliive.Videti poglavlje13'
105
Faktorska analiza
Faktorska analiza sluLi za svodenje velikog skupa promenljivih ili stavki
skalena manji broj dimenzijaili faktora, s kojima je lakie ,aditi. To seposti_
Le saLimanjemoblika korelacijekoji leZeu njihovoj osnovi i pronalaZenjem
grupa tesno.povezanihstavki. Ova tehnika sedestokoristi priliko- razvoJa
skalai merila,za identifikacijupripadnesrrukture.videti poglavlie15.
SaZetak
sve navedeneanalizeobuhvataju istraZivanjeveza izmed,uneprekidnihpro_
menljivih.Kada imate samokategorijskepromenljive,za ispiiivanjenjihove
uzajamnevezemoi.eseupotrebiti hi-kvadrat test vezai nezavisnosti(npr. za
odgovorna pitanjeda li pol klijenatautidena stopunjihovogodustaja.rja
od
odredenogprogramatretmana).U toj situacijizanimavas bioi osobau svakoj kategoriyi(broj mulkaraca ii.ena koji odustajuod tog programaili ga
zavriavaju), a ne njihove prosednevrednosti na nekoj rkuii ptr-nrranog
obeleLja.spomenuiu jo5 neke tehnike o kojima rreba barem ziati da oortol
je. ViSeo njima naii iete u Tabachnicki Fidell (2007).To su:
. Diskriminaciona analiza (engl.discriminant
function analysis) sluziza
ispitivanjemoguinosti da se pomoiu skupa nezavisnihpromenljivih
predvidi vrednosr jednog kategorijskog zavisnog obeleila, tj. da se
odredikoje promenljivenajboljepredvidajupripadnostgrupi. (Diskriminacionafunkcija je linearna kombinacija nezavisnihpromenljivih
koja najbolje razdvajasludajevena a priori definisane
$upe.) U ovom
sludaju'zavisnapromenljivaje obidno neki jasan krite*rr;um(polozio/
pao, prekinuo/nastaviorrerman). videti poglavlje 9 u knjizi rabachnicka i Fidella (2007).
c Kanonska korelacija (engl.canonical
correration) sluij za analizuuzajamnih veza dva skupa promenljivih. Na primer,
moglo bi se istraziti
kako razne demografskepromenljive utiSu na merir"aopiteg raspolol'enja i sposobnostiprilagodenya.videti poglavlje 12, Tabachnick i
Fidell (2007).
c strukturno modelouanje(engl.
structural equationmodeiling)relativno
je nova i veoma sofisticiranatehnika za ispitivanje
raznih iodela medYu:?" u skupu promenljivih. Zasnovanaje na viiestrukoj regresiji i
tehnikamafaktorske analize.sluLi za izradunavanievaznostisvakenezavisnepromenljiveu modelu i testiranjekoliko dobro ceo model odgovara podacima, kao i za poredenjealternativnih modela. sam SpSS
nemamodul za strukturno.modelovanje,
ali podrZavaodgovarajuiidodatni programAMos. videti poglavlje14, Tabachn;ct<
i"pldelle007\.
lspitivanierazlikaizmedu gruPa
Postoyi joi jedna porodica statistidkih tehnika za utvrdivanie statistiiki
zna(ajnrh razlika izmedu grupa. U nastavku iemo prikazati parametarske
verziie tih testova prikladne za podatke na intervalnim skalama s normalnom raspodelom rezultata i njihove neparametarskealternative.
T-testovi
T-testoviseupotrebljavajukada imateduegrupe (recimo,muikarce i iene) ili
dva skupapodataka(pre i posle),i Zeiiteda uporeditesredujevrednostinekog neprekidnogobeleZja(promenljive).Postojedve glavnevrste t-testova.
Tltestoveuparenih uzoraka (ili ponovljenih merenja,engl. repeatednxeasures)upotrebljavatekada vas zanimaiupromenevrednostiposmatranogobeleZjadobijene od subjekatatestiranih u Vreme 1 i zatim ponovo u Vreme 2
(obidnoposle neke intervencijeili dogadaja).Ti uzorci su povezanipodto se
radi o istim ljudima testiranim u dva navrata. T:testovi nezavisnihuzoraka
grupeijudi (muikarce
upotrebljavajuse kada imatedve razliiite (nezavisne)
i Zene)i Zeliteda uporeditenjihove rezultateza posmatranoobeleZje.U tom
sluiaju informacijeprikupljatesamoiednom,ali od dve grupelludi. T:testovi
su obradeniu poglavlju 17. Njihove neparametarskealternative,Man-Vitnijev U testi Vilkoksonovtest ranga,predstavljenisu u poglavlju16.
Analiza kovarijanse
Analizakovariianse(ANcovA) sluii zastatisridku
kontrolu moguiih uticaja dodatne, remet'adke (engr.
confotrnding)pro-"nt;ru.
lengr.couariate).
Ovo je korisno kada posumnjateda se
vaie grup. ,ori;krj,,;
nekom obe_
leiju koje utide na delstvo ,r.rurrrrr,rh-promenrjivih
na zavisnu.Kako biste
bili sigurni da uticaj potideod nezavisie
promenrjive,ANcovA statistidki
uklanja dejstvo ..-.iil"dk. pr"-""tiiu..
AnalizakovarijansemoZe se oba_
k"?
dvofakiorrk.
ilr -"ttrunril J.io* analize varill]
-ll.lednofaktorske,
yanse.
ANCOVA je obradenau poglavlju 22.
Procesdono5enjaodfuka
st.moel
i i.i;;;; X" prime
r, zanima
f n*Tiff,i:: ?"
moZe postaviti na vi5e naiina:"",';,'t::i::iiff
pttanje se
Korak4: nacrtaitedijagram
zasvako
istrazivadkopitanje
Moji studentiiesto .r.tnju
t"it.krtu krda trebada objasneita istrazuju.ponekadje lakde,a i
iasnrje,saieti kljudnetadkepomoc.udijagrama.Ideja je
cleoinformaciia prikupljenih
u koracima.t i 2 objediniti u jecrnostavnom
,-'epo-oii pri izboru prikradnestatistidke
tehnike ilj jzabrati
,loj:"'u,kgji
lednu
od viie opcija.
Trebalobi da razmisrire
o jednomod kludnih pitanja:da
Ii me zanima
Korak3: identifikujteprirodusvakepromenljive
Sledeii korak je identilikacija prirode svake promenljive u studiji, tj. za svaku promenljivu treba utvrditi da li je nezavisnaili zavisna. Te infornraciie ne
potidu od samih podataka, nego od vaieg shvatanja oblasti i teme studije, relevantnih teorija i prethodnih istraZivanja. Mora vam biti jasno u glavi (i u
pitanjima postavljenim u istraZivanju) kakva ie veza izmedu vaiih promenljivih - koje (nezavisne)utidp na druge, a koje (zavisne)trpe uticaj drugih.
Ima nekih analtza (npr. korelacija) gde niie neophodno utvrditi koje su pro-
j".;;;ilJ'bjd#,
promenljive
riiporedenje
?.!:"'!y:r:.dve
MoZdaie
varn
biti lakie da odgovorite kada za svako pitanje
saZmete
prikupljene
htormacije i nacrrate dijagram. Ilustrovaiu
;"
i'ro._u.i,n
t crtanjem dijagrama za vrie istraZivadkihprranla. ";;";;,"",ri
111
Promenliive:
Promenliive:
. Starost- neprekidna:starostu godinamaod 1 8 d o 8 0 ; i
- neprekidna:vrednostina skali optimizma, u rirsponu od
. Optin-rizam
6 do 30.
Iz literatureste izvukli hipotezuda optimizamraste s21Zivotnim doborn.
Tavezaizmedudve neprekidnepromenliivemoZese ilustrovati ovako:
o Pol - nezavisna,
kategorijska: mulkarci/Zene;
o Starosr * nezavisna,
kategorijska: subjekti podeljeni
na tri jednake
grupe; i
o Optimizam - zavisna,
kategorijska; vrednosti na
skali optrmizma,
raspon od 5 do 30.
Dijagram bi mogao izgledatiovako:
*
Srednja vrednost na skail
optimizma
**
***
Optimizam
**
**
**
MuSkarci
2ene
rk*
zadovorjsfuuiivotom moze
'#;;:;::::!,?:i!"1::I*ii,:v:;",tii;;;ii6;Jp'ostovan
a' IIap esrovante'
je,
imizam, subjektivan a iiri ii i
Starost
??t
Zene
Zadovoljstvo2ivotom
j
Subjektivan
do2ivtjaj
samokonvote
I vvf
treba proveriti pre sprovodenja analiza. Za svaku tehniku obradenu u preostalim poglavljima, bi6e navedene konkretne pretpostavke na kojima podiva. Sta ako pretpc,tstaukena kojima poiiua statistiika tehnika koju ielite da
upotrebite nisu zadouoljene? Nai.alost, to se iesto dogada u istraZivanjima iz
obiasti dru5tvenih nauka. Mnogi od atributa koje ho6emo da izmerimo irisu
normalno raspodeljeni. Neki su jako asimetridni, pri iemu veiina rezultata
ima maiu vrednost (npr. depresija); drugi su asimetriini tako d:r vedina rezultata ima veliku vrednost na skali (npr. samopoitovanje).
Kada pretpostavke na kojima poiiva statistidka tehnika koiu Zelite da
upotrebite nisu zadovoljene, na raspolaganju vam je viSe mogu6nosti koje
iemo sadapodrobno opisati.
I w,
[r I orquouv^u
tLvvr
I tvilt
ilKa
I t\t
1. mogucnost
Mogli bisteipak upotrebititu parametarskutehniku i nadatiseda time niste
ozbiljno naruiili valjanostsvojih nalaza.Neki autori tvrde da je veiina statistidkihpostupakaprilidnorobusna,tj. da one dobro podnosemanjaodstupanja od pretpostavki, narodito kada je uzorak pristojne veliiine. Ak<r
odluditeda ipak uradite neku parametarskuanaltzu,to iete morati nekako
da opravdateu izveitaju,pa prikupitepodesnecitateautora statistidkihknjiga, prethodnih istraZivadaitd. koji podrZavajutakvu odluku. Proverite5ta
kaZu dasopisio oblasti koju istraZujete,pogotovo oni dlanci koii opisulu
upotrebuistih skala.Pominju li slidneprobleme?Ukoliko ih pominju, 5tasu
ti autori preduzeli?Jednostavani ditljiv prtkaz robusnosti raznlh statistidkih
testovaproditajteu knjizi Coneai Fostera(1.993).
osnovneosobineglavnihstatistidkihtehnika
lstraiivanjeveza(odnosa)izmedupromenljivih
Hi-kvadratza nezavisnost
2. mogucnost
3. mogucnost
Kada podaci ne zadovoljavaju pretpostavke parametarskih tehnika, moZete
umesto njih upotrebiti neku neparametarsku tehniku. Mnoge iesto koriSiene
p a r a m e t a r s k et e h n i k e i m a j u s v o j e n e p a r a m e t a r s k ea l t e r n a t i v e .J o n c p o i ' i v e 1 u
na nekim pretpostavkama, ali manje strogim. Te neparametarskealternatrve
(npr. Kruskal-Volisov test, Man-Vitniiev U test, hi-kvadrat) najde5iesu matric
moine, tj. manje osetljive prilikom otkrivania veza i razlika izmedu grupa. LI
poglavlju 16 obradene su neke od uobidaienih neparametarskih tehnika.
MuSkarci
troustalanje
Zene
Da
Ne
Korelacija
Korak6: donoSeniekonadneodluke
dvfJe
\de
--
114
ugo
llt. rlclllllll
ldllru
v'
t've
r"
al rqrr4s
Tieba vam:
r jednakategorijskanezavisnapromenljivasa samodue grupe(npr.pol:
muSkarci/Zene):
o jednaneprekidnazavisnapromenljiva(npr.vrednostna skalioptimizma).
Dijagram:
**
Optimizam
*t(
Diiagram:
tr*
**
Mu5karci
*t
Zene
Srednjavrednostna skalioptimizma
Starost
Neparametarskaalternativa:Man-Vitniiev test
korelaciia ranga
Neparametarskaalternadva:Spirnanova
zadovoljstva Zivotorn?
(npr' optimizam, zadovoljstvo ZtvoTrebavam: Tri neprekidnepromenliive
ali dru5tvenopoZelinih odgovora)
a* ,u.r,to dauunj" netadnih'
alternativa:Ne postoii'
Neparametarska
Thebavam:
o jedna kategorijskanezavisnapromenljiva (npr. vreme 1,I vreme2l; i
. jednaneprekidnazavisnapromenljiva(npr.vrednostna skali anksioznosti).
Delimii,na korelaciia
ti:Xf
i it""i"' *i\:: :\l^,?i
Pri-",istraiivadkog
;[:::
postolrlr l( :ff
dru5tvenopoZelinihodgovora'
Isti subiekti ispitani u dua zasebnanavrata: vreme 1 (pre intervencije)i vreme 2 (posleintervencije).
ViSestrukaregresua
Primeristraiivadkogpitanja:Kolikideovarijansepriispitivanjuzadovoljstva
vanjansi) slede6egskupir
tu. ,""2. biti pripisan
zivotom potiie "d #;;il
oromenliivih,rumopoitovan,e'optimizam'"'b1"k'iuutt'doZivljaisamokot.ttolie prei"ida'zadovolistvoZivotom?
irole? Koia od ovih pt""t"^fr*lh
Diiagram:
Treba vam:
(npr' zadovoljstvoZivoto-)11.r iednaneprekidnazavisnapromenljiva
.dveilivi5eneprekidnihnezavisnihpromenljivih(npr.samopostovanlc,
doZivljai samokontrole)'
loii*iru*,
"'bitk'iuut'
Dijagram:
le --------1
SamoPo5tovan
Optimizam
ZadovoljstvoZivotom
-J
Subjektivando2ivljaisamokontrole
Ne postoji'
Neparametarskaalternativa:
grupa
lstraZivanierazlika izmedu
I-fest nezavisni h uzoraka
Primer istraiivaikot J*t"i"t
optimizmu od Zena?
oa li su muikarci skloniii
Vreme2
Vreme 1
Srednja vrednost na skali anksioznosti
Starost
lspod 3O
Srednja vrednost na skali optimizma
34-49
5O i viSe
Dijagram:
Starost
lspod 30
Srednja vrednost na skali
optimizma
34-49
50 i viSe
MuSkarci
Zene
Subjektivno do2ivljenstres
Intervencijapovecanjem
matematidkogznanja
Intervencijaizgradnjom
samopouzdanja
Vreme 2
Vreme2
Napomena:multivarijaciona analizavarijanse
moze sekoristitr uz jednofak_
rorsku (jednanezavisnapromcnrjiva),
dvofakto.rk; i;";';ezavisne pro_
menljive)i videfaktorskuanalizuvarijanse.
Moze se uzeri u ouri. r dejstvo
drugih promenljivih(kovarijansi).
Analiza kovarijanse
Primer istraiivadkog pitanja: Postoji
Ii znahjna razlikau rezultatima ispiti_
vanjastrahaod statistikeizmedu
dlanovagrupekoja povefavamatematidko
znaniei ilanova -.rli-.-k:li gradi
samopouzdanie,
l"d" ,. oduzmeuticaj
njihovihprerhodnih rezufiatana
rom resru?
Treba vam:
' jednakategorijska
nezavisnapromenljiva(npr.vrsta intervencije);
' jedna neprekidna
r""]:n? promenljiva (npr. vrednosti
na skali srraha
od statistikeu vreme2\: i
' j:d?," ili viie neprekidnih
remetiradkihpromenljivih (npr. vrednosri
na
skali strahaod itatistike u u."*"
ij.
Neparametarskaalfernativa:
Ne postoji.
Napomena: analiza kovarijanse
se moze obaviti kao deo jednofaktorske
(jednanezavisna
nromenrjiva),d"ofnk;;;rke (dvenezavisnepromenljive)
ili
viSefaktorsk"
varijanse(dveili viie zavisnihprome'liivih).
",-rulir.
tehnika
Zbirnatabelasvoistavaosnovnihstatisti6kih
Parametarska Neparametarska
alternativa
tehnika
NezavisnaPromenliiva
Zavisna
promenliiva
Glavnasvoistva
jedna kategorijska
promenliiva
Odustaie/zavrdava
terapiju: DalNe
Gledase brojsluda
va u svakoikategor
na skalt
ne rezultati
Namena
Primer Pitania
lstraZivanje
vezalodnbsa
Ne postoji
Hi-kvadrat
PoglavljeI6
jedna kategoriiskaPromenljiVA
Pot:Ml2
Postojili vezaizmedustarostii
vrednostina skalioPtimizma?
dve nePrekidnePromenljive
Starost, Vrednosti na skali
optimizma
Delimidna
korelaci.ia
Poglavlje12
Ne PostoJl
ViSestruka
regresija
P o g l a v l i e1 3
Ne postolt
Faktorskaanaliza
Poglavlie 15
NePostolt
H-
Namena
Ne postoji
Menlaiu li se rezultatiispitanika na
skali anksioznostiod vremena 1 do
vremena 2?
T-test uParenlh
uzoraka
P o g l a v l i e1 7
Prlmer pitanja
renleuvremeli
vreme 2
.jednanePrekidna
zavisna Promenliiva
Zadovolistvo
2ivotom
Jedan uzoraksa re
tatima svih merenj
Jedanuzorak,viSe
illa
nePrekidnih
skuppovezanih
promenliivih
Stavkena skaliPozitivnihi
negativnih osedania
ra postoji?
Poredenle
grupa
dve neprekidnePromenljivei
iedna nePrekidnaPromenljiva za koju treba oduzeti uticaj
neregularnihodgovora
O ptim izam, zad ov olistvo 2i
druskali
votom, rezultati na
itveno PoZelinih odgovora
optimizam
tih promenljivih
.lenaiboljiprediktor?
Kola je pripadna struktura.stavki
koie sadinlavaiuskalu pozitivnihi
negativnihosecan.ia?Koliko {akto-
Hi-kvadrat
Poglavlje16
Vilkoksonovtest
ranga
P o g l a v l j e1 6
nezavtsna
.iednakategorijska
promenlliva
Pol
jedna kategorilska
zavisna Promenljiva
Odustaje/zavriava
terapiju
jedna kategorijskanezavtsna
promenljiva
( d v an i v o a )
vreme 1/vreme 2
jedna nePrekidna
zavisna Promenljiva
Vrednosti na skali
anksioznosti
Nezavisna promenliiva
Zavisna
promenliiva
Glavna svoistve
skali
Parametarska
tehnika
Neparametarska
alternativa
Jednofaktorska
ANOVA razliditih
grupa
Poglavlje 18
Kruskal-Volisov
test
Poglavlje16
jedna kategorijskanezavisna
promenljiva(tri iviSe nivoa)
Starosna grupa
jedna neprekidna
zavisna promenljiva
Vrednosti na skali
optimizma
Jednofaktorska
ANOVA ponovljenih merenja
Poglavlje 1B
Fridmanovtest
P o g l a v l j e1 6
jedna kategorijskanezavisna
promenljiva (tri ivi5e nivoa)
vreme 1/ vreme 2/ vreme 3
jedna neprekidna
zavrsnapromenljrva
Vrednosti na skali
anksioznosti
Dvofaklorska
ANOVA razliditih
grupa
Poglavlje l9
Ne postoji
dve kategorijskenezavisne
promenljive
(dva i vi5e nivoa)
Slarosna grupa, pol
jednaneprekidna
zavisna promenljiva
Vrednosti na skali
optimizma
Kombinovana
Ne postoji
ANOVArazliditih
grupai ponovljenih merenja
Poglavlje20
.1ednanezavisnapromenljiva
razliditihgrupa
(dva i vi$e nivoa)
ledna nezavisnapromenljiva
iste grupe (dva i vise nivoa)
Vrsta intervencije, vreme
jedna neprekidna
zavisnapromenljiva
Vrednosti na skali
straha od statistike
Multivarijaciona Ne postoji
ANOVA
(MANOVA)
Poglavlje2.1
Analizakovarijan- Ne postoji
se (ANCOVA)
Poglavlje22
jedna neprekidna
zavisnapromenljiva
Vrednosti na skali
straha od statistike
u vreme 2
dostupnih
Statistidketehnikeobradeneu ovom poglavljusamosu mali deo
naiina
i
mogu6ih
postojania
svesni
biti
Morate
naiina analizepodataka.
najprionu
izaberete
da
mogli
biste
kako
velikog broja tehnika
"prrr"rr" za vaiu situaciju.Citajte 5to viie moZete'
kiadniju
iz svog udzosnovne tehnike (t_iest, analizuvarijanse,korelaciju) udite
(2003);
Grai
schindler
cooper
benikastatistikeili iz kniiga koje su napisali
i
Pittenger
Coleman
vetter i \Tallnau (2004); Peat, J' (2001); Runyon,
o mul(2000);Norman i Streiner(2000).Podrobnijeinformaciie,.narodito
Anderson
i
iivarijacionoi statistici,videti u knjigama Hair' Black, Babin'
Tatham Q006\ ili Tabachnicki Fidell (2007)'
DEO IV
Statisticketehnike
za istraZivanje
veza
izmedupromenlj
ivih
u poglavljimaiz ovog dela knjige, razmorriiemoneke spss-ovetehnikeza
istraZivanjeveza izmedu promenljivih. usredsrediiemo se na otkrivanie i
opisivanjetih veza.sve ovde objainjenetehnikezasnovanesu na korelaciji.
Korelacionetehnike 6estokoriste istraZivaii angai.ovaniu neeksperimentalnim projektima- za razliku od eksperimentalnihprojekrtu, oud. se pro-vei
menljive namerno ne modifikuju niti kontroliiu,
se opisuju u ,uoprirodnom stanju.Tim tehnikamasemoZe:
. istraZiti veza izmeduparova promenljivih (korelacija);
o predvidetivrednostijednepromenljivena
osnovuvrednostidruge (bivarijantnaregresija
);
' predvidetivrednostizavisnepromenljive
na osnovuvrednostiviie nezavisnihpromenljivih(videstrukaregresija);i
' identifikovari strukruru grupe povezanih
promenljivih (faktorska analiza).
ovgm porodicomtehnikaresriramomodelei teorije,predvidamoishode,
.
t ocenjujemopouzdanosti valianostskala.
-"
--*
123
Cini-oci.
koje treba uzeti u obz,rpritikomtumadenja
koeficijentakorelacije
Kada tumaditerezultatekorelacioneanalizeili drugih tehnikazasnovanih
na
korelaciii,moratevoditi radunao nekolikostvari.ovde su navedenekljuine
teme,ali vam savetujemda u svojim udzbenicimaiz staristikepronadete
od_
govarajuta objainjenja (na primer, pogledajteGravetrer ac wnllr,n.,,
zoo+,
str. 520-576).
Nelinearna veza
Koeficijenrkorelacije (npr. pirsonov r) pokazuje linearnu (pravolinijsku)
vezuizmedupromenljivih.Kada su promenljivepovezane.reiinearno'1.rpr
krivolinijski),Pirsonovr ie pokazivatida je vezamnogo slabijanego sto jeste.zato uvek pogledajtedijagramrasruranja,naroditokada dobifutemaru
vrednostr.
Netipi6netaike
Netipiine tadke (diie su vrednosti znatnomanje ili veie od vrednostiostalih
taiaka u skupu podataka)mnogo kvare koeficijentkoreracije,pogotovo
u
malim uzorcima. u nekim okolnostima, netipidnetaike dine vrednost
r
mnogo veiom nego Sto bi ona trebalo da buie, a u crrugimpocrbacuju
u
ocenijadineveze.Netipidnetadkeselako uodavajuna dijagramlrrasruranJa;
to su usamljenetadke, izuzeci.MoZda su posledicagreike
frilikom unolenja
podataka(upisano11 umesro1), netainog odgouira ispitanika je
ili
u pitanju stvarni odgovor neobidneosobe! Kada pronadetenetipidnutadku,
proveriteda li se radi o greici i ispraviteje ako treba. Inade,
razrnisliteo
uklanjanjuili re5ifrovanjute neobiine vrednosrida bi sesmanjio
n;en uticaj
na koeficijentr. (Videtiraspravuo netipidnimtaikama u poglavliu
6.)
Pregledosnovnihnadela
i
KoefiJlent korelacije(npr. Pirsonovelinearnekorelacije)pokazujesmer
jaiinu iin."rn, vezeizmftu dve promenljive.Pirsonovkoeficijentkorelaciie
-1
da li ie korelaciia
ir) ima vrednosru opseguod do +1. Predz'ak pokazuie
ili
negativna(iedna
rastu)
i
pozitivna (obe promenljivezajednoi opadaju
vrednosttog koApsolutna
promenljivaop"d" kada d.uga rastei obrnrrto).
jadinu
veze'SavrSe(kadazanemarimonjegovpredznak)pokazuie
"fl.;'"ttru
-t
pokazuie da se vrednost jedne
na torelaciiu, tj. koeficiient i iti
promenljivemozetadnoutvrditi kada znamovrednostdruge.S drugestrane,
tor.lu.iiu 0 pokazuieda izmedute dve promenljivene postoji nikakvaveza'
nimalo ne pomaZeu predvidaniu
Poznavanjeurednostijedne pron-renljive
vrednostidruge.
raVezu dve promenliivetreba ispitati i vizuelno,crtanjem dijagrama
dobijeni
promenliivifi
vrednosti
sturanja.Na njemu su svi parovi rezultantnih
od subjekatau uzorku,Iznosiprve promenliivese.crtajuduZX.(horizontalne)
ose,a odgovarajuii rezultatidiuge duZ Y (vertikalne)ose.Pregledomdijagrejadina(5to.ie
-"'r"r,,rinn'a vidl sei smerveze'(pozitivanili negativan)i njena
rasturanja
savrSene
korelapodrobnijeobjasnjenou poglavlju11). Dijagram
je
izr=0'
diiagram
rasturania
.i;. 1r=1iii -t;j..t. pr"u"iirril". Medutim, kada
geometrijski
oblik'
gi"d" k"o oblak taiaka kole ne dinenikakav
Pretpostavke
Svetehnikeobradeneu detvrtomdelu knjige imaju nekoliko zajednidkihpretpostavki, koje 6emo sada razmotriti. Kada budete radrli analizeobradeneu
poglavljima1.1,12,1.3,1.4
i 15, trebalobi da sevradatena ova objainjenja.
Nivo merenja
Skalaza merenjepromenljivihu veiini tehnika obradenihu detvrtomdelu
knjige trebalo bi da bude intervalna(neprekidna).lzuzetakod toga bi bile
jedna dihotomna nezavisnapromenljiva(sasamo dve vrednosti:npr. pol) i
jedna neprekidnazavisnapromenljiva.Medutim, u svakoj kategorijidihotomne promenljivetrebalo bi da imate pribliZnojednak broj osobaili analiziranih sluiajeva.
tr
Spirmanov koeficijent ro, 5to je koeficijent korelacije prikladan za ordinalne ili rangirane podatke, obraduje se u poglavlju 11 zajedno sa svojom
parametarskom alternativom, Pirsonovim koeficijentom korelacije r. Ro se
3"tto upott.bllava u zdravstvenoj i medicinskoj literaturi, a sve viSei u psiholoikim istraZivanjima) zato Sto su istraZivadipostali svesniji moguiih problema koje ume da prouzrokuje pretpostavka da su numeridke udaljenosti
izmedu rangova (npr. Likert skale) pribliZno jednake ili srazmernerazlikama
u intenzitetu posmatranih obeleZja,5to je svojstvo intervalnih skala.
PovezaniParovi
Svakisubjekatmora dati svoju ocenui promenljiveX i promenljiveY (povezaniparovi). Oba podatkamoraju poticati od istog subjekta.
Normalnost
Rezultatidobijeniza svepromenljivetrebalo bi da su normalno raspodeljeni. To semoZeproveriti pregledomhistogramarezultataza svakupromenljivu (uputstvavideti u poglavlju6).
lu
Linearnost
Vezaizmedudve prornenljivetrebalobi da je linearna.To znac.ida bi na dijagramurasturanjatrebaloda vidite (pribliZno)pravu liniju, a ne krivu.
;i
Homogenost variianse
Promenljivostrezultatadobijenihza promenljivuX trebalobi da je slidnaza
svevrednostipromenljiveY. Proveriteda li je tako na dijagramurasturanja
(uputstvavideti u poglavlju6). Trebalobi da po celojduiini izgledakao pri^
bliZnojednakodebelacigara.
Froievi.koji dudnoizgledaju
Nedostajucipodaci
U istraZivanju,naroditoonom koje obuhvataljude,veomaretko seu svakoj
opservaciji(od svakeosobe)dobiju svi podaci.Zato je vai.noda usranovrtc
5ta nedostaje u datoteci s podacima. Pokrenite proceduru Descriptivesi
utvrdite procenat nedostaju6ihpodataka u svakoj promenljivoi. Kada
pronadetepromenljivuzakoju nedostajeneodekivanomnogo podataka,zapitajte sezaito je tako. Trebalobi da razmislitei o tome da li su nedostajuii
podaci raspodeljenisludajnoili tu postoji neka pravilnost(npr.rnnogeienc
nisu odgovorilena pitanje o svojoj srarosri).SPSSima proceduruMissing
ValueAnalysiskoja olaklava pronalaienjepravilnostiu nedostajuiimpodacima (videtiposlednjuopciju u meniju Analyze).
Trebalobi da razmislitei o tome 5ta iere s nedostaju6impodacimakada
dode vremeda uradite statistidkeanalize.U mnogim sPSS-ovimsratistidkim
procedurama,pomoiu dugmetaOptions biratenadinena koji ie SPSStretirati nedostajuiepodatke. Birajte paLljivo,polto time znatno utidetena statistidkerezultate.To je posebnovazno kada prilazetespisakpromenljivihi
za sve njih ponavljateiste analize(npr. korelacijeizmedugrupe promenljivih, t-testovi niza zavisnihpromenljivih).
' opcija Exclude caseslistwise znadida ie se analizftatisamo sluiajevi u
kojima za suepromenl,iiue
navedeneu polju Variablespostojesui podaci' svaki ispitivansludajkome nedostajemakar i delii podatakauopire
neie biti analiziran.Tako bistemogli znatnoi nepotrebnoda ogranidite velidinuuzorka.
opcija Excludecasespairwiseznadida ie sludaj(osoba)biti iskliuie'
samoiz onih analizaza koje nedostajeneki od neophodnihpodatakrr.
Dakle, i takvi sludajeviie se analiziratikad god je to -ogui", tj. kad
god sadrZepodatke potrebne za pojedinu analizu.
Opcija Replacewith mean, dostupna u nekim SpSS-ovimsratistiikim
postupcima(npr. u videstrukojregresiji),znati da ie biti izradunata
srednjavrednostsvih promenljivih i da ie niome biti zamenjeninedostajuii podaci. Ovu opciju nikada ne bi trebalo da koristite,poito
moie znatno da iskrivi rezultateanalize,narodito onda kada nedostaie
mnogo podataka.
Rezultatkoji dobiiat"
s'Fss*, irtkudu
bi
iudne brojeve
oblikaL,24E-02.
-mogaosacrrZati
Tosu"a
mariur"i.ti r"i. iJ spss
p"rr."r""
aciji' Da vam se to ne bi deSavalo,
"irrrilout'o; ,,or_
;;;;".r"
meniju izaberite
Edit, zatim
No,i*,?ri.
for,_"ri
_uers
inra_
fiijTl ?#t.13#::r.p.i;,
".,"tion
""
Korelacija
II
To su
Za rumadenjekorelacije potrebno ie znati odgovore na viSepitarnia'
oduzorka'
ograniienosti
opsega
tadaka,
uticaj neline"rnih u"r", netipidnih
izraznaiajnosti
i
praktidne
(o."l".ije
i kauzalnosti, i odnos statistiike
,ro,
uvodu u ietvrti
iunzrtih ko"ii.il.nnta korelacije. Te teme su razmotfene u
bi da proditrebalo
pogl:rvlia,
deo knjige. Pre nego 5ro nastavite iitanie ovog
Postupakcrtanjadijagramarasturanja
1. U meniju na vrhu prozorapritisniteGraphs, zatim Legacy Dialogs.
2. PritisniteSimple Scatter i potom Define.
3. Pritisniteprvu promenljivu(npr. Ukupan subjektivnodoiivljen stres, usudstres) i prebaciteje u poljeY-axis. (Ona ce biti prikazanadui vertikalneose.)
Po konvenciji,zavisnapromenljivaobidno se prikazujedu2 Y-ose.
4. Pritisnitedrugu promenljivu(npr. Ukupan SDSUS) i prebacite je u polje
X-axis. (Ona ce biti prikazanaduZ horizontalneose.) Tu se najdeSceprikazuje nezavisnapromenljiva.
ObiainieniePrimera
vezanekih
Upotrebuktr"la.ile pokaza6una primeruistraZiva'iauzajamnih
Web
prateie
s
survey3ED.sav,
pi.-."fil"ih rnd.iut-tlhu datotecis podacima
utiiu
na
koji
iinioce
istraZi
iokacijeove kniige.Ta anketaie proiektovanada
studiie
(celovit
opis
ispitanika
p'fr"f"Sf." prila[od.nost i opSteraspoloZenie
ocenim korelaciju izmedu
da
hoiu
primeru,
U
ovom
uid.ti ,, doi"tk,r).
dozivljenog
oseianjasamokonrroleispitanikai niihovog nivo:rsubiektivno
tabeli.
u
sledeioi
opisane
su
detaljno
promenliive
,*.r^. Dve upotrebliene
pokrenite
uputstva,
navedena
sprovodite
iodmah
Ukoliko Zeliteda p."tit"
SPSSi otvorite datotekusurvey3ED'sav'
GRAPH
WITH usudstresBY id (IDENTIFY)
/SCATTERPLOT(B|VAR):usdsus
/MISSING:LISTWISE.
: l n
.91 .^
J
c
r0
Preliminarneanalizeza korelaciiu
20
Ukupan SDSUS
Tumadeniediiagramarasturania
Na dijagramu se moZe sagledati vi5e svojstava raspodele dve ispitivane
promenliive.
Postupak izralunavanjaPirsonovogkoeficijenta r
ili Spirmanovogro
1. U menijuna vrhuprozorapritisnite
Analyze,zatimcorrelate,pa Bivariate.
2.lzaberitesvojedve promenljive
i prebaciteih u poljeVariables(npr.ukupan
do2ivljen
subjektivno
stres,ukupanSDSUS).ovde se mozezadaticeralista
promenljivih,
ne samodve.U rezultujucoj
matrici(tabeli)bice navedene
korelacijesvih mogucihparovapromenljivih.
Tabelace biti velikaako u listi
zadalevi5eod nekolikopromenljivih.
3. U odeljkuCorrelationCoefficients,podrazumevana
opcijaje Pearson(Sto
znadida se podrazumevano
izradunava
ova korelacija).Ako hoceteda izradunateiSpirmanovukorelaciju
ranga,potvrditepolje Spearmanrho.
4. Pritisnite
dugmeOptions.Za nedostajuce
vrednosti(odeljak
MissingValues), potvrditepoljeExcludecases pairwise.Na karticiOptions mo2ese
zadatii izradunavanje
srednjevrednostii standardnog
odstupanja.
5. Pritisnite
ContinueizatimOK (ilidugmePasteda bistekomandusnimiliu
SyntaxEditod.
Opisanipostupakgeneri5esledecekomande:
CORRELATIONS
/VARIABLES:usudstresusdsus
/PRINT:TWOTAIL
NOSIc
/MISSING:PAIRWISE.
NONPARCORR
/VARIABLES:usudstresusosus
/PRlNT:S PEARMANTWOTAI
L NOSIG
/MISSING:PAIRWISE.
ili
Dijagramrasturanjakazujeda li ie vezaizmedudve promenllivepozitivna
Kada bl se kroz tadkenacrralalinija, koji srnerbi pokazivala.,-r"goiiunu.
slJvanad.sno,da li bi pokazivalanaviSeili naniZe?tend naviSeprikazuje
tj. da velikim vrednostimaX odgovarajuvelikevrednostiY.
pozitivnu',rez.i,
Linila,tanizekazuieda seradi o negativnoikoreiaciii'ti'.da,malimvrednoizgledada je korestirnaX odgovarajuvelike vrednostiY. U ovom primeru'
lacija negativnai umerenoiaka.
I
I
Correlations
Sig. (Z-tatled)
N
PearsonCorrelatron
PCoISS-.----T"tal
Sig.(z{ailed)
N
." C"rt-l"t'". '" .,snificantat the 0,01 level (2-tailed)
Nonparametriccorrelations
Correlations
Total
perceived
T o t a lP C O I S S
Si6-1inails rio
-lolal
perceivedslress
oorrelatlon Loellrcrent
Sig (2-tailed)
N
Sig. (2-tailed)
N
1 000
433
-,556"
,000
426
1,000
,000
426
43U
Tumadenierezultatakorelaciie
Korak 5: ocenanivoaznadainosti
Sledeie 5to rreba pogledati je nivo znadajnosti (oznaden sa Sig. 2 tailed).
Ovaj podatak se desto pogreSnotumaii, pa obratite paZnju. Nivo statistidke
znaiajnosti ne pokazuje jadinu veze izmedu dve promenljive (nju pokazuje r
odnosno ro), nego s koliko poverenja treba posmatrati dobijene rezultate.
Na znadajnostdobijenog iznosa koeficijenta r odnosno ro jako utide velidina
uzorka. Iz malih uzoraka (npr. n=30) mogu se izraiunati umerene korelaciie
koje nisu statistidkiznataine na uobidajenom nivou p<0,05' Medutim, vei i
vrlo male korelacijeizradunate iz velikih uzoraka (N=100+) mogu biti statistidki znatajne. Naravno da statistiiku znadajnost koeficijenta korelacije
treba navestiu izveitaju o istraZivanju, ali se usredsreditena jaiinu vezei velidinu zajednidkevarijanse (videti korak 4).
Predstavljanjerezultatakorelaciie
Rezultati Pirsonovekorelacijeu gornjem primeru mogli bi seovako predstatUkoliko trebada predstaviterezultateSpirmirviti u izveStaju
o istraZivanlu.
nove korelacije,
samozameniter vrednoiiu ro datom u drugoj tabeli.
Veza izmedusubjektivnodoZivljenesamokontroleunutra5njihstanja (kako je
meri skalaSDSUS) i subjektivnodoiivljenog stresa (merenog na istoimeno;
skali) istraienaje pomocu koeficijentaPirsonovelinearnekorelacije.Obavljene su preliminarne
analizeda bi se dokazalozadovoljenjepretpostavkio normalnosti, linearnostii homogenosti varijanse.lzradunataje jaka negativna
korelacijaizmedute dve promenljive,r : -0,58, n: 426, p ( ,0005, pri 6emu
visoke nivoesubjektivnodoZivljenesamokontroleprate niski nivoi subjektivno
do2ivljenogstresa.
Tabela1: Koeficijenti
Pirsonovelinearnekorelacijeizmeduizmerenih
vrednosti
doZivljene
subjektivno
i op5tegraspoloZenja
samokontrole
Skala
- , 5 8 1* *
*"
,484
**
,674
-,456
- , 4 4 2* *
**
,373
- , 4 9 4* *
3 . Ukupnaneg.osecanja
-,294--
4 . Ukupnapoz.osedanja
-,316 **
**
,415
U k u p n aS D S U S
2 . Uk.subj.doiiv. stres
5 . Uk.zadov.Zivotom
**p (,001 (2-triled).
Radunanjekorelacijeizmedu
grupapromenliivih
U prethodnomodeljku sa opisomposrupka pokazalasam kako se dobiiaiu
koeficijentikorelacijeizmedudve neprekidnepromenljive.Kada imategrupu promenljivihi Zeliteda istraZiteuzajamnevezesvih njih, zadajteSpSS-u
da sve to uradi u jednoj proceduri - samo prebacitesve te promenljiveu
polje variables.Medutim, tako bi se mogla dobiti ogromna matrica korelacije,koja setelko dita i tumadi.
Ponekadje od interesasamo odredenipodskup svih moguiih veza.Na
primer, zanima vas odnos izmedu vrednosti kontrole (Mastery, PCOISS)i
raznlh vrednosti prilagodenja (pozitivnih oseianja, engl.positiue affect, negativnih oseianja, engl. negatiue affect, zadovoljstva iivorom, engl. life
satisfaction).Ne zelitecelu marricu korelacijezaro 5to bi ona sadrZalakoeficijentekorelacijesvih promenljivih,dakle i svakogpara mera prilagodenja.
Postojinadinda to ograniiite,tj. da odreditekoji 6esekoeficijentikorelacije
prikazati.To seradi u SyntaxEditoru (opisanomu poglavlju3). Slediposrupak pomoiu kojeg seu SyntaxEditoru odredujekoje ie koeficiientekorelacife SPSSizra(.unati.
Postupakizradunavanjakoeficijenatakorelacijeizmedu
dve grupe promenljivih
1. OtvoritemeniAnalyzena vrhuprozora,izaberiteu njemuCorrelation,pa
pritisnite
Bivariate.
2. Promenljive
kojevaszanimaju
prebaciteu poljeVariables,najpreceluprvu
(npr.tposaff,tnegaff,tlifesat),
grupupromenljivih
a zatimdrugu(npr.tpcoiss,
tmast).
3. U ispisurezultata,
prvagrupapromenljivih
bicenanizana
po vertikali
tabeleu
njenimredovima,
a drugagrupapo horizontali
u kolonama.
4. DuZulistustavitena prvomesto;time spredavate
da tabelazbog prevelike
Sirinene mo2eda stanena stranicu.
vr
vr
' rvr
"J
Poglavljei 1; Korelaciia
dveton,.or.,.,r.,r.
Ir"or pcorss,il;;iil;r,.ry) sasva_
I::t:.j1"^:oje.
Kom
merom prilagodenja.
Poredenjekoeficijenatakorelacije
dve grupe
U istrazivanjukoreracijeponekadtreba
uporeditijadinu koJcijenata
kore_
lacije dve zasebnegrup:. Na primer, zelite
da p"d"i;;';;),
ir_.d,, opti_
zasebno
ftrff
S{ } O:, ii:i
B,#iili:?'ir
II
CORRELATILlNS
I./ARIAELES=
tposafftnegafftlifesatwith tpcoisstmasl
/FRINT=TWOTAIL
SIG
/MISSING=FAlRWlSE
Correlations
T o t a lP C O I S S
Sig. (2{ailed)
N
Total Negative Affect
Pearson
Correlation
Sig. (2-tailed)
N
T o t a lL i l e
Satisfaction
Pearson
Correlalion
Sig.(2-tailed)
N
Total Mastery
,456'.
,432"
,000
429
,000
436
-,484"
,000
428
,000
435
17a"
,000
,000
429
436
C o r r e l a t i o ni s s i g n i f i c a nat t t h e 0 , 0 1 l e v e l ( 2 ' l a i l e d )
i."uu.itu
spss
Korak 2: korelacija
1' Premapostupkuopisanomu jednom
od prethodnihoderjaka,zadalteizrad,unavanjekoreraciie':r1u' dve promenrjive
od interesa(npr.Totaroptimism,
Totalnegativeafiect).ona ce biti
izraduiatai prikazana
zasebnoza svakuod
dvegrupe.
vazno:Kadazavrsitesa zasebnim
pregredomstatistidkihpokazaterja
za muSkarcei zene,ne zaboravitea" i"r.rrre
iiu opcijusplit File.ona (poderauzorka na grupe)ostaieda vazisve
ao[1" n" ;sktlueite.
ro ,"rJi , jrozoru Data
Editorkojitrebada je u.predn"r'0,""r. pritisnite
Data,sprit File izatim
prvodugme:Analyzeat
cases,ao noi"r.ate groups.pritisniteoK (oanosnodugmepaste da bistekomandu
snimiliu SyntaxEditor).
Ovajpostupakgenerisesledece
komande:
Pearson
Correlalion
viewer,
otvorite
meniwindo*.i; ;;;;
>ts5) PrOCe5S(
lotal PositiveAffect
Window Help
ntuh
#::i:T,lr:seianja
Postupakporedenjakoeficiienatakorelacije
za dve grupe subjekata
Korak1: podeliteuzorak
139
hi$s,
-'
SORTCASESBy oot.
SPLITFILE
LAYEREDBy oot.
CORRELATIONS
/VARIABLES:toptimtnegaff
/PRINT:TWOTAIL
NOSIG
/MISSING:PAIRWISE.
14U
L.rEU
tv
i vtsLrsrrvt\v
T"t"iltl$;G
Pearson
Correlation
Sig' (2-tailed)
Proverastatistidkeznadajnostirazlike izmedu
koeficiienatakorelacije
U ovom odeljku, ooisaiu postupak utvrdivanja da li se korelacijedveju
grupa z.natainorazlikuiu, tl. da li je ta razlika sludajnaili ne. Naialosr, to
SPSSjo5 ne ume da uradi, pa iete morati sami pomoc.ukalkulatora.I ako
vam slede6iodeljak bude izgledaonerazumljiv,sleditedati postupakkorak
po korak. Prvo iemo vrednostikoeficijenatakorelacijer pretvoriti u vrednosti z, zatim pomoiu jednadineizradunatiopaZenuvrednostz, tj. 2,,r,.Taj
broj iemo ocenitina osnovuutvrdenihpravila odludivanjai tako izraiunati
verovatnoiuda je razlika u korelaciyiopzrZena
izmedudve grupebila posledica sludainosti.
FEMAE-I"I
opl'mG'.n
Pearson
Correlation
Sig.(2-tailed)
N
Tout N"g"tiu"
Pearson
Af{ect
Correlatlon
Sig (2{ailed)
N
-.
level (2-tailed)'
Correlationis significantat the O'01
grupe
rezultatakorelaciieizradunate=u1Y,"- (Total
Tuma6enie
izmedu ukupnog
korelaciia
-optimizma
U prethodnoi tabeli ""'tt"'",
affect)za muikarce
(Total
optimism) i ukupnih negativnih-oseiania
"tg"iiu"
veia' ']-0'39' lako ta dva bro1e
bila ;e r---0,22dokie ,li"n"bila neznatno
velika da semoZesmatratiznaiajnom'
ja razlikuiu,da li je r" ;ik;d"toljno
je opisaniedannadinprovere
a ne sluiainom?U narel"n"- "atf;ft" podrobno
koefitiJttttu korelacije'VaZno1e
statistidke,nuia;nost'i"ra*r-f*"ir*.a" ta dva
ko'"'flf";" od proverestatistidkeznadajnosti
imati u vidu da ," ,"ipttt"t
'i;lt
gornioi-tabeli'^GorePrikazatrt
;" 'e"'.ltati {1i
eficiienata korelaciie',
"
Sis' = '000) daiu vero'i,L"n"t
=,003;
Sig'
nivoi znadajnosti(za'mriikarce:
'
vatno6u nulte hipot ezeda ie koeficijent korelaciie non".l1c1l td:*tl)
verovatnot"
oceniuie
Medutim, doleopisanitest znadajnosti
iZena)posledicagr:11;,;;il,
opuZ"rrlhior"lucilu r" a"t grupe (muik araca
vezeza muikarcetza aene'
dok u stvarinemarazlike'i1"3i"i ispitiv:rne
Pretpostavke
Kao i uvek, najpre iemo proveriti pretpostavke. pretpostavlja se da su vrednosti korelaclje r za dve grupe dobijeni iz sludajnih uzoraka i da su grupe
sludajeva(opservacijar)nezavisne(da isti subjekti nisu dvapur testirani). pretpostavlja se da je raspodela rezultata za obe grupe normalna (videti histograme za te grupe). Takode je neophodno imati najmanle 20 sludaieva
( o p s e r v a c i j a )u s v a k o j g r u p i .
ruz
Tabela11.1:Transformacija
.000
.005
,010
,015
,020
,025
,030
.035
,040
,045
,050
,05s
,060
.065
,07a
,475
,080
.085
,090
,095
,100
,r05
, 11 0
,r15
,\2A
,000
,005
,010
.015
.o20
,025
.030
,035
,040
.045
,050
,055
,060
,065
,070
,075
,0B0
,085
,090
,09s
,100
,105
, 11 0
,116
J21
, tzJ
, tto
,130
,135
, 14 0
,131
'136
,
,141
,146
,151
,145
,150
, rJJ
, 'Ju
,160
,165
, 17 0
,175
.180
,185
,190
,161
,167
,172
,177
,182
,187
,192
10q
ioa
,204
.205
,210
,215
.220
,225
.230
,235
.240
,245
,250
,203
,208
,213
.218
,224
,225
,234
,239
,245
,25A
,25s
,260
,265
,274
,275
,280
.285
2qn
,295
,300
,305
,310
.315
.320
,325
.330
,335
,340
,345
,350
,355
,360
.365
,370
,375
,380
,385
,390
,395
,266
.271
,277
,282
,288
.293
)Qa
,344
,310
,315
,321
,326
,332
,337
,343
,348
,354
,360
.365
,371
,377
.383
,388
.394
,400
,406
,412
,418
,424
,430
,436
,442
,448
,454
,460
,466
,472
,478
,485
.491
,497
,504
,510
,400
,405
,410
,415
.42A
,425
,430
,435
,440
,445
,450
,455
,460
,465
.470
,475
,460
,485
,4S0
,495
,500
,505
,510
,517
.523
,530
,536
,543
,549
,556
,563
(1q
<7n
,520
,525
,530
,576
,583
,s90
(?q
(o7
,540
,545
,550
.555
,560
.565
,570
,604
,611
,618
,626
,633
"640
,648
,580
,585
,590
,595
,662
,670
,678
,685
,600
,605
,610
,615
,620
.625
,630
,636
,640
,645
,650
,655
,660
,665
,670
,675
,680
,685
,690
,695
,200
,705
,710
.715
,720
,725
,73A
,735
,740
,745
,750
,755
,760
,765
,770
,775
,7BO
,785
,790
.795
.800
,693
,805
,701
,810
,709
.815
,717
.725
,820
,733
,825
,830
,741
,/50
,835
,758
,840
.767
,845
,775
,850
,784
,B55
.793
,860
,802
,865
,811
,B70
.820
,875
,829
,880
,838
,885
,890
,848
,858
,895
,s00
,867
,905
,877
,887
,910
,915
,497
,920
,908
,925
,918
,930
,929
,935
,940
,950
,940
,945
,962
.973
,950
,984
,955
,996
,960
i,008 ,965
1,020 ,970
1,033 ,975
1,045 ,980
1,058 ,985
1.071 ,990
1.085 ,995
1,099
1,113
1,127
1,142
1,157
r,'.'i
q;iiil L::Hilf *#r j;*: ub,:i,:
Jo
go
u",,
iui,
""".-,
i::,f
(Bic<e
ako ster,tti"".p.ipremili i ispisali
uo,rrlaks.
dirio i i.?[#tora'
-t - .z
t,ttt
1, 1 8 8
1,244
1,221
1,238
1,256
1,274
1.293
1,313
?2a - ,qte
1,354
1,376
1,398
1,42?
1,44/
-)o b s - -- -
1,499
1,528
1,557
1,589
Zobs=
{*l*1 8 1 * *l-
247
v,00SS+ ,oOa
I,OIJ
-obs
2 , 18 5
2.298
2,443
2,A47
2.994
-:
v,0095
1 6qA
1,697
1,738
1,743
1,832
1,886
1,946
2.014
) r\Q)
-,194
Zobs=:J!1
=-t,gg
Korak 3: utvrditeda
zor.statistidkiznadajna
Kadadobiietevrednosr fije vrednost
z,*,i.m"di j,iz-i *!.g6,
nentoietewrcriti
da jzrne_
korel'Jcri.
p"'Lii
ff"tJ1,ffj:iienta
,r*:H:!l';1ffi';ll',lk
znatajna
r aztika,tj.
daona
"ltirtirki
e,,nuIru.h.ipotez
u (danema raztik
eizmedug,ru
pa)
Dakre,
i'*" a',ihgranica
;;;;;;'#iJ;;#;il:fl:3::1" vred,,os*
j" -1,e6
<r*vvr
1^0""
znadajno.
'
Kada je zoo"manie
od ili jednako -1,96 ili kada
je z.o"jednako
r '96: koeficijenti-se
ili vece od
razrikujuJ"rr"allr""""ro,
tJ.razrikanrje sru.ajna.
Delimidnakorelacija
DodatneveZbe
Zdravstvo
Pojedinostio datotecivideti u dodatku.
Datotekas podacima:sleep3ED.sav.
and
1. Proveritejadinukorelacijeizmedu rezukatana skalamaSleepiness
(ess).
(rorSAS)i Epworth Sleepiness
AssociatedSensations
Editoru ocenitekorelaciju izmedu skale
u
Syntax
komandi
2. Pomoiu
(ess)
sravkesa skalesleepinessand Assoi
svake
Epworth Sleepiness
(fatigue,
lethargy,tired, sleepy,energy).
ciated Sensations
Delimidna korelacija je sliina Pirsonovoj linearnoj korelaciji (opisanoj u poglavlju 11), osim 5to se moZe sprediti uticaj jedne dodatne promenljive. To je
obidno promenljiva na koju se sumnja da utiie na dve promenljive od interesa. Kada se sratistidki Lrkloni uticaj te remetiladke promenljive, dobija se jasnija i tainija slika veze izmedu dve ispitivane promenljive.
Uticaj remetilaike promenljive bio je razmotren u uvodu r-rdetvrti deo
knjige (videti odeljak o odnosu korelacije i kauzalnosti). Remeienjem se
smatra uticaj, makar i mali, tre6e promenljive (C) na ispitivanu vezu izmedu
dve promenljive (A i B). Ako se taj uticaj (kontaminacija) ne uraduna, dobiie
se nerealno velika vrednost koeficijenta koreltrcije dve promenljive. Thj odnos se ovako moZe predstarvitigrafidki:
^
---t
B
U ovom sluiaju izgleda kao da su A i B povezani, ali je nlihova prividna
veza u velikoj meri posledica uticaja C. Kada statistidki uradunate (uklonite)
uticaj promenljive C, obidno se smanji korelacija izmedu A i B, pa se dobija
i manji koeficijent te korelacije.
primera
Obia5njenie
K a o i l u s t r a c i j ud e l i m i d n ek o r e l a c i j eu p o t r e b i i u p r i m e r i z p o g l a v l j a 1 1 , a l i d u
analizu proiiriti tako da obuhvati uticaj joi jedne promenljive. IstraZiiu vezu
izmedu rezultata na skali subjektivno doZivljene samokontrole unutraSnjih
stanja (engl. Perceiued Control of Internal Statesscale,PCOISS) i rezultata
na skali subjektivno doZivljenog stresa (engl. Perceiued Stressscale), ne gul:eCiiz vida moguinost da ispitanici ponekad svesno daiu netadne,ali dru5tveno poZeljne odgovore (engl. socially desirable responding bias). Time
5. Pritisnite
Continuei zatimOK (odnosnodugmePaste da bistekomandu
snimiliu SyntaxEditor).
Opisanipostupakgeneri6esledecukomandu:
PARTIAL
CORR
/VARIABLES:usdsususudstresBy tmarlow
/Slc NIFICANCE:TWOTAI
L
/STATISTICS:CORR
/MISSING:ANALYSIS.
Kratakpregleddelimidnekorelaciie
Primeristraiivadkogpitania:Nakon uraiunavanjasklonostisubjekatada se
da li i dalie
predstaveu pozitivnom svetlu ua skalama samoocenjivanja,
samokotrtrole
unupostoji znadajnaveza izmedu subjektivno doiivliene
trainjih stanja(SDSUS)i nivoa subjektivnodoZivljenogstresa?
Stu ua- treba: Tri neprekidnepromenljive:
e dvepromenljivediju vezuistraZujete
(npr.ukupnaSDSUS,ukupansubjektivno doZivljenstres);i
r jedna promenljiva diji utical treba ukloniti (npr. ukupna druStvena
poZeljnost:tmarlow).
Stasepostiie:DelimidnakorelacijasluLizaistraZivanje
vezeizmedudvepromenljive,pri demusestatistidkikontroliSe(uklanla)uticaj tre6epromenljive
koja bi mogla da kontaminiravezuizmeduispitivanedve promenljiveili da
utidena nju.
Pretpostavke:
Pretpostavkena kojima sezasnivaradunanjekorelacijenavedenesu u uvodu u detvrti deo knjige.
Pre nego 5to podnetesledeii postupak)otvorite rneni Edit i izaberiteu
njemu stavku Options; treba da je potvrdeno polje No scientificnotation for
small numbersin tables.
postupkadatisu u tabeli:
Rezultati
Correlations
Kontrolapromenljivih
none-a
ukupna
SDSUS
ukupan
ukupna
subjektivno druStvena
doiivljen
poieljnost
stres
-,581
Correlation
Significance
(2-tailed)
df
1,000
0
,000
424
ukupan
subjektivno
do2ivljen
Correlation
Significance
(2-tailed)
-,581
1,000
SITES
df
uKupna
druStvena
poieljnost
Correlation
Significance
(2-tailed)
df
,295
,000
425
Correlation
Significance
(2-tailed)
df
1,000
Correlation
Significance
(2-tailed)
-55'
ukupna
ukupna
druStvena SDSUS
poZeljnost
Postupakza delimidnukorelaciju
1' otvorite meniAnalyze,izaberiteu njemustavkucorrelate, pa pritisnite
Partial.
2' Pritisnitedve neprekidnepromenljive
6iju korelacrlu
hoceteda izradunate
(npr.ukupnaSDSUS,ukupansubjektivno
doZivljen
stres).Kadapritisnete
strelicu,prebacicete
ih u poljeVariables.
3. Pritisnitepromenljivu
diji uticajzeliteda uklonite(npr.tmarlow,koja meri
druStvenu
poieljnost).Prebacite
je u poljeControllingfor.
4. Pritisnite
dugmeOptions.
' U odeljkuMissingValuespotvrditepoljeExcludecasespairwise.
' U odeljkuStatistics potvrditepoljeZero order correlations.
ukupno
SDSUS
uKupan
subjektivno
do2ivljen
stres
df
' Cells
contain zero-order(Pearson)correlations.
,000
424
,000
423
,295
000
425
-,228
,000
426
-,,n
1,000
,000
426
-,552
,000
423
1,000
0
Tumadenjerezultatadelimidnekorelaciie
tabelarezultataima dva dela:
SPSS-ova
1. U gornjoj polovini tabeleje uobiiajenamatrica Pirsonovelinearnekorelacijedve prornenljiveod interesa(npr.subjektivnodoZivljenesamokonfole i subjektivnodoiivlienog stresa)kada niie uklonien uticai
-0'581- Rei lone u
treie promelljive. U tom sludaju,korelacijaiznosi
diii bi se
promenljive
levoi Loloni kazuieda u rom delu tabelenije bilo
uticai kontrolisao,tj. uklonio.
2. u donjoj polovini tabeleponovljenesu iste analizekorelacije,ali uz
uklanjanjeuticajaremetiladkepromenljive(npr.druitvenepoZelinosti).
u tom sludaju,nova delimidnakorelaciiaizr-rosi-0,552. Uvek bi trebalo
da uporedite ta dva skupa koeficijenatakorelacije i utvrdite da li ie
uklanianieuticaja dodatnepromenljiveimalo posledicepo vezr.rizmedu
dve ispitivanepromenljive.U ovom primeru,iaiina korelaciiese malo
smanjila(od -0,581 na -0,552).Time ie dokazanoda zapaienavezaizmedu sublektivnodozivljenesamokontrolei subjektivnodozivlienog
stresanije samoposledicadavaniadrudtvenopoZelinihodgovora.
Predstavlianierezultatadelimidnekorelaciie
Rezultati ove analize mogli bi se predstaviti ovako:
Za istraZivanjeveze izmedu subjektivno doZivljenesamokontrole unutra5njih
stanja (merene na skali SDSUS) isubjektivno doZivljenogstresa (merenog na
skali USUDSTRES) upotrebljenaje delimi6nakorelacija,pri demu je uklonjen
uticaj rezultatana Marlou-Kraunovojskali dru5tveno poZeljnihodgovora. Preliminarnimanalizamaje dokazanoda pretpostavkenormalnosti,linearnostii homogenostivarijansenisu naru6ene.Nakon uklanjanjauticajadru5tvenopoZeljnih
odgovora, utvrdenaje jaka negativna delimidna korelacijaizmedu subjektivno
doZivljenesamokontroleunutra5njihstanja i subjektivnodoZivljenogstresa, r:
-0,55, n :425, p ( ,0005, pri demu visokenivoesubjektivnodoiivljenesamokontrole prate niski nivoi subjektivnodoZivljenogslresa. Poredenjesa izradunatom korelacijomnultog reda (r: -0,58) pokazujeda uklanjanjeuticajadru5tveno
poieljnih odgovora vrlo malo utide na ja6inu veze izmedu te dve promenljive.
DodatnaveZba
Zdravstvo
Datoteka s podacima: sleep3ED.sav.Pojedinosti o datoteci videti u dodatku.
l.Izraiunati jadinu korelacije izmedu rezsltata na skali Sleepinessand
Associated Sensations (rorSAS) i uticaja problema sa spavanjem na
opdte raspoloZenje(impact6),uz uklanjanie remetilatkog uticaia st,rosrr. Uporedlte (Pirsonovu) korelaciju nultog reda i koeficiient delimidne
korelaciie. Da li uklanjanie uticaja starctstiima znatnije posledice?
Vi5estrukaregresija
Glavnevrste viSestrukeregresiie
U zavisnosti od prirode pitanja na koje trai.ite odgovor, moZete upotrebiti
viSevrsta viSestrukih regresija.Tri glavne vrste viSestrukih regresija su:
o standardna ili istovremena (simultana);
. hijerarhijska ili sekvencijalna;i
. postepena (engl. stepwise).
U statistidkoyliteraturi autori testo razliditim terminima nazivaju te glavne vrste vi5estrukeregresije,5to jako zbunjuje iak i iskusne istraZivade,a o
podetnicima da i ne govorimo!
StandardnaviSestrukaregresija
U standardnojviSestrukojregresiji,sve nezavisne(ili prediktorske)promenljive se istovremenounose u jednaiinu. Ocenjujese prediktivna mod
svakenezavisnepromenljive,tj. meri sekoliko bi ona poboljiala model koji
se sastojiod drugih nezavisnihpromenljivih.Ova vrsta viSestruke
regresije
senajdeiiekoristi. Nju bisteupotrebilida imateskup promenljivih(npr.raznih skalaza merenjesvojstavaliinosti) i da istraZujetekoliki deo variianse
zavisnepromenljive(npr. anksioznosti)one mogu da objasnekao grupa ili
blok. Saznalibistei koliki deo jedinstvenevarijansezavisnepromenljiveobjainjava svakaod nezavisnihpromenljivihpojedinaino.
HiierarhiiskaviSestrukaregresija
u hijerarhijskoj(ili sekvencijalnoj)
regresiji,nezavisne
promenljivese unose
u jednadinuredosledomkoji na osnovuteorijskihrazloga zadaieistraZiv:ri.
Promenljiveili skupovi promenljivih unosese u koracima (ili blokovima),
pri demuseocenjujedoprinossvakenezavisne
promenljivepredikcijizavisne
promenljive,ali tako da se ukloni uticaj svih prethodnihpromenliivih.primera radi, nakon 5to uklonite uricaj starosti,istrazujetekoliko dobro optimizam predvida zadovoljstvo Zivotom; srarosr biste uneli u bloku 1, a
optimizarnu bloku 2.Kada su uneresvepromenljive,ocenjujesesposobnost
celogmodelada predvidizavisnoobelezjei relativandoprinossvakogbloka
promenljivih.
l.gattg ih primenite,preporudujemda proditate5taje o njima napisano(videti rabachnick & Fid;ll, 2007, str.138).Neophodnoje ia shvatiteo
demu
seradi, kako izabratiodgovarajuieprornenljivei kako tumaiiti rezultare.
Velidinauzorka
ovde seradi o sposobnostiuopitavanja,tj. rezultatdobijenna malom uzorku-nemozeseuopititi (ponovodobiti)na drugim uzorcima.Koliko vredi rezultat koji vaLi za samojedan uzorak?stogatreba znati koliko sludajevaili
subjekataje potrebnoda bi statistidkipokazateljiizradunatiza uzorakvaZili
za celupopulacijuiz koje je uzorak uzet.Razniautori daiu razliiite smernice
btgi sludajeva(opservaciia)potrebnih za viiestruku regresiju.Srevens
7?
(1996, str.72)preporudujeda je'za istraZivanjau druitveniri naukamapotrebno oko 15 subjekatapo prediktoruza pouzdanuiednadinu,.Thbachnick
i Fidell (2007,str. 123) daju formr.rluza iz'.raiunavanie
velidineuzorka.koia
uzimau obzir broj nezavisnihpromenllivih:N > 50 + gm (gcleje m = broi n.'zavisnihpromenljivih).za per nezavisnihpromenljivihbilJ bi potrebnoana90 sludajeva.Kada je zavisnapromenljivaasimetridna,potrebno je
lnirati
joi viSesludajeva.za postepenuregresijupotrebno je
po 40 anariziranih
sludajevaza svakunezavisnupro-"rrljiul.r.
Multikolinearnost
i singularnost
PostepenaviSestrukaregresija
ovde se radi o odnosima izmedu nezavisnih promenljivih. Multikolinearnost postoji kada su nezavisne promenljive
fako korelirane (r=0,9 i viie).
Singularnost nastaje kada je jedna ,,nezavisna"promenljiva .npruuokombinaciia drugih nezavisnih promenljivih, tj. kada uopite nije nezavisna! To bi
se desilo npr. kada bi model sadrzao i vrednosti .ta pojskalama i ukupnu
vrednost na skali. ViSestrukaregresija ne voli ni multikolinearnost ni singularnost, a ta svojstva sigurno ne poboljsavaju regresioni model. oa .,vek oioverite da li promenlf ive imaju takva svojstva pre nego sto podn.te analiiu.
Netipidnetadke
Normalnost,linearnost,homogenostvariianse,
nezavisnostreziduala
Svi ovi pojrnovi seodnosena razneaspekteraspodelerezultatai prirodu pripadnevezeizmedu promenljivih. Te pretpostavkesemogu proveriti na diiagramu rasturanja reziduala,koji SPSSgeneriSeu sklopu procedureviSestruke
regresije.Rezidualisu razlike izmedudobijenei predvidenevrednostizavisne
promenljive (ZP). Na dijagramu rasturantarezidualamoZeseproveriti:
. nornxalnosf:
rezidualitrebada su normalnoraspodeljenioko predvidenih vrednosti ZP;
t linearnost: rezidualitreba da imaju linearnu vezu s predvidenirnvrednostimaZP, tj. njihov dijagramtreba da je pribliZnoprava liniia;
c homogenostuarijanse:varijansarezidualaoko predvidenihvrednosti
ZP trebada je pribliino jednakaza svepredvidenevrednosti.
Rezidualina dijagramimarasturanjakoje crta SPSSprotumadenisu u nastavkupoglavlja;podrobnijuraspravuoveprilidnosloZene
temeproditajteu 5.
poglavljuknjigekoju sunapisaleTabachnicki Fidell(2007).Na kraju te knjige
data je i preporuienaliteraturaza dalleovladavanjeviSestrukomregresijom.
primera
ObiaSnienie
Kao ilustraciluupotrebeviSestrukeregresijekoristi6uniz primera vzetrhiz
datotekes podacima
survey3ED.sav,
sapratede'Web
lokaciji knjige(videtisrr'.
ix). Ta je anketabila projektovanaza tstraLivanje
faktora koji utiiu na psihololko prilagodenlei opite raspoloZenje
ispitanika.(Svepojedinostite studile date su u dodatku.) U izloZenomprimeru viiestrukeregresijeistraZiiu
uticaj subjektivnodoZivljenogstepenauprarvljanja
ispitanikanjihovim Zivotima, na njihov subjektivnodoZivljennivo stresa.Literaturau toj oblastikazuieda stresrede trpe ljudi koji smatrajuda upravliaiusvoiim Zivotima.U
(reference
za te skalevideti u
upitniku su datedve razliditemereLrpravljanja
do
koieg
ljudi smatraiuda
stepen
dodatku).To su skalaMastery,koja meri
vgv
rv
dozivlienstres:upravljanie
-2.Koje svoistvobolie predvida-subjektivno
ili upravljanieunutraSnlimstaMastery)
(skala
;;;ljil'dogadajima
njima (PCOISS)?
-3 . A k o u k l o n i m o m o g u 6 i u t i c a j s t a r o s t i i d : r v a n j a d r u 5 t v e n o znapoZeljnih
uvek da predvidi
odgouor", moZeii Lvai skup promenliivih ioi
stresa?
trlln d.o-uariiansesubiektivnodoZivlienog
Sta rru- treba:
o jedna neprekidna zavisnapromenliiva(ukupan subjektivnodoZivljen
stres):i
o dve ili viie neprekidnihnezavisnihpromenljivih (mastery,PCOISS)'
npr' muikar(Mogu se upotrebiti i dihotomnenezavisnepromenliive'
ci=1.,Lene=2.)
je
variiansezavisneproStasepostiie:ViSestrukaregresiiakazujekoliki deo
Dale i pokazateli
menljive objainjen varijanim nezavisnihpromenliivih.
omoguiuju utvrTestovi
promenljive.
,"lutiurrog doprinosa svakenezavisne
tako i nezavimodela
celog
kako
divanfe ,I"tlriitk. znadajnosti,ezu6.aia
snih promenliivihPojedinaino.
pretpostavke:osnovne pretpostavkena kojima poiiva viiestruka regresija
pretpostavki
opiru.t" su u prethodnom Jelu ouog poglavlja' Neke od tih.
(one
biti ilustroie
-ogo ," proveriti u sklopu analiza.'i5.rt.,rk"regresije.
vaneu narednimPrimerima.)
StandardnaviSestrukaregresiia
U ovom primeru odgovoriiemo na dva pitanja:
(mastery,
Pitanje /: Koliko dobro dve date mere nivoa upravljanja zivotom
PCOISS) predvidajusubjektivnodozivljenstres? Kolikise deo varijanseu rezultatimamerenjasubjektivnodoZivljenogstresa moze objasnitivrednostima
rezultata na te dve skale?
Pitanje 2:Koje svojstvo bolje predvida subjektivno doZivljenstres: upravljanje
spoljnim dogadajima (skala Mastery) ili upravljanje unutra6njim stanjima
(PCOTSS)?
za istraLivanje ovih pitanja upotrebiiu srandardnu viSestruku regresrlu.
To znadi da se sve .r.ru,rim" prominljive isrovremeno unose u iednaiinu. Rezultati 6e pokazati sposobnost ovog skupzr promenljivih da predvidi nivoe
srresa; i kazaie narn takode koliki deo jedinstvene variianse zavisle promenljive objainjava svaka od nezavisnih promenljivih (mastery' PCOISS)
pojejinadno , pornd dctprinosasuih ox.allh nezavisnih promenljivih iz skupa'
2a svaki pori tprk date su i odgovarajufe SPSSkomande. ViSe informacija
o .rpo,r"bi Sy.t?at Editora za pamienie i snimanje SPSSkomandi videti u
poglavlju 3.
Pre nego 5to zapoinete sledeii postupak, otvorite meni Edit i izaberite u
njemu stavkLrOptions; treba da je potvrdeno polje No scientific notation for
small numbers in tables.
Postupakza standardnuvi5estrukuregresiju
stavkuRegression,pa pritisnite
Linear.
1. OtvoritemeniAnalyze,izaberite
(npr.
promenljivu
zavisnu
total
perceived
neprekidnu
2. Pritisnite
stress:
tpstress)i prebaciteje u poljeDependent.
(totalmastery:tmast;total PCOISS:tp3. Pritisnitenezavisnepromenljive
corss)i prebaciteih u poljeIndependent.
4. U odeljkuMethod trebada leizabranaopcijaEnter.(Timese birastandardregresija.)
na visestruka
dugmeStatistics.
5. Pritisnite
. Potvrditepolja Estimates,Confidence Intervals,Model fit, Descriptives, Partand partialcorrelationsi Collinearitydiagnostics.
. U odeljkuResidualspotvrditepoljaCasewisediagnosticsi Outliers
dugmeContinue.
outside 3 standarddeviations.Pritisnite
dugmeOptions.U odeljkuMissingValuespritisniteExcludeca6. Pritisnite
ses pairwise.Pritisnite
dugmeContinue.
7. Pritisnite
dugmePlots.
.ZRESIDi dugmesa strelicomda bisteje prebaciliu poljeY.
. Pritisnite
.ZPREDi dugmesa strelicomda bisteje prebaciliu poljeX.
. Pritisniie
. U odeljkuStandardizedResidualPlots,potvrditepoljeNormalprobabilityplot. Pritisnite
dugmeContinue.
8. Pritisnite
dugmeSave.
. U odeljkuDistances,potvrditepoljaMahalanobisiCook's.
. Pritisnite
ContinueizatimOK (ilidugmePasteda bistekomandusnimili
u Syntax Editor).
Prethodnipostupakgeneriseovu komandu:
REGRESSION
/DESCRIPTIVES
MEANSTDDEVCORRSIG N
/MISSINGPAIRWISE
/STATISTICS
COEFFOUTSR ANOVACOLLINTOLZPP
/CRITERIA:PIN(,05)
POUT(,
10)
/NOORIGIN
/DEPENDENT
tpstress
tmasttpcoiss
/METHOD:ENTER
ESID IZPRED)
/SCATTE
RP1-61:("ZR
D)
/RESIDUALSNORM(ZRESI
D)
/CASEWISEPLOT(ZRESI OUTLIERS(3)
/SAVEMAHALCOOK.
Residuals Statisticsa
Evo rezultataoPisanogPostuPka'
M'r
Corelaltons
Predrcteovalue
Std. Predicted Value
Standard Error of
Predicted Value
Adjusted Predicled Value
Total percelved
Total MasterY
-,581
TotalPerceived
slress
Sig (1-tuil"Ot
Total Mastery
Total PCOISS
Total perceived
stress
1, 0 0 0
.521
1.000
,000
,000
Rssidual
Std. Residual
Stud. Residual
Deleted Residual
Stud. Deleted Residual
Mahal. Distance
Cook's Distance
Centered Leveraqe Value
,521
,000
,000
,000
,000
433
433
426
436
429
Total MasterY
426
PCOISS
TOTAI
6q1
- 412
1, 0 0 0
Total PCOISS
Total PCOISS
Total Mastery
stress
Total Perceived
stress
;tson
lorrelation
'18,03
-2,174
Maximum
,207
,800
18,04
-14.849
-3,475
-3.514
-'15,190
-3,562
41,39
12.612
2,951
2.969
12.765
2.997
13.897
.094
.004
.000
_000
Mean
41,31
3,644
n??
429
Shndardized Residual
Normal P-PPlotofFlegression
Model Summaryb
R Square
Model
1
427
.466
,468
,684'
Std. Errorof
the Estimate
Adiusted R Square
o
E
ANOVAb
vlodel
1
Sum of Squares
2
423
7725,756
14532,484
Residual
Total
Mean Square
3403,364
df
bUUb t z 6
Hegresston
Sio
F
'186,341
,000'
18,264
425
DeDendentVariable:Total perceivedstress
0,00Jt
0,00
,25
,50
ObservedCum Prob
Scatterplot
Coefficienb'
srd
Colhear(y
95% Conndence
Standardized
Ze@
a
50,971
tmast
lolal
1,2i 3
,06r
,625
2
-.424
.10,222
,000
-,745
,505
,.612
-.445 ..36:
1.372
0
-,175
,020
,.360
,8.660
,000
'.215
. 136
-.581
..36E
-,307
1_372
? o"'
-a
8-
".'k"*
" J.""'trrffi
PCOTSS
a
Drendenlvaffable
ipsfess
lolal Frcerved
stss
Casewise Diagnosticsa
32le
Number
tcz
a'
Total perceived
slress
Std. Residual
-3,473
14
PredictedValue
: o t a lp e r c e i v e ds t r e s s
D e p e n d e n tV a r i a b l e T
24,84
Residual
14,84
R egression
Standardized
Predicted
Value
Std. Deviation
1.000
429
429
,341
,111
425
26.75
-,002
4.009
4.268
.999
1.003
4.306
1.006
2,234
,008
,005
476
476
476
426
426
426
429
426
429
4 . U Ul
,002
.000
,000
-,001
-,001
1,993
,003
on5
Tumadenierezultatastandardne
viSestrukeregresiie
gomilu prilidno neKao i veiina ostalihSPSSprocedura,i regresiiageneriSe
vodim vasna
razumljivihbrojeva.Da biste shvatilinjihov smisaoi znadenje,
ruru kroz deo rezultatadobiienih kao odgovor na Pitanie1.
Korak 1: proveravaZeniapretpostavki
Multikolinearnost
Korelacijeizmedupromenljivih u modelu datesu u tabeliCorrelations.Propromenljivepokazujumakar i slabuvezu sa zavisnom
veriteda li nezavisne
promenljivom (bilo bi poZeljno da te korelacijebudu iznad 0,3). U ovom
sludaju,obe skale(Total Mastery i Total PCOISS)znatnokoreliraiu s promenljivom Total PerceivedStress(-0,61 odnosno-0,58).Takode proverite
da nije prevelikaneka od korelacijaizmedunezavisnihpromenljivih.U istu
analizuverovatno ne bi trebalo da ukljuduietepromenljive iija linearna korelaciiaiznosi0,7 ili vi5e.Kada senadeteu toj situaciii,ili izostaviteiednuod
tih promenljivihili od vrednosti dve iako koreliranepromenliivenapravite
jednuzajedniikupromenljivu.U ovom primeru korelacijaiznosi0'52, 5to ie
manje od 0,7; zato (emo zadriati svepromenljive.
'dijagnostikukoKao deo procedureviSestrukeregresije,SPSSobavlla i
Ona destoukazuiena problemes multikolinearlinearnosti'promenljivih.
noiiu koji se moZdane vide u matrici korelacija.Rezultatite dijagnostike
dati su u tabeli Coefficients; to su vrednosti Tolerance i VIF. Tolerance
pokazujekoliki deo varijansedate nezavisnepromenliivenije obiainjen varijansamadrugih nezavisnihpromenljivih u modelu i radunase po formuli
1-R2za svakupromenljivu.Kerdaje ta vrednostjako mala (manjaod 0,10),
to ukazujena ogromnu korelaciju s drugim promenljivama,dakle na multikolinearnost. Ona druga vrednost, YIF (Varianceinflation factor, faktor
pove6anjavarijanse),reciprodnaje vrednostvelidineTolerance(1 podelieno
s Tolerance).Ovde bi bile problematidnevrednostiVIF iznad 10 zato 5to
ukazuiu na multikolinearnost.
Navela sam uobidajenepresednetadkeza utvrdivanjeprisustvamultikolinearnosti(vrednostToleranceispod 0,10 ili vrednostVIF iznad 10).Medutim, pri tim vrednostimajo5 uvek su moguie veomavelikekorelaciieizmedu
nezavisnihpromenljivih(iznad 0,9), pa bi njih trebaloda shvatitesamokao
upozorenjei razlogda bolie pogledatematricu korelacija.U ovom primeru.
Toleranceza svaku nezavisnupromenljivu iznosi0,729, 5to nije nranjeod
0,10; dakle,pretpostavka
nije narudena'
o nepostojanjumultikolinearnosti
je mnogo ispod
Taj zakljuiak podrZavai vrednostVIF koja iznosi 1.,372,Sto
presednetadke 10. Ti nas rezultati ne iznenaduju, poSto je koeficijent Pirsonove korelacije te dve nezavisne promenljive samo 0,52 (videti rabelu
Correlations). Kada u svojim rezultatima uodite prekoradenje navedenih
graniinih vrednosti, trebalo bi da iz modela izbacite jednu od jako koreliranih nezavisnih promenljivih.
Mahalanobisove
udaljenosti
Tabela13.1:Kritidnevrednostizaizrabunavanje
Kritidna
Broj nezav.
promenljivih vrednost
Broj nezav.
promenljivih
Kritidna
vrednost
Broj nezav.
promenljivih
Kritidna
vrednost
22,46
13,82
18,47
16,27
20,52
24,32
tablesfor statisticians
E.S.i Hartley,H.O. (Eds)(1958). Biometrika
u knjiziPearson,
Press'
(1.tom,2.izdanje).
University
Njujork:
Cambridge
Da bistemogli koristiti ovu tabelu,trebalo bi da:
. utvrdite koliko ie nezavisnihpromenljivihbiti ukljudenou viSestruku
regresiiu;
o pronadetetaj broj u jednoj od kolona tabelesa zaglavljemBroj nezav.
promenljivih;i
o u susednojieliji desnoproditateodgovarajuiukritidnu vrednost.
U ovom primeru imam dve nezavisnepromenljive,pa kritidna vrednost
iznosi 13,82.Kako bisteutvrdili da li ijedanispitivanisludajima Mahal:rnobisovu udaljenostve6uod tog broja, pronadite tabelu ResidualsStatistics,
pogledajteu njoj ieliju na presekureda Mahal. Distancei kolone Maximum. U mojoj datotecis podacima,najve(a
vrednostte udaljenostije13,89,
5to neznatnopremaSujekritiinu vrednost.Treba da pronademosludajkoji
sadrZitu vrednost.
Da bismo je pronaili, vraiamo seu prozor Data Editor,gde otvaramomeni
Data i u njemu biramo stavku Sort Cases.Sortiranjetreba obavitr po novoj
promenljivoj smeltenoj na dno tabele (Mahalanobis Distance, MAH-1) u
opadajudem(Descending)redosledu.U prozoru Data View, sludajs najveion
vrednoS6upromenljiveMahal Distancebi6enakon sortiranjana vrhu datoteke s podacima(ID=66).Za ovakovelik uzorak nije neobidnoda sepojavi nekoliko netipiinih tadaka,pa se ne6upreviSeuzbudivati zbog ovog sludajazir
koji je Mahalanobisovaudaljenostrek neznatnopremaiila kritidnu vrednost.
Kada u podacima pronadete sludajevesa Mahalanobisovim udaljenostima
mnogo veiim od kritidne vrednosti,treb:rlobi da ih uklonite iz analiza.
Joi nekeinformacijeo netipidnimtaikama navedenesu u tabelicasewise
DiagnosticsSPSS-ovih
rezulrata.To su sludajevisa standardizovanimvrednostimarezidualaiznad3,0 odnosnoispod -3,0.U normalnoraspodeljenom
uzorku, samo 1 procenatrezultatapada izvan tog opsega.U ovom uzorku
smo naili jedan sluiaj (broj 165) sa standardizovanimrezidualom-3,48. U
tabeli CasewiseDiagnosticsvidimo da je ta osobanavela 14 kao vrednost
svog ukupnog subjektivnodoZivljenogstresa,dok je na5 model predvideo
vrednost28,85. Jasnoie da nai model nife dobro predvideorezukatza tn
osobu;ona oseia mnogo manji stresnego5to smo predvideli.
Korak2: vrednovaniemodela
u SPSS-ovim
rezultarimapronaditetabeluModel summary i u njoj broj ispod zaglavljaR Square.Kao 5to se seiate,12je koeficijenrdererminacijekoyi
kazujekoliki deo varijansezavisnepromenljive(subjektivnodoZivljenogstresa) objaSnjavamodel (koji-obuhvara promenljive Total Mastery i rotal
PCOISS).U ovom sludaju,12je jednako 0,468.rzrai.enou procenrima(oomnoienosa 100pomeranjem
decimalne
tadkeza dva mesraridesno).
to znac=i
da nai model (koji obuhvaraMastery i pcoISS) objainjava45,g procenata
varijansesubjektivnodozivljenogsrresa.To je sasvimpristojanreiultat (narodito kada se uporedis nekim rezultatimaobjavljenimu dasopisima!).
Moi.da ste primetili da se u sPSS-ovimrezultatima navodi i velidinaAdjustedR square,tj. korigovanor2.Probemje to ito je 12previie optimistidka
procenastvarnevrednostikoeficijentadeferminacijeu populacijikada seizradunana malom uzorku (Thbachnick& Fidell, 2007).pokazateljAdjusted
R squarekorigujetu vrednosti daje bolju procenusrvarnevrednostikoeficijenta determinacijeu populaciji.Kada imate mali uzorak, izraiunajtei navedite tu vrednost,a ne obiian r2 (R square).Da biste ocenili statistidku
znadainosttog pokazatelja,pronaditetabeluANovA. J'u su rezultatitestova nulte hipotezeda je 12u populacijijednako0. Model u ovom primeru dostizestatistidkuznadajnosr(sig. = ,000; to zapravoznaii da yep.o,ooos;.
sledeie5to zelimo da znamojestekoliko je koja piomenljiva u modelu doprinelapredikcijizavisnepromenljive.Tajpodataki.-o na6i u tabelicoefficients.Pogledajtekolonu Bera u odeliiu Standardisedcoefficients.Da
bistemogli da porediteraznepromenljive,gledajtestandardizovane
koeficijente,ne one nestandardizovane.
Standardizovan
znadida su vrednostiDromenljivih konvertovane na istu skalu kako bi se mogle porediti. zc,
sastavljanje
regresionejednadineupotrebilibistenestandardizovane
koeficijenteu koloni B.
Postupakza hiierarhiiskuvi5estrukuregresiiu
Analyze,zatimRegression,pa
menijuna vrhuprozorapritisnite
1. U,glavnom
Linear.
(npr.totalperceivedstress)i prezavisnupromenljivu
neprekidnu
2. lzaberite
baciteje u poljeDependent.
da ukloniteu poljeIndependent(npr.
dijiuticaj2elite
3. Prebacitepromenljive
One ce biti uneteu analizuu prvomblokuproage,totalsocialdesirability).
(Block1 of 1).
menljivih
promenljive,
se drugopoljeza nezavisne
4. Pritisnite
dugmeNext.Prikazace
u
(trebalobi da piSeBlock2 of 2).
kojetrebaunetidrugiblokpromenljivih
(npr. total mastery,Total
5. lzaberitesledeci blok nezavisnihpromenljivih
PCOTSS).
opcija(Ented.
6. U poljuMethodtrebada je potvrdenapodrazumevana
polja
Potvrdite
Estimates,
Model fit, R
7. Pritisnitedugme Statistics.
Partand partialcorrelationsi Collinearisquaredchange,Descriptives,
dugmeContinue.
ty diagnostics.Pritisnite
Excludeca8. Pritisnite
dugmeOptions.U odeljkuMissingValuespritisnite
dugmeContinue.
ses pairwise.Pritisnite
9. PritisnitedugmeSave. Pritisniteopcije Mahalonobisi Cook's. Pritisnite
Continuei zatimOK (ilidugmePaste da bistekomandusnimiliu Syntax
Editor).
Prethodnipostupakgeneri5esledecukomandu:
REGRESSION
/DESCRIPTIVES
MEANSTDDEVCORRSIG N
/MISSINGPAIRWISE
/STATISTICS
COEFFOUTSR ANOVACOLLINTOL CHANGEZPP
/CRITERIA:PI
N(,05)POUT(,10)
/NOORIGIN
/DEPENDENT
tpstress
/METHOD:ENTERtmarlowage /METHOD:ENTERtmasttpcoiss
/SCATTERPLOT:(.ZRESID,.Z PRED )
/RESIDUALS
NORM(ZRESI
D)
/SAVEMAHALCOOK.
Model Summaryc
vlodel
AdjusledR
Square
,057
. 4 74
,052
5,69
,057
.469
4.26
, 4 1 7 16 6 , 8 7 3
,238'
ChanoeStatistics
Std. Errorof
the
Estimate
FI
Square
,68a1
R Square
C h a ng e
Chanoe
Sig. F
dtl
12,711
df2
C h a n oe
423
,000
421
.000
a Prediclore:
(Constant),
AGE, Totalsocialdesirability
b Predictors:
(Constant),
AGE, Totalsocialdesirability,
TolalMaslery,TotalPCOISS
c DependentVariable;Totalperceivedstress
Uodel
1
Regre$ion
Sum of Squares
823,865
Residual
13708,620
423
Total
14532,484
425
Reg ression
6885,760
Residual
7646,724
421
14532,484
425
Total
sis
Mean Square
4 1 1, 9 3 2
OT
12,711
.000"
94.776
,000'
32.408
1 7 2 1, 4 4 0
18 , 16 3
o' Predictors:(Constant),
AGE Totalsciat desirabitity
D
Predictors:(Constant), AGE Tolal social desjrabitily,Totat Mstery, Total pCOtSS
c'Dependent
Variable:Totalperceivedstress
Coefficienlsr
Unslandardized
Slandardized
Coliinearny
c
std.
Model
B
(Lof,stanl)
Bela
total social
desirabrlity
aqe
(Constant)
lotal social
desirability
a9e
lotal mastery
roratPcotss
Sio
,983
,031
51,922
-,149
-,021
-,641
,.160
022
-,209
4.271
-.070
1.438
38,008
.366
,108
-,052
,017
..047
,062
..435
,022
..327
a Dependent Vanabla,
totut p",""iu",j
"*"""
Zeto"
order
Toler
Padral
,000
.000
-,228
-,203
-,202
,928 1 , 0 8
-.127
-.070
-.068
,928
1,08
,000
-1.373 , 1 7 1
- 1 , 2 3 9 ,216
-10,286 ,000
-7,373 ,000
.,224
",067
,,049
,871
1,15
",127
,,060
-.448
,,338
-,044
,860
1.16
-,364
,699
1.43
",612
..58r
-.261
1,57
lbb
L)W
lV.
Ulqrrotrvr\v
,-
'--*
'a",vve
r!
'
Tumadenierezultatahiierarhiiske
viSestrukeregresiie
Korak1: vrednovaniemodela
pogledajtekolike su vrednostiR square u prvoi tabeli Model summary.Nakoi unosenjapromenljivih u Bloku 1. (age,social desirability),ceo model
proobjasnjava5,7 procenatavariianse(0,057 x 100)' Nakon unoienja
obcelina
menljivih ., gtoliu 2 (Total Mastery, Total PCOISS),model kao
jaSnjava47,4 procenata(0,474x 100).Treba uoditi da ta druga vrednost12
a ne samo one uneteu
iR sq,tare)obuhvatasve promenljleiz oba bloka,
drugom koraku.
promenljida bismo utvrdili koliki deo te ukupnevarijanseobiaSnjavaju
prouticaj
ukloni
se
5to
nakon
POCISS)
(Mastery,
ve koje nas zanimaju
druStveno
i
davanja
(tj.
starosti
menljivihagei sociallydesirableresponding
kolonu sazaglavljemR Squarechange.U
poZeilnihoJgovora),pogleda6emo
prethodno datim rezultatima, u redu za Model 2, vidimo da vrednost R
,qrr"r" changeiznosi 0,42.To znati da Mastery i PCOISSobiaSniavajudod)tna 42prJ."nru (0,42x 100) varijansesubjektivnodoZivljenogstresa,iak
i kada se statistiiki ukloni uticai starostii davanjadruitveno poZelinihodgovora.To je statistidkiznadaiandoprinos,5to pokazuieiznosSig.F change
., to- redu (0,000).TabelaANOVA pokazujeda model kao celina(saoba
bloka promenljivih)iesteznadajan[F (4, 421) = 94,78,p < 0,0005]'
I u.
vrocDLr u^d
tUgreslla
Predstavfjanjerezultataviiestruke regr;esaj/i
u zavisnosriod vrste sprovedenihanalizai prirode istraiivadkog p,itar,
zukati viSestruke
regresijemogu sepredstavitina vile naiina. u prir,,1
Publication Manual Ameridkog udruZenjapsihologa, date su srnerr,
/
predstavljanje
rezultataviSestruke
regresijei odgovarajufiprimer (per
tion Manual,2001, str. 160, 163).u najmanjuruku, trebalo bi ,1, ,r". /,
', 'i
vrstu obavljeneanalize(standardnaili hijerarhijska),standardizov.ane
je
koeficijenteako
istrazivanjebilo teorijsko, odnosno nesrandardiz,,
(B) koeficijente(i njihove srandardnegreike) ako je istraZivanjebrlo y,,
njeno. Zahljerarhijsku viSestrukuregresiju,trebalo bi da navedt
sti promener'(R squarechange)u svakomkoraku i odgovaraju::#;'
verovatnoie
Slediprimer nadinapredstavljanja rezultata analizasprovede'ih u ,
poglavlfu.U istraZivanjima
s mnogo promenljivih,,.rurrnt. je prikl;',
predstavititabelarno(videtiAmericanpsychologicalAssociation,200'
163;ili rabachnick& Fidell,2007, str.177).Da seovi rezultatiprrdst,'/
ju u tezi,trebalobi u prilogu navesrijoi neito (npr.rabelukorelaciia)f
verite to u razgovoru sa svojim supervizorom).
Bilo bi dobro da primere predstavljanja raznih statistidkih analiz ,
tralite u dasopisimarelevantnimza konkretnu oblast.Zbog strogoogr:,',
nog prostora, razni dasopisipostavljaju razliiite zahrevei odekrvanla
autore.
Za ocenu mogucnostidva merilaupravljanjasopstvenimiivotom (.t"t,
ow,'l
vania:Mastery,skalasubjektivno
doiivljenesamokontrole
unutrasnjih
sta',,
sDSUS) da predvidenivoestresa(skarasubjektivno
doiivrjenog
stresa),,,f
je hijerarhijska
trebljena
visestruka
regresija
nakonstoje uklonjen-uticaj
star,,,
i.davanja
drustvenopozeljnih
odgovora.preriminarnim
je dokaz,,
analizama
da pretpostavke
normalnosti,
linearnosti,
multikolinearnosti
i homogenosti
,'/
',
lansenisubilenarusene.
U prvomkorakubilesu unetepromenljive
starosti
vanjedrustvenopoieljnihodgovora,sto je objasniro6blovarijanse
subjekti,,
doiivljenog
stresa.Nakonunosenja
skaraMasieryi sDSUS u drugomkorz ,
modelomkao celinomobja5njenoje 42,4o/o
ukupnevarijanse,F (4, 421,
94,78'p < o,oo'1.Dvaspomenuta
merira(obereija)
objasnira
su aooainih-+''
vafjanseu stresu,nakonsto je ukronjenuticaj
starostii davanjaorrstu,,'
poieljnihodgovora;r2se promeniloza:
O,42,F se promenilo
za (2.,421'
166,82p ( 0,001.U konadnom
moderu,
statistidki
su birazna6alna
saml ,/,
pri demuje skataMasteryimataveci koeficrpntbi
[::110:"y'f"jT']r^,:T,
;1;:ro;;,';:;ft;i:
DodatneveZbe
Zdravstvo
Pojedinostio datotecivideti u dodatku.
sleep3ED.sav.
Drrtorekas podacima:
1. Standardnomviiestrukom regresijornistraZitefaktore koji utidu na
stepenpospanostiljudi po danu.Za zavisnupromenljivuuzmite ukuand AssociatedSensations(rorSAS).Za
pan iznos na skali Sleepiness
nezavisnepromenljive uzmite pol (sex),starost (age),ocenu fizidke
koliki deo
kondicije (fitrate) i stependepresije(depress).Izradunajte
tai skup
varijanseu rezultatimamerenjaukupnepospanostiobiaSnjava
promenljivih(pogledajtekoliki je r na kvadrat).Koje promenljivedaju
jedinstvenznaiaiandoprinos(pogledajtevrednostikoeficijenatabeta)?
2. Ponovite gomju analizu,ali ovoga puta upotrebite hijerarhijsku viSestruku regresiju.U prvom bloku promenijivihunesitepol i starost,a u
drugom ocenufizidkekondicijei stependepresije.Kada uklonite uticarj
demografskihprornenljivih pol i starost, da li ostale dve prediktorske
promenljiveznaiajno doprinoseobjaSnjavanju
varijanseu rezultatima
merenja pospanosti?Koliki dodatni deo varijanseu pospanostiobjainjavaju fizidkakondicijai depresija,nakon 5to se ukloni uticaj pola
i starosti?
Logistidkaregresija
'Jffi tfiru:;
ikupp.ocedurornrutii,'omialLogisti.tr."i.'lilJi,;X"i-""ff
t ogtavtjei4: Logistidkaregresija
Pretpostavke
Velidinauzorka
Kao i u vefini ostalihstatistiikih tehnika,moraterazmotriti velidinui prirodu uzorka ukoliko nameravateda upotrebitelogistidkuregresiju.Jednood
pitanja je broj sluiajevau uzorku u odnosu na broi prediktora (nezavisnih
promenljivih)kole Leliteda ukljuditeu model.Analiza postajeproblematiina (dak toliko da numeridki divergira) kada je uzorak mali, a Zeliteda
ukljuditemnogo prediktora.To je problem naroditoza kategorijskeprediktore sa ogranidenimbrojemsludajevau svakojkategoriji.Uvek za svakiprediktor pokreniteproceduruDescriptiveStatistics,pa ako je broi sluderjeva
(opservacija)
ih u drugekateu odredenojkategorijipremali,preraspodelite
gorije ili ih uklonite iz analize.
Multikolinearnost
Kao 5to je bilo reieno u poglavlju 13, uvek treba proveriti da li postojejake
medukorelacijeprediktorskih(nezavisnih)promenljivih.Bilo bi idealnoda
su prediktorskepromenljivejako povezanesa zavisnompromenljivom,ali
ne i medusobno.NaZalost,u proceduri logistidkeregresijeSPSSformalno
nematestmultikolinearnosti,pa vam preostajepostupakopis:rnu poglavlju
13, kada izaberetecollinearity diagnosticsnakon 5to pritisnetedugme Statistics. Ostale rezultate zanemarite,samo pogledajtetabelu Coefficientsi
njenekolonesazaglavljemCollinearityStatistics.
VeomamalevrednostipokazateljaTolerance(manjeod 0,1) ukazuju na to da promenljiva ima visoke
korelacijesa ostalim promenljivamau modelu. Tada treba da promenite
skup promenljivihod kojih stemislili da sastavitemodel i uklonite jednuod
jako medukoreliranihpromenljivih.
Netipidnetadke
Neophodnoje da proveritepostojeli netipiine tadke,to jest sludalevikoje
model ne objaSnjavadobro. Reieno jezikom logistidkeregresije,model rnoZdaodliino predvidaodredensludaju jednojkategoriji,ali je u srvarnostion
u nekoj drugoj kategoriji.Netipidni siuiajevi se mogu prepoznatina difagramu.reziduala,
ito je naroditovaZankorakkada modelslabopredvidaopservaclJe,
171
Obia5njenjeprimera
Logisriiku regresijuiu irustrovatina prirnerudatoteke
sa srvarnimpocraci_
ma (sleep3ED.sav),
s prareie '$7ebrokacije ove knjige
adresuna
str'xi)' Ti podacisu dobijeniu anketisprovedeno, i;i;;irveb
;; ,r;";L;univerzitetskog
osobljada bi se utvrdiraveridinai uticajprobrema
..,;i ,; ,;"m (videtido_
datak).U anketisu ispitaniciodgouuraiina pitanje
,-"rrn,u ir da imaju pro_
blema sa spavanjem(dalne).Tirie biti r"uirnn;r"-""1,i;;
u ovoj anarizi.
skup prediktora (nezavisnihpromenrjivih)rb;il;;oi,'ir.orr,
broj sati
noinog sna,teiko padanjeu san i lako budenje.
Prvobitnim vrednosrimasvakeod tih promenljivih
dodeljenesu nove .ifre
(kodovi) da bi se obezb.edira
njihova prikradnost,,
izu. rkarego_
rijskim promenljivamaje promerrl..,k6d, i ro
tako a""r;;;i
O=".
i 1_da.
i"
Pripremapodataka:iifrovanje odgovora
Fregtedtogistidkeresresije
flatafrstraiivaikog
rrrmer
pitania: Koji faktori piedvidaju
verovatnoiu da 6e ispi_
tantci odgovoriti
da imaju problema sa spavaniem?
4. Pritisnite
dugmeOptions.Potvrdite
poljaClassificationplots. Hosmer_Lemeshowgoodnessof fit, Casewiselistingof residualsi Cl for Exp(B).
Continuei zatimOK (ilidugmePasteda bistekomqndusnimili
5. Pritisnite
u
Syntax Editor).
postupakgeneri5e
Prethodni
ovu komandu:
LOGISTICREGRESSION
VARIABLESprobsteeorec
/METHOD: ENTERsexage getsleprecstayslprec
hourwnit
/CONTRAST(sex):lni;6ator(1
) /CONTRAST(getsleprec):lndicator(1
)
/CO NTRAST(stayslprec):lndicator(
1)
iCLASSPLOT/CASEWISEOUTLIER(2)
/ P R I N T : G O O D F I TC l ( 9 5 )
/CRITERIA:PIN(,05)POUT(,10)
ITERATE(2O)
CUT(,S).
Sledideo rezultataprethodnogpostupka.
CaseProcessingSummary
Unweiqhted
Cases'
Selected Cases.
241
30
271
MissingCases
Total
Unselecled Cases
Total
271
8B,s
1 1, 1
100,0
,0
1 0 0, 0
Postupakza logistickuregresiiu
pa pritisnite
1. otvoritemeniAnalyze,izaberiteu njemustavkuRegression,
BinarYLogistic.
i prebacite.;e
(npr.probsleeprec)
zavisnupromenljivu
2. lzaberitekategorijsku
u poljeDePendent.
. pritisniteprediktorskepromenljive(sex, age, getsleprec,stayslprec'
hourwnit)i prebaciteih u poljeCovariates'
. U odelikuMethodtrebada pi5eEnter'
3.Akoimatekategorijskihprediktora,pritisnitedugmeCategoricalnadnuokstays(sex,getsleprec,
promenljive
svekategorijske
lzaberite
virazadijalog.
lprec)i prebaciteih u poljeCategoricalcovariates'
dugmeFirst
pa pritisnite
' Redomizaberite
promenljivu,
svakukategorijsku
u odeljkuChangecontrast,KadapritisnetedugmeChange'izaizabrane
biti
promenljiveprikazacese red first. Takoste zadalida grupa koja ie
kaupotrebllenakao referentnabude prikazanaprva'Ponoviteto za sve
dugmeContinue'
Pritisnite
promenljive.
tegorijske
Percent
N
Included in Analysis
OriqinalValue
no
yes
Internal
Value
0
1
GategoricalVariablesCodings
Paramete
Frequencv
probstayasleep
rec
probfallasleep
rec
sex
no
yes
no
yes
female
male
1? q
103
1F-'l
qn
140
101
1)
,000
1.000
,000
1,000
.000
1,000
Block
B l o c k0 : B e g i n n i n g
ModelSummary
Iteration Historya'D'c
-2 Log
likelihood
328,996
328,996
328,996
Iteration
Step
Coefficients
Constant
.z9t)
,293
.293
Estimationterminatedat iterationnumber
5 b"a*r*
parametereslimateschangedby less
tnan .O0i--""
Hosmerand LemeshowTest
Classification Tablea
Predicted
ObseNed
Step0
probsleeprecode
01
no
yes
138
103
Predicted
Percentage
Correct
0
0
100.0
.0
proDsteep recode01
no
yes
Ohspruod
'l
OverallPercentage
01
yes
28
JZ
Overallpercentaoe
1U
Percentage
Correct
7 9 ,7
68,9
75,1
3. The nr
rr r/.1,
ta is
i- a^^
cut
value
,500
Step 0
Constanl
S,E.
130
..ZYJ
Wald
5,O47
dt
Exo(B
Siq.
.ul3
746
..r08
1
"g"
getsleprec( 1)
Variables
sex(1)
rg"
getsteprec(1
)
staystprec(1
)
hourwnit
OverallStatistics
Score
1,209
19,812
sB,1
83
17,709
70.017
df
Sio
.272
.373
,000
,000
,000
,000
1
1
1
1
1
Step
Block
Model
.716
1,984
-,448
ConstBnt
l,953
Variablelslenien
df
q
6
Selected
Slatusa
S
1Z+
Sio.
,000
,000
,000
Sio
Fxo(B)
,118
/31
,014
,r93
,660
,339
4,464
,325
, 16 5
37,311
7.366
1
't
1,451
,000
.007
1,812
,178
L.ower
,484
.994
2,046
,968
1.053
7,274
3.848
,639
7,053
,462
Uooer
.66
1.02.,
3 97f
r3,74B
CasewiseListb
4Z
OmnibusTestsof ModelCoefficients
Step 1
sEyslprec( I )
houenit
Case
Block1: Method
= Enter
Chi-square
76,020
76,020
76.020
-a
..006
dl
,Jt5
Observed
probsleep
recode01
n'"
v
227
zJ5
temporaryVariable
Predicted
870
tzo
IJJ
Predicted
Grorro
v
n
n
119
Resid
-,870
.874
,867
,881
121
a. S
e =
Selected,U = Unselected
cases,and ,- = Mir"l"]fruo
470
ZResid
-2,583
2,633
2,554
2,721
2,697
175
Tumadenjerezultatalogistidkeregresiie
Kao i ve6inaSPSS-ovihanaliza,logistidkaregresiiadaje obilje rezultata,pa
iu pomenutisamokljuine asPekte.
Najpre treba pogledatipoiedinostio velidini uzorka, date u tabeli case
Procesiing summary. Broi analiziranih sludajevamora biti lednak onome
koji steodekivali.Sledeiatabela,DependentVariableEncoding,kazujekako
je spSSpostupio sa Siframazavisnepromenljive(u ovom sludaiu,sa odgovorima na pitanleiryaju li liudi problemasa spavaniem).SPSSzahtevada te
promenljivebudu Sitrovanesa0 i 1, ali ie ih i samreiifrovati ako to prethodno sami nisteuradili (npr. ako su vaie Sifre1 i 2). Htela sam da moja pro'problem with sleep' bude Sifrovana sa 0=nrla problerna i
menljiva
1-problem, pa sam napravilanovu promenljivu(proceduromRecode- videti poglavlje 8) i reiifrovala prvobitne odgovore L=da, Z=ne na format
poieljan u SPSS-u,
tj. na 1=da,0-ne. Thkvo Sifrovanie(kada se postojanje
problema oznaiavasa 1, a nepostojanjesa 0) olakdavatumaienje rezuhata.
U sledeioj tabeli Categorical Variables Codings pogledajte Sifrovanje
nezavisnih(prediktorskih)promenljivih. Takode, u koloni sa zaglavliem
Frequencyproverite broj sludajevau svakoj kategoriii. Nemojte raditi sa
grupamakoje imaju malo sludajeva.
U sledeiemodeljku, Block 0, dati su rezultati analizebezijednenezavisne
promenljiveod koiih semodel sastoji.S njima iemo kasnijeuporeditirezultate modelakoji obuhvataprediktorskepromenljive.U tabeli Classification
stoji da je ispravnoklasifikovanihsludajevaukupno bilo 57,3 procenata.U
ovom primeru, SPSSje klasifikovao(nagadao)da nijednaosobaneie imati
problemasa spavanjem(samozato Stoje veii procenatljudi na pitanje odgovorio sa Ne). Nadamo se da iemo kasnije,kada unesemonai skup prediktorskih promenljivih,poboljSatitadnosttih predviclanja.
Prediteu slede6iodeljak,Block 1. Tu su rezultatiispitivanjamodela(skupa prediktorskih promenljivih).U tabeli Omnibus Tests of Model Coefficients dati su zbirni pokazatelji perfbrmansi modela, dakle razlika u
odnosuna rezultatedobijeneza Block 0, kada u model niie bila unetanijedna prediktorskapromenljiva.Taj test se zovegoodnessof fit,tj. koliko dobro model predvidarezultate.Za taj skup rezultataZelimoda budu veoma
znadajni(velidinaSig. bi trebalo da bude rnanjaod 0,05). U ovom sluiaju,
znaiajnostiznosi 0,000 (5tozapravoznaii p<0,0005).Stogaprogladarvamo
da model (s naiim skupom promenljivih kao prediktorima)predvidabolje
od SPSS-ovog
prvobitnog nagadanjaprikazanogu odeljku Block 0, dobijenog uz pretpostavkuda niko neie odgovoriti kako ima problema sa spavanjem.Pokazateljhi-kvadrat iznosi 76,02 uz 5 stepenislobodei to treba
navestiu izveitaju.
I rezultati prikazani u tabeli Hosmer and LemeshowTest podrZavaju
tvrdnju da je model dobar Tvrdi seda ie to SPSS-ov
najpouzdanijitestkvaliteta predikcile modela. On se tumaii sasvim drr"rgadije
od prethodno
razmotrenogomnibus.testa.
Kada je u pitanju Hosmer-Lemeshow
Goodness
of Fit Test,indikato.rslabogpr.duidn.rjo znaiainor,
-""i"
0,05;
dakle,
model je podrzanako je
"a
0,05. u,je
nai.* pri-"r.,,iJturnt.tj
hi_kva_
".."
"d
drat za Hosrner-Lemeshowtest iznosi 10,0r9
rnotuiro{r"o,,reo.To je viie
od 0,05, 5to znadida podrZavamodel.
"r
TabelaModel Summarykazujejoi neito o
upotrebljivosrimodela.Vred_
nosti cox 6c sne'R square i Nagerkerk. R sd*;;;i;i,i
t otit i deo va_
rijansezavisnepromenljivemodel objainlava (mrnrmum
je 0, a maksimum
priblizno 1). To su takozvanipseudopokazaterjtur.d.,orti
,i t, n" kvadrat), a
ne njeni stvarni iznosi, koji se mogu videti u
rezultatimuuis"rrrut . regresije.
U ovom primeru,ra dva pokazateijasu 0)7r i
0,363,Jr" ,""er da dati skup
promenljivih(moder)objainjavaizmedu27,r
i 3'6,3;;;;;;;
va'janse.
Prelazimona taberucrassification.u njoj
,u pokurut.r;rl"iil.o tadnomo_
del predvidakategoriju(ima problemasaspavanjem/nema
probl.rn" sa spavanjem) za svaki ispitivani_srudaj.
MoZemo ih uporediti ,l irroi-".,otabelom u Block o i yr.aelrpoborjianje postignuto
rr.ri";.rrr.- prediktorskih
promenljivih u moder' Thj moder ispr"unJkr"rifik;;-t;,i^
o.o..rrura svih
sludajeva(eng|.perce.ntage
accurary l, ,lorrifirrriJ',"piii,
!,o ;. bolje od
57,3 procenaranavedenihu Block 0. R.rultuti
prik";;i ; orloj taberisluze
i,Ta.izr.aiulavanje
drugih staristiikihpokazatelja,koji sedesto
navodeu me_
dicinskojliteraturi.
oserljivost (engl.sensitiuity) moderaje procentualni
udeo grupe sa ispitivanim obeleZjem(ngr
,u
,puu"njem)
je
koji
modeit"ino
prepo_
.g1o!!eznao (stvarno pozitivnih).
u ovom primer.r, mojel' je tadno klasifikovao
68,9 procenataosobakoje imaju probl.-u
sa spavanjem.odredenost(engl.
specificity).modelaje procentuarnludeo grupe
koju
rrp;*ano obeleZje
(nemaproblemasa spavanjem)koji
".*"
tti"a.r
tudno
pr.for'nno
;.
1r,uu.no,r.gativnih).U ovom primeru, odreclenost
iznosi 79,7 procenata(osobakoje
nemajuproblemasaspavanjem,za koje
modertutno i..a,ri;;;" nemajutih
problema).
Pozitivnaprediktivna vrednosrje procentuarni
udeo sluiajevakoje n-rodel
klasifikujekao da irnaju ispitivo'o
ob.r"z1e,a da se ono zaistaopaia u toj
grupi' Da bisteto izradunaliu tekuiem
primeru,podelitebroj sludajeva
u c.e-
observea=y91
1ZrI uirlpnimbrojemielijapredicted_yes
llilt;1,.r..11yes,
\L6 +_/r = 99) r pomnoZitesa
I TJ
_2,5)
manjiod
teba
3lj,:.3fll
p
a z r r l v l r er s p r t a t i ,p o S t os u s v a k a k o n e t i p i d n . i
( g g p r o c e n a , n, l u i r l . u u i m a r a j
pokazatelj
vidi seda
Da (imam
odgo_
da de od_
oogorouo
rezultatalogistidkeregresiie
Predstavljanje
Rezuitati ove procedure rnogu se predstaviti ovako:
Direktnalogistidkaregresijabila je sprovedenakako bi se ocenio uticaj vi6e
faktora na verovatnocu da Ce ispitanici odgovoriti da imaju problema sa spavanjem.Model sadrZipet nezavisnihpromenljivih(pol, slarost, te6ko padanje u
san, lako budenje i broj sati nocnog sna). Ceo model (sa svim prediktorima)
bio je statistidkiznadajan,c2 (5, N: 241) :76,02, p ( 0,001 , Sto pokazujeda
model razlikujeispitanikekojijesu i one koji nisu odgovorilida imajuproblema
sa spavanjem.Model u celini obja5njava izmedu 27,1o/o(r na kvadrat Koksa i
Snela) i 36,30/o(r na kvadrat Nagelkerkea) varijanse u spavadkom statusu, i
tadno klasifikuje75,10/osludajeva.Kao Stoje prikazanou tabeli '1, samo su tri
nezavisnepromenljivedale jedinstven statistidkiznadajandoprinos modelu
(broj sati nocnog sna, te5ko padanje u san i lako budenje). Najjadi prediktor
odgovorada osoba ima problemasa spavanjembilo je lako budenje,dijije kolidnik verovalnoce 7,27.To pokazuje da ispitanici koji se lako bude, preko 7
puta de5ce odgovaraju da imaju problema sa spavanjem od onih koji se ne
bude lako, uz sve ostale faktore u modelu jednake. Kolidnikverovatnoceza
broj sati nocnog sna iznosi0,64 i manjije od 1, dto pokazuje daza svakidodatni sat sna, ispitanici0,64 puta rede odgovaraluda imaju problemasa spavanjem, uz sve ostale faktore u modelu jednake.
Tabela 14.1 : Predvidanje verovatnoce odgovora da osoba ima problema
sa spavanjem
Stand. Wald
greSka
Stepeni
slobode
Kolidnik Interval95-postotnog
verovat- poverenja za kolidnik
noce
verovatnoce
Donja
granica
Pol
-0,11
Starost
-0,O1
Padanje
u san
Lako budenje
Broj sati
nocnog sna
Konstanta
0,31
Gornja
granrca
0,12
0,90
0,48
0,0r
0,19
0,66
noo
0,97
1,O2
O,72
o,34
4,46
0,03
2,05
1,O5
3,98
1,98
0,32
37,31
0,00
7,27
3,85
13,75
7.37
0,01
0,64
0,46
0,88
0,18
zo5
0,45
o,17
1,45
1,66
ru
Faktorskaanaliza
fr:liiilii.
nemoguie
ur"d;todoka
"ri- k;;;ima malopro-
fiilil'HlT::iil:]
i.t:1'19
M;:5Juo
pou"nnihprome,,
Ijivihmozese
i#'j::::l#:*;:ru
x;i#t"1'#i::';:n?':iii':Xlt'*";r.ffi
t::i.di'::,#;Tiii:r:3f,:??W,:"::;;tr;:
istraiivaniaiesroseisrrazivaikom
fotto?rton-,anarizomprikuprjaju podaci
o medusobnimvezama.:l:,p".p.;;;;ij;
5 druge srrane,potvrdujuierfak_
torska analizaje sloiepjjj
r roflti.irn,ri;;;rp
tehnika, koje se u kasnijoj fazi
tstraZivanjaupotrebrjavaj,
r" i;;i;;;;'.r;.'lporurau) konkretnih
hipoteza i
teorijao zajednidkoi
poditruktur; rk";J;r"menljivih.
kt3tn faktorskann"li=
ot rh;r;tr;,: razlidirih.madasrodnih
n^ nacYinu
t'o
tehnika.
sprovodenjaone se derena u"uri^
principal components
d";il'k;;;li.rrurn
1",rgt.
anarvsis,pcA) i a.,al# ;;il;,dkii.,t7"r.ro.,
common
t.rrgr.
factor analy.sri,cFa;. ,?.lrirkupl
,.t"ik;;lid;';;;;
rnnogo ie_
j.oa., u-.rro drugog.
Tu'p" ih istrazivadidesto.uporre.bljavaju
oba
dovode
brojari.earnih'kombin".;iu
l l , t uzadriava
li:t
f . u o u i t n i h p r o m e n t l i u rnt ra n a i i n
xo;t
(iri obiainjava)gravnin,u".i;"nr" (p;";;;i;r;;lri)
korelacija.Medutim,
u ,,.ut ,uri
.IJ
oni se i razlikuju p"_-",rS.
osnova.
analiziglavnih
Kornponenara'
prvobitneprornenljivesetianstormiiu
u manji skup linearnih
upotrebljavam u
Faktorska analiza se sprovodi u tri glavna koraka. (Termin
dakle' i za
smislu za bilo koju tehniku koja pripada ovoj porodici;
"pSi"- g l a v n i h k o m P o n e n a t a ' )
analizu
Korak1: ocenaprikladnostipodatakazafaktorskuanalizu
Korak 2: tzdvaianjefaktora
izdvajanje (ekstrakcija) faktora obuhvata odredivanje najmanjeg brola faktora koji dobro predstavljaju meduveze u skupu promenljivih. posroje razni
pristupi za identifikaciju (izdvajanje) broja pripadnih zajednidkih faktora ili
dimenzija. Medu najdeS6edostupnim tehnikama izdvajanja su i:
o analiza glavnih komponenata;
.
verodostojnosti;
alfa faktortzacija;
Kajzerov kriterijum
Medu najde5ie upotrebljavanim tehnikama je Kajzerov kriterijum ili kriterijum karakteristidnih vrednosti. Karakteristidna vrednost faktora je ukupna
varijansa svih promenljivih objaSnjena tim faktorom. Po ovom pravilu, za
dalje istraZivanje zadriavaju se samo oni faktori dije su karakteristidne vrednosti veie od 1,0, zato 5to vef i originalne promenljive zbog standardizacije
imaju varijansu 1. (Ovo ie vam postati jasnije kada proradimo primer u nastavku poglavlja.) Medutim, Kajzerov kriterijum kritikuju da u nekim situacijama zadrL.avapreviSefaktora.
Paralelna analiza
Sve popularnija tehnika, narodito u literaturi iz oblasti druitvenih nattka
(npr. Choi, Fuqua & Griffin, 2001; Stober,l'998), jeste Hornova paralelna
aializa (Horn, lg65). Paralelna analiza znadi uporediti iznose karakteristicnih vrednosti sa onima dobijenim na jednako velikom skupu sluiajno generisanilr podataka. ZadrLavaju se samo oni faktori iije su karakteristi.'uc'
vrednosii veie od odgovarajuiih vrednosti dobijenih na nasumidno generisanim podacima. Dokazano je da je ovaj natin odredivanja broja porrebnrn
komponenata najtadniji, zato 5to i u Kajzerovom i Katelovom kritcriiutnu
post;ii sklonost ta precenjivanju broja ko-porr"rruta (Hubbard 6c Allen'
u
1C8z;Z*irk & Velicer,1986). Ako svoje rezultate nameravate da obiavtte
I
iasopisu posveienom psihologiji ili obrazovanju, moraiete da izrai'unate
predstavite rezultate paralelne analize. Mnogi dasopisi (npr. Educatiottal anu
-Psychological
Measurement, !ournal of PersLnality Asseism"nt) to postavlja'.
ju kao p.eduslov da rukopis uopite razmotre za objavljivanje. U nastavKu
poglavlla demonstrirademo sve tri tehnike u sklopu uradenog primera'
ffgm**m*w
Primera
ObiaSnienie
malo
umereno
-8'-ucveljeno
1 .-zarnteresovano
prilidno
izuzetnomnogo
1S'-uzbudeno
2.-uzrulano
9'-snaino
16'-kao krtvac
3.-prestravljeno
1O'-odbojno
17'-oduSevljeno
4.-ponosno
11'-razdraZliivo
18'-dilo
S.-posramljeno
1 2'-nadahnuto
19'-nervozno
6.-odludno
13.-pa2ljivo
2O'-usplahireno
7.-aktivno
14.-uPla3eno
osecanja(PANAS)
Slika 15.1 Skalapozitivnihi negativnih
in-raskala pozitivnih
Primer istraZivadkogpii""i* fol,t f"ttto"ttu strukturu
PANAS)? Proila
scale'
i negativnih or"er.,|u'fnositiue *.,t1 Negative Affect
oseianje/nega(pozitivno
od dia faktora
istraZivanjaukazuju n" ,truktr.rrr.t
rrauzorupotrebljenoi
studiii'
tivno oseianie).Da Ii-iestr,rktu'askale-uovoi
saglasnas prethodnimistraZivaniima?
ku postojeie'zajednice,
Postupakfaktorskeanalize
Postupak(1. deo)
1. U glavnom menijuna vrhu prozoraotvoritemeni Analyze, u njemu izaberite
stavku Data Reduction, pa pritisnite Factor.
2. lzaberitesve potrebnepromenljive(ilistavkena skali).U ovom sludaju'ja bih
izabralastavke od kojih se sastoji skala PANAS (od pn1 do pn2O).Prebacite
ih u polje Variables.
3. Pritisnitedugme Descriptives'
U odeljku statistics treba da je potvrdeno polje Initial solution.
U odeljku Correlation Matrix, izaberite opcije Coefficients i KMO and
Continue'
Bartlett's test of sphericity' Pritisnite
4. Pritisnite
dugmeExtraction.
U odeljkuMethod trebada pi5ePrincipalcomponents(ili izaberiteneku
faktora,recimoMaximum likelihoodtj. metodu
drugutehnikuizdvajanja
verodostojnosti).
maksimalne
U odeljkuAnalyzetrebada je potvrdenopoljeCorrelationmatrix.
Screeplot;trebada je potvrdenoi poljeUnroU odeljkuDisplay,pritisnite
tated factor solution.
radio-dugme
Eigenvaluesover 1, ili,
U odeljkuExtracttrebada je izabrano
kadaZeliteda zadatebroj faktora,pritisniteNumber of factors i upi5itetaj
broj.Pritisnite
Continue.
DirectOblimini pritisnite
5. Pritisnite
dugmeRotation.lzaberite
Continue.
6. Pritisnite
dugmeOptions.
U odeljkuMissingValues,pritisniteExcludecases pairwise.
U odeljkuCoefficientDisplayFormat,pritisnite
Sortedby size i Suppress
absolutevaluesless than_. U to poljeupi5ite0,3.Toznadida ce bitiprilakSetumadili.
kazanesamofaktorske
teZineveceod 0,3.da bi se rezultati
7. PritisniteContinuei zatimOK (odnosnoduomePaste da bistekomandu
snimiliu SyntaxEditor).
Ovajpostupakgeneri5esledecukomandu:
FACTOR
/ V A R I A B L EpSn 1 p n 2 p n 3 p n 4 p n 5 p n 6 p n 7 p n 8 p n 9 p n 1 0p n 1 1p n ' l 2
p n ' 1 3p n 1 4p n 1 5p n l 6 p n 1 7p n 1 8p n 1 9p n 2 0
pn1 pn2 pn3 pn4 pnS pn6 pn7 pn8
/ANALYSIS
/MISSINGPAIRWISE
p n 9p n 1 0p n 1 ' lp n 1 2p n 1 3p n 1 4p n 1 5p n 1 6p n 1 7p n 1 8p n ' 1 9p n 2 0
KMO EXTRACTION
ROTATION
/PRINTINITIALCORRELATION
/FORMATSORTBLANK(,3)
/PLOTEIGEN
/cRrTERrAMTNEIG
EN(1) TTERATE(2s)
/EXTRACTION
PC
/CRITERIAITERATE(25)
DELTA(O)
/ROTATION
OBLIMIN
/METHOD:CORRELATION
.
PN2
1, 0 0 0
-.139
PN3
PN4
PN5
,346
-,141
.352
-,127
- . 15 2
, . 10 2
-.097
.346
-,071
1.000
.295
-,067
PN6
,352
,295
1,000
PN7
PN8
.407
-,250
,331
-.r52
.329
-.048
PN9
. 4l 6
PN1 O
PNl I
,396
.426
".056
, . 17 9
.Q77
-.043
PN1 2
.482
, 3 15
,401
P N 13
.491
- . 15 1
,329
- , 10 7
-.090
.413
-,177
. 3 17
PN14
PN1 5
PN16
,276
,.099
",121
PN1 7
.562
,368
.396
P N 18
PN'9
.466
-,148
.338
-,124
.451
-.050
PN2O
.,176
-,171
..025
-Meyer-Otkin
Measure
orSEffin[ Ad6!@
874
restotSphe.icity
Approx chi-Squa*
dt
3966.539
190
000
iomponenl
?,6ol Varianc
Iota I
6.250
3,396
1.223
Cumulative 06
31.249
16.979
60.130
,898
,785
3,926
68,546
.731
,60!
.499
.491 I
r,s64
,375
r.B75
,33r
J
,2ee
I
,o
3.248
3,004
2.92a
2,4ss
I
zasal
..gc I
1.4e6
|
|
I
|
1,414
I
1 . 1 1 7|
,175|
erq I
,2e3
64.619
75,476
.6s0
r9
5 4 . 3 4I
72,201
.655
t3
6.250
3.396
1,223
'|
,'158
44.224
6 , 1l 3
s,788
4,430
1 , 15 8
31 249
'2x I
78,724
41.728
84.656
a r . r sIr
es,ooz
I
e1.s71
|
e3.446
|
e5.100
|
e6,5s5
|
e8,0r0
|
ee,126
|
1 0 0 . 0 0 0|
Loddinos
Tolal
3l,249
31,249
16,979
48.22A
6 , 11 3
54 341
5,788
60 i30
190
.l
Poglavlje 5: Faktorska analiza
tj"!9 nlla
Deo lV: Statistidke tehn ike za istraZtvan;tuut"litYlu-.lp
191
Pattern Matrixa
Component
1
G
c
p
u
C o m p o n e n tM a t r i x a
474
,404
,621
-.o lq
.420
.609
.323
,607
,413
,600
-,591
,381
-,584
,449
456
.408
,582
,497
-.569
.545
-,554
.366
-.545
.459
.474
,477
,483
.432
.437
a E x t r a c t i o nM e t h o d :P r i n c i p aC
l omponent Analysis'
pn17
pn12
p n l3
p n1 8
p n1 5
pn1
pn9
pn6
pn7
pn4
pn3
pn14
p n1 9
pn2O
pn8
p n 10
p n 11
pn2
pn5
pn16
,oJo
,795
,735
7at
,721
,708
,638
604
578
531
,909
,8BB
,799
,677
,477
,434
Extraction
Method
: eiiffisrs.
413
BOB
707
473
,830
,773
RotationMethod:Obliminwith KaiserNormaliiation.
a. Rotationconverged in 8 iterations.
Tumadenjerezultata
Kao veiina ostalih SPSSprocedura, i ova daje
mnogo rezuhata.u ovom
odeljku,proveiiu u", kro, kljudni deo potrebnih
informaciia.
Korak 1
Kako bisteproverili da li je skup podatakaprikladan
za fakrorskuanalizu,
pogledajteda li
ie vrednosrpokazatellaKaiser-Meyer-olkinMeasure of
(KMO) jednakaili veia od 0,6 i au n je vrednostpo_
iliptl:s3d:qu.ug
t<azatelja
Barlett'sTest of sphericity znatajna (tj. da je vrednostsig. 0,0j ili
ovom.primeru, pokazateliKMo iznosi 0,g74, a i Bart'ietovpoi11"i.l: !je
<azatelj
znadajan(p = 0,000),te je faktorska analizaopravdana.U tabeli
r:r,'..e se program
Monte Carlo I
p;{+d:#
}ltff,$f
iii;''"'";,'*',rl*:#i{fu
U]il*:
,i1;'i,Tlii,?""'1:l'-'ri'"i.ri!i'.-i{"11?*
-..J:.f
Korak 2
iil?
t u."t *.i,ir*;';;i::.:l
-vvrrv*r H
i' i p';k; ;i,'.,i"1
L'r ruu ttzoraka
JT:i"' sludajnih
1vrecrn
Da bismo odredili koliko komponenata(faktora) da izdvoiimo, razmotri(enro deo rezultata.Po Kaizerovomkriterijumu,zanimajunas samokomponente dila je karakteristidnavrednost 1 ili vi5e.Da bismo odredili koliko
komponenatazadovoljavataj kriterijum, pogledaiemotabelu Total Variance
Explained.Proiitajte brojeveu prvih nekoliko kolona, pod zaglavljemInitial
Eigenvalues.Navedene su karakteristiine vrednosti svih komponenata. U
ovom primeru) salno prve ietiri komponenteirnaju karakteristiine vrednosti
iznad 1 (6,25, 3,396, 1,223, 1,158). Te detiri komponenteobjainjavaju
ukupno 50,13 procenatavarijanse(videtikolonu Cumulative7").
rabeli 15.1).
brojeva lvideti
;;';
.xi11;#'r-'
ij.1.Ji*";:T"'Jtr*{Hf,ilTlJffi
j
e
-,'r+;;.*l.;,"i,&::if,t::
- d,,i;;
;;
?j
m
r
:*:;,
rimeru. fi;;,r,:ff"i"i111
"".":i
;; ;+i"1r
: #'i]'.X ::g
:,Ufl
::f ,:;:f .l
"i:1"
za<triimosamodvai-:#,"1';';il"'il:"Hi:"::-rff.tistraiivani
Korak 3
Videieteda je broj komponenatakoje zadovoljavajuKajzerovkriterijum desto prevelik,pa obaveznotrebapogledatii dijagrarnprevoja(Screeplot)
koji
je SPSSnacrtao. PotraZitena njemu prevojnu taiku. ZadrLavajuse sarno
komponenteiznadte tadke.U ovom primeru,sasvimje jasanlom dijagrama
na spoju drugei tredekomponente.Komponente1 12 objainjavajumnogo
veii deo varijanseod preostalihkomponenata.Na osnovuovog dijagrarna,
preporuiila bih da se zadri.esamo dve komponente(tj. izdvoje samo dva
f'aktora).Postojijoi jednatadkaloma, posleietvrte komponente.U zavisnosti od kontekstaistraZivanja,i njoj bi moZdatrebalo posvetitipaZnju.Ne
zaboravite,faktorska analizaje tehnika istraZivanjapodataka,pa su tumadenjerezultatai naiin na koji iete ih upotrebitiprepultenivaiem sudu,a ne
bilo kakvim dvrstimi strogim statistiikim pravilima.
Korak 4
Treii nadinodredivanjabroja faktora koje treba zadrLatijesteparalelnaanaliza (takodeobradenau prethodnomdelu poglavlja).U tom postupkukoristi
sespisakkarakteristiinih vrednostidat u tabeli Total VarianceExplainedi jod
neki brojevi koje morate pribaviti iz jednog drugog statistiikogprograma
(koji je napisaoMarley Watkins,2000), dostupnogna prateioj \X/eblokaciji
knjige. Sledite hipervezedo Web lokacije Additional Material i tamoinju
komprimovanu datoteku parallel analysis.zippreuzrnite na svoj raiunar.
Raspakujteje na ivrsti disk i pritisnite datoteku MonteCarloPA.exe.
Tabela15.1:Rezultatiparalelne
analize
'l
7/03/2004
1 : 5-8-: 3 2A M
Nurnberol varrables.
;;
Nurnberol subiecls
Or,
r \ u m D eor f r e p l r c a l r o n s
l0O
Eigenvalue
1
z
3
4
5
6
t
g
9
10
lr
12
13
|4
15
.16
t7
i8
19
20
RandomEigenva,ue
1.3984
13277
1,2733
1 2233
r,1832
1 1433
1..,052
j.o6z9
.l
.0389
1.0033
O9 7 1 2
o.93BO
o.9os1
0.8733
0,8435
o.B.ro7
0.7804
o . 74 4 g
o,/o9o
0 6582
/to3t2oo411b8:bo
AM
pcAforpararler
Anarys
s
;l::j:c^1,:
standardDev
::::
::::
.v.e1
,0236
:]:l
w.uo
,0192
n 107
0186
n1q"
orSo
,417s
n 1e 7
.o l z9
,0187
n 1pq
o19o
.0194
33i:
Watkrns,
M * ,r0ool"r".,#,
pA Eoapsvc.,'nl;:;;;r"""''tPCArorpararrer
anatysis[coTDutersolware]
srarecolleop
Pl vl
I ler rrjrYrr I
Vrednost dobiiena
paralelnom analizom
Odluka
6.250
1.3984
prihvatiti
3.396
Stvama karakteristiina
wednostiz PCA
2
3
5
1.3?77
prihvatili
I zlJ
1.2733
odbaciti
1.158
1.2233
odbacili
1.1832
odbaciti
898
Communalities
pn2
pn3
pn4
pn6
pn7
pn8
pn10
p n 11
pn12
pn'13
pn14
pn15
pn16
pn17
po18
pn19
Korak 5
poslednjatabelakoju treba pogledatije
Vraiamo se na rezultateiz SPSS-a;
ComponentMatrix. U njoj su nerotiranefaktorsketeZinesvakeod stavki
(promenljivih) za te detiri komponente (faktora). SPSSpodrazumevano
upotrebljavaKajzerovkriterijum (zadri.atisvekomponentedije su kerrakteristidnevrednostiiznad 1). Videdeteu tabeli da veiina stavki ima pristojno
velikefaktorsketeZine(iznad0,4) za prve dve komponente.Vrlo malo stavki
uopite ima faktorsketeiine za komponente3 i 4. To ukazujeda bi reSenje
sa
sarnodva faktora bilo primerenije.
Postupak(2. deo)
Ponovitesve korakeiz 1. dela postupka,ali nakonStopritisnetedugmeExtrac'
Continue.
tion, pritisniteNumberof factorsi upi5itebroj2. Pritisnite
Evodelatih rezultata.
1,000
1.000
1,000
'1.000
1,000
1.000
1,000
1,000
1,000
1,000
r,000
.543
,308
.258
.377
.445
,553
,cta
,355
.440
,586
,s38
.548
.462
Extractron
uetnooFtiiZrEfriiiinl
Anatvsis
Tota, Variance Explained
Extraction
sumi oi5fri?ei
Korak6
Prenego5to donesetekonadnuodluku o broju faktora, trebalobi da pogledate re5enjesa detiri rotirana faktora prikazano u tabeli PatternMatrix. Prikazanesu faktorsketeLine(veie od 0,3) za ta detiri faktora; komponentaI
inra desetfaktorskih teZinaiznad 0,3, komponenta2 pet,komponenta3 detiri, a komponenta4 samodve.Idealnobi bilo da svakakomponentaima tri
ili viSefaktorskih teLina,pa ovo reienje nije optimalno, Sto joi jednom podrLavanaiu odluku da zadrLimosamo dva faktora.
podrazumevaneopcije dobili smo reienje sa detiri faktora.
Uz SPSS-ove
Moramo se vratiti i nametnutireieniesa dva faktora.
1,000
1.000
1.000
r,000
1,000
1,000
1.000
'r.000
6
7
I
I
10
1'1
12
13
14
15
to
3,396
1,223
1,158
.898
,/65
16,979
6 , 11 3
5.788
4,494
3,926
,731
.o f , 5
OJU
,601
,586
,qa
.491
,393
.J/f,
,331
.299
,283
,223
3.275
3,248
3,004
2,928
2,495
2.456
1,964
1.475
1,653
't,496
48,228
54,341
6 0 . 13 0
64,619
68,546
72,201
75.476
78.724
81,728
84,656
87,151
89,607
s 1, 5 7 1
93.446
1.414
1,117
.874
nalysis
sums of squaredloadings
cannot
19
Poglavlje15: Faktorskaanaliza
ComPonent
Matrixa
Structure Matrix
Component
.t
p nr /
p nl 8
pn7
pnB
pn9
p n 13
pn1
pn2
pn3
pn14
po12
p n 1g
.474
.4U
,trl9
.639
,6?1
.614
.609
.607
,600
.591
,584
,583
.582
pn'l1
pn2D
pn4
pn16
pn5
pn15
pn6
pn10
.420
.323
.413
.381
.408
,449
.456
,497
,545
,366
,459
.l)4
pn17
pn12
p n 18
p n1 3
pn1
pn9
p n l5
pn7
pn6
pn4
p n1 9
pnB
pn14
pn3
pn2
pn20
p n 11
pn16
p n l0
pn5
.545
.474
,357
,474
.429
,483
,477
,437
,432
a)a
.416
ExlractronMethod PrincrpalComponentAnalysis
a. 2 componentsex'tracted
Pattern Matrixs
ComDonent
pnl t
pnl2
p nl B
pn'l3
pn15
pn1
png
pno
pn7
pn4
pn'19
pn14
pn3
pnB
pn20
pn2
pn'l1
p n 10
pn16
pn5
,aa3
.781
.742
.728
,703
,698
,656
,828
,763
,755
,733
,710
,683
A7n
,040
-,338
,605
,553
,784
,t.+z
,740
,737
,717
,712
,66'1
,593
,590
,505
.oJ3
.540
,B06
.739
,734
,728
,718
.7M
,645
,6'13
.589
.490
ComponentCorrelationMatrix
omponent
,|
z
1,000
-,277
-,277
1,000
Extraction
trrtffi
ty",r.
Rotation
Method:
Obtimin
witnxaiseirrroirJii"t,on.
19
198
veza izmedupromenlJlvln
Deo lV: Statistidketehnikeza istraZivanje
Tumadenierezultata
(2. deo: oblimin rotaciiadvofaktorskogre5enia)
Poglavlje i S: Faktorskaanaliza
199
Predstavljanjerezultatafaktorske anarize
FaktorsketeZine
Koeficijentikorelacije
promenljivihi faktora
nli;::::^Tf"i:-H:Ji-",1'.l
j" il;il::lt:"
pANAs)
biro
scare,
li;
podataka
prikradnost
ocenjena
u];r-"
eC{
l;ffi;';j;
;:ifr 53i3:Jil:
koje
p'"gi"ao* korelacionematriceotkriveno mnogo
za faktorskuanalizu'
pokazatelja
i
novog
Ut"9::"..:*"t-Mejer-Okl
eficijenatavrednostitSY "*"'
O'O(Kaiser'1970' 1974)'I
bio je 0,8?,5to premaSuielregolu6;1y,Yt",!no"tje statisti6ku
znadajnost'
(Aunl"u' 1954) dostigao
Bartletovtest sferi6nosti
korelacionematrice'
Sa ."" ,l-uje na faktorabilnost
s karakdetirikomponente
otrrila
1eprisustvo
Analizaglavnihan1o"""""l
i S'aVo
31'"'-':,tll'^2'^Ut'1%
preko1' kojeobja5njavaju
vrednostima
teristidnim
tadke
je
postolanje_jasne
prevoja,utvrdeno
varijanse.pregredomiiiugr"."
(1966)
odludekriterrjuma
Katelovog
lomaizadrugekompo;;;"' Na osnovu
komponente'To su podrZalii rezulzadr2edve
no je da se za daljei"t'"Ziu"ni"
vrednosti
6ijekarakteristi6ne
sa samodve komponente
analize,
tati paralelne
mavelike
pomocu
lednako
oogouurafiil u'"Ano"tipragadobiiene
prema5uju
435 ispitanika)' ..
iricesluiajnihbrojeva(20 promenljivihx
O.U'
ilo1eukupno
objasn
Todvokompon"ntno'"Sunje
?tf
l:liifl:?'
?t:?il:
'akse
Dabise
17'00/o'
a 2' komponente
3i,256/o'
j" #il"s;'.t;;;""te
rotacija'Rotirano
je
te dve komponente'sprovedena oblimin
protumadile
1947)' pri 6emu
(Thurstone'
f"J""i1."1'"estrukture
re6enjeje otkrilopostoj-anf"
o b e k o m p o n e n t e i m a l u m n o g o v e l i k i h f a k t o r s k i h tte
e2inaisvepromen|jivedaju
Tumadenje dvekomponente
znatneteZinesamopo l"anoioOkomponenata'
skalePANAS'pri demusu stavke
istraiivanjima
biloje saglasnos prethodnim
ose1' a stavkenegativnih
osecanjadaleveliketeZinekomponenti
pozitivnih
negatlvna
slaba
postoji
faktora
dva
2' lzmedu.ta
canlavelikete2inekomponenti
kore|acija(r:-0,28)'RezultatioveanalizepodrZavajukoriscenjestavkipoztStosu
oseialJl.uoblikuzasebnihskala'kao
tivnihosecanjai stavkinegativnih
or"afoZifiautoriskale(Watson,Clark&Tellegen'1988)'
U i z v e S t : r j u t r e b a n a v e s t i i m a t r i c u s v i h f a k t o r s k i h t e Z i n a ( nreSenie
esamoonih
promenliivihi faktora. ukoliko ie
L"r"L.,i"
i
matri*
0,3)
od
veiih
navestii faktorsketeZinei kodobiieno oblimin t;;i;;'-;;i.11"ttr'"3
(moZei u istoi tabeli,kao dole)' te
eficijentekorelacijepr"-."iiitih i faktora
faktorsketeZir.o,.r".i;. faktora.Da bistedobili sve
koeficijentem".l.'sobn"e
(npr' u ovom
za odrrbranokonadno reSenie
ne, morate ponoviti
"""li"t
ali ovoga puta uz iskljuienu opsluiaju za dvofaktorrt .r-otrti-in roraciiu), (videti odeljaksa opisom pociju da se prikaZu,otno tto"fitiienti-iznacl0'3
uklonite
i u odeliku coefficient Display Format
stupka). pritisnite d;i.;;
than
less
'3'
ub'olrrt" values
kvadicu iz drugog p"ii", S"ppt""
Deo
varijanse
objaSnjen
za;ednidkim
faktorima
17 odu5evljeno
12 . n a d a h n u t o
18.dilo
13. paZljivo
15. uzbudeno
0,703
0,686
o,586
0,572
0,538
1. zainteresovano
0,698
0,119
-0,043
0,683
-o,278
9. snaZno
-n no"
0,505
0,656
o,670
-o,076
6. odlu6no
o,475
0,635
0,646
-0,338
7. aktivno
o,377
o,599
o,107
-o,172
0,605
-o,069
4. ponosno
0,540
-0,045
0,079
-0,003
0,806
0,553
-o,144
0,784
0,620
0,739
-0,253
o,742
0,548
o,734
-o,207
o,740
0,543
o,728
-0,213
o,737
u,cc3
o,718
-o,242
o,717
o,507
o,704
- 0 , 17 5
o,712
0 , 5 16
o,440
19. nervozno
14. uplaSeno
3. prestravljeno
8. ucveljeno
2O. usplahireno
2. uzr$ano
-0,01
0
-0,052
o,o24
-o,o47
0,710
-0,236
-n 10F
o,462
o,445
0,308
1 1. razdrailjivo
-0,057
0,645
-o,236
10. odbojno
0,661
0,6r3
-o,176
0,080
-0,013
o,593
0,589
-0,090
5. posramljeno
0,590
-0,055
0,352
0,505
0,258
- 0 , 19 1
0,490
Napomena.Podeb|janesug|avnefaktorske,"zin",t.o"tffi
Ako rezultare
u??li1:predstavljateu tezi (zarazliku od dasopisa),
tre_
"u.
balo bi da u dodatak
ukrjuiiti i d;.;;;evoja
i tabelunerorira'ih fakror(iz-ta.bele
component ita?rrir.fr"ko bi ditaract"r, jobio
lltl-t:''t":
priliku
oa proveri slazeli se s
vaiorn odlukorn d,a zad,rlitern-o du.L*ponenre.
-.-Predstavljanjerezultarau aasopiruolitno je mnogo krac.e,zbog ogr:r-
prosrora.
ukorikozerire
daviditeobjavr;."tr"i"r"?lLo.rt ol o,ru_
ill:tno*
Irzr'
potraiireg. na
http://www-rrqro.."-)."";;3/fi;
iri sredite
ig-r:ti
nlpervezena prarec<oi
rVeb
lokacili ove knjige.
DodatneveZbe
Poslovnookruienje
Poiedinostio datotecivideti u
Datoteka s podacima:staffsurvey3ED.sav.
dodatku.
1. U skladu sa uputstvimadatim u celom poglavlju,sprovediteanalizu
glavnihkomponenatasaoblimin rotacijomza desetstavkislaganja(od
Qla do Q10a) koie sadinjavaiuanketu Staff SatisfactionSurvey.Videiete da dijagram prevoia ukazuje na to da treba zadrl'atisamo iednu
vrednostiveie od
komponentu,iako dva faktora imaju karakteristidne
i
stavki.
Njeni rezul10
za
523
sludaia
paralelnu
analizu
1. Pokrenite
jedna
vrednost
karakteristiinu
irna
komponenta
tati pokazujuda samo
broskupa
sludainih
koja premaiujeekvivalentnuvelidinudobiienuiz
jeva,5to ukazujena to da stavkeskaleStaffSatisfactionocenjujtrsamo
jednu zajednidkudimenziju(faktor).
Zdravstvo
Pojedinostio datotecivideti u dodatku.
Datotekas podacima:sleep3ED.sav.
1. Pomoiu postupakaprikazanihu poglavlju 15 istraZitezajednidkuosnovu niza pitanja osmiSlienihza ocenuuticajaproblemasa spavanjem
na razne aspekteLivota.Te stavke su nazvaneod intpactl do intpactT.
Pokreniteparalelnuanalizu(za 1'21'sluiaj i 7 stavki)da bisteproverili
koliko faktora treLtazadri.ati.
DEO V
Statisticketehnike
za poredenjegrupa
Za ispitivanjeznadajnihrazlikaizmedugrupa
posroji ceo niz rehnika.programski paket SPSSsadrzi mnogo
rtntir"titkrh t"hrril", a ovcleiu obraditi
samoone glavne,i to i parametaiske
par:amerarske
i neparametarske.
tehnina viSeprerpostavkio populacijiiz koje je izvudenuzorak (npr.
:: l_otlu'rl
qa
su rezultatinormalnoraspodeljeni)
iprirodi tih podaraka(da su mereni
na intervalnimskalama).Neparametarske
tehnike,r.-nj,., ,"ko ,rrog. pr.rp-ostavke
i destosu prikladnije,a male uzorkeili kada ,,, prit
uptl"ni podaci
tzmerenisamo na ordinalnim_
skalama(diji se iznosi -og., ,u.riirati). u narednoj tabeli dat je spisaksvih tehnika
obradenih, ouoi, pogr?ur,".
obraekuiualenata
Lista Pdrdmetarskih tehnikai niihouih neparametarskib
denilt tt Petom delu
hi-kvadratza kvalitet
aproksimacije (fitovanja)
hi-kvadratza nezavlsnost
T-test nezavisnihuzoraka
U test
Man-Vitnijev
Vilkoksonovtest ranga
grupa
ANOVArazliditih
Jednofaktorska
Jedno{aktorskaANOVA ponovljenih meren1a
Dvofaktorskaanalizavarijanse (razli6itihgrupa)
Multivariiacionaanalizavarijanse(MANOVA)
o tome koia ie
U poglavliu 10, provelasam vas kroz procesodludivanla
pitanie' Odgovor se
,tutiriidfu teirnikaprikladnaza konkretno istraZivadko
podatakana ra-.n;" u zavisnostiod prirode istraZivaikogpitania' vrste
to poglaproditali
niste
(Ako
dosad
spolaganiui broja promenliivihi grupa'
koie
tadaka
kliudnih
Evo
ui;., ,i.U"to bi .la ro uraditepre nego5tonastavite.)
tehnika:
tr"bu i-"ti u vidu kada se tiaZi prikladna stzrtistidka
. Tttestovrse upotrebljavajukada imate samodve grupe(npr.muSkarci/
intervencije)'
zene)ili dve taike u vremenu(npr.pre intervenciie,posle
.Tehnikeana|izevartjanseSeLlpotrebljavajukadaimatedueiliuiie
grupa ili tadakau vremenu'
. Tehnikeuparenih uzorakailiponovljenihmereniaupotrebliavaiuseza
uzorke'
testiranjeistih liwdi u uile naurata, tlikada imate uparene
se
. Tehnike analizerazliiitih grupa i nezavisnihuzorakaupotrebliavaiu
kadasusubjektiusvimgrupamarazlit.itiljudi(||inezavisni).
seupotrebliavakada imatesamoied. Jednofaktorskaanalizavarijanse
nu nezavisnupromenljivu(npr' pol)'
. Dvofaktorskaanalizavarijansese upotrebljavakada imate dvenezduisnepromenliive(pol, starosnagrupa)'
. AnalizavarijanseviSezavisnihpromenljivih(multivarijacionaanaliza)
upotrebljavasekadaimateviSezauisnihpromenljivih(anksioznost'
depresija).
. Analiza kovarilanse(ANCOVA) upotrebljavase kada treba stzrtistidki
promenliive kola
kontrolisati trr'tto"iti) uticaj dodatne, remetiladke
promenljive'
utidenelvezu izmeclunezavisnei zavisne
Pretpostavke
Na nekim opitim pretpostavkanapoiivaju sve ovde
razmotreneparame_
tarsketehnike(npr' r-testovi,anarizivarijanse), p";.;;;.lnike
sezasni_
"
vaju i na dodatnim P::.?:::""k"ma. opSte pr.tport"uk.
fr"artuull"-o u
ovom poglavlju,a specifidnije
pretpostavk.,,,nut.anr- p.ri"rrii-",';;';":
trebi. Trebalo bi da.sevra6arena ovaj uvod kudn bui"ti
plii''..,;ruuri neku
od tehnikapredstavljenihu petom delu knjige.Rnr-ur.u.,i"
fostupaka pro_
verezadovoljenjapretpostavkivideti u rntn'.h.ri.t
r Fil;iij;;07,4.
pogra_
vlje). Dalie razmatranjeposledicanarusavanja
tih pretpostavkivideti u
knjigamasrevens(199G,6.poglavlje)i Grass,p".kh"ir-id";;;r,
l97z).
Nivo merenja
za sve parametarskeprisnrpe pretposravk je
a
da se zavisnapromenljiva
meri na intervalnojskali (pa rastojanjaizmedu
brojc:anihur.Jnorri odgovaraju rastojanjimaizme'duobeleZjakola se
mere).Dakle, upotrebljavasene_
prekidna skala,a ne dis.krerne
kategorije.Kad god ;. ," -rsrce pririkom
projektovanja istraiivanja,pokuiajtJ'dn
upotr"bite neprekid'J'rr"r. zavisne
promenljive,a ne kategorijske.Tako
stidetemoguinost upotrebeveieg broja
tehnika analizepodataka.
Sludajnostuzorkovanja
Parametarsketehnike obradene
u petom delu knjige zasnivaju se na prerpostavci da su rezulrati dobijeni
iz sludalnog uroik"u pop,rln.ij.. u stvarnim
istraZivanjima ta pretpost"uku
d.r,o nije zadovoliena.
Nezavisnostopservacija
wpservaciie
od koiih sesastojepodacimoraju biri uzajamno
rrezavisrre,
rj. ni
op-servaciju
ili merenje r-. ;;i."ti nijednadruga opservacija
i1l:dl"
ili
";
ove pretpostavke
ima vrlo ozbiljneposledice;raspravuvi_
iliiil,f:,Y.enie
(r996, str.238). U brojnim istraZivadkim
situacijama,
il:::y',]^5rwensa
"rJr 5cprerpostavkao nezavisnosti.
u nastavkudajemprimeretakvih studija
koje su napisatiSrevens,1996, st'r.;;;r-ier^retter
S;;lr-"*11]<niisa
&
wallnau.2004.str. |
2.5 ):
' Istrazivanje
uii'ka studenarakoji rade u parovimaili malim
grupama.
Ponaianjesvakogilana grupe utidena sveostale
dlanovei tako sekrli
Pretpostavka
o rrezavisnosti.
206
UeO
V: JIatlStluKE
LvrrrrrAs4s yv'vsv"J-
Y'st/s
su
d:t: vezis gledaniemTV-a' kada
navika i preferencij".
o IsrraZivanie
-tdetetau porodici (kole' recimo'
zato
decaizi'tt po'odil"''lo"oSu"i" iednog
su-"osralu decu iz te porodice;
gledaprogr"l ^i;lli:*:
"'id"'""
nisu nezavtsne'
opservaciie
:^.^:..:: -;ih^.rno rrtic n:r pou uiionici i njihovog utrcala
. Istra7,ivanl"*t'oJn pouiavanja
stuPrisustvomalog brola problematiinih
si"d"ttutu'
,di"ak
i
naianie
ponaSanjai uiinka
t;" ostale; '"'o #t""ja
denata *ozt ''"it"li;;
poledinacanisunczavisna'
grupili mereniaprikupliaiuu
u koiol se opscrvaciie
mogu
Za svakusitr'racilr'r
poi"'g"ttti.nekom obliku interakciie' (hiienom okruZenluili '" 'Jltftit
nivoa
l";ito ie modelovanieu viSe
biti potrebn" ,p.tifit"il'Ji;;i[t'
uobitaien u istraZivanitll^\:,':obuhvataiu
rarhiisko).Tai pristui'';';;;"
razliiitim
gr"d""i*1; ili studiies paciientima'
decuu udionici," 5k#;;;
tt gtndu ili zemlii'u'de o
medicinskim.p"tiiuti'i*;';;;;t;tili/kancelariii' i Fidella (2007\'
[";igt Tabachnicka
tonre videti ., rs' pogiffi
Normalnost raspo.dele,.
-.-t*^+^samo
kada su populaciieiz koiih
rezuftate
Parametarsketehnike daju tadne
(naroditou
U mnogim istraiivaniima
su uzorci.rr.,i t'o'-il"t'*tn"atfiene'
raspopromenliive
lt::.:::"lno
pretdruStvenimnu,rtn'tuj,-urednostj'":::"
ove
ti' naruiavanie
fe prilidno robusna'
deljene.Sreiom,uteill;;h;i["
dovolino
tt"'ltota' Kada su uzorci
postavkeprouzroKuiemalu netadno't
rrt Ol:l"iif"'1:
ou"p"tpo'tnuk"
veliki(npr'p,.oo'dtlp'J'*tii"l' k'i"nitrezultataza svaku grupu moze'se
li"tp"a"la
"lii;;;;;"-".'koi
prouzrokuie""t" o;;;;;t'
menrla
i se crtaiu p:*:::
?.lil;""*
Taproveriti pregteoom
opis tog-procesavideti u knlizi
'
(vrdett
#i;;;ti"p"atr'"iii
Graphs
poglavtlel'
bachnickai Fidella(2007'4'
Homogenostvariianse
str
temeliese na pretpostavcida
paramerarsk.,.n"il;''lr'orrog d.l" kniige
promenliivost
da
vu"l1"rrti.'ioznadi ie
uzorcidobiienii, p.p"r".i;ai"ednakih
r'rskloptt
irii,iunnje te homogenosti
zu
anst'
rezultatausvim ,rd;;;d'""1*.
varii
osrrntl. L*eneov test i ednakosti
t_tesrovar analiza#, "*t,'ioii
Niegovirezultati"tdtosPSS-ovogizlaz'azatetehnike'BuditepaZljivitttu(ti' da mu
t9 q" n"r'" zateliniie znliaian
maienju rezultatat;t;;;;#
manju od 0'0-5'.to
f"J" aoL'tiiit"znadai.tost
,nto'-JdOlbjl.
,t
hoznaiajno
ie
i da ne vaZi pretpostavkao
na""r'e
;:t;';;J;;
davariianse
znaii
"ittk"i" tanl seto dogodi' Analizavariianse1e
mogenostiu"'i,u"'l' tit ;;;"tiJ;
ukoliko su veliiine grupa
te'prerpostavke
prilidnoneosetlllvana naruiavanie
1'5; Sttt'"ttt'1?96'str'249)'Ut-tepribliZnosliine(npr-naiveiainaimania'=
u koiima pretpostavka
Ieaanza'situaciie
,to.,,im"dobiiate d;;;il;;;il;;"'
samoupotrebiteonal
kada lest::U '"- sluiaiu'
a, a drugi -zaone
niie naruSen
podacrnra'
,k.rp ,""rrlt"ta koii odgovara
veliiina uzorka;
v e l i i i n a u t i c a j a i s t r a Z i v a n er a z l i k e i z m e d u g r u p a . t j . L r t i c a j an e z a v i s n e
promenljive; i
alfa nivo (rizik grelke I vrste) koji je zadao istraZivad (npr. 0,05/0,01).
brojaraztiiitih
porectenlr.
ft ; ;;il zr-y$,^:i;';:;ifit
je
znadajnosr,
,lfiJ*:T:
koju utoliko teZepostiii. Kocr
rnarihu;;;"k"';" ume <ra
bude
problem,zaro iro je ponekadvrio teiko
dobiti ,""tri""l?rurtut, i"k
i kada
je vidljiva razlikau rezulfarimaizmedu
grupa veomavelika.
posrojei brojni
testovikojile *rra;;;;;;,ilo;p,i,odi
i stro_
gosti' Razlikujuse1{n1dni
i pretposravkena k.jima sezasnivaju.
Li
nekima
se
prer_
posravljada su varijansed11 grupe jednaf."
t"pL f"f.:;l;,
drugima se ne
pretpostavl
j i.o"if::',
o,,3,,;tt."
"
Iil, :tesrovi-n
1,.r-t:nr. ,.y Tukejev a ;;;." Meclunajdeiie
upotrebliavanim
naknadnim
Velidinauticaja
Svetehnike razmotreneu ovom d_elu
knjige pokazuju da li je razlikaizmedu
grupa statisridkiznaiajna(tj. nesludajna).
zaveiinu rr,ruziurtn i studenata
nastupi trenutak uzbudenjakada
utvrde da su njihovi rezuitati statistiiki
znatajni! Medutim, istraZivanje
znadivile od dobiiarr;u,rrriJtr." znaiajno_
sti' verovatnoia ne pokazuje
*.p." f"".zanosri promenrjivih(jadinu
veze).
Kada su izradunateza verik-e
urork.i t"t i .,rrto-nr" .uriit . ir-.d,,
gr,rp,
postajn statistiiki znaiajne.To
n" rnndi da;e
imala,ikakvupraktidnuili t.orllskr;;;;"r,. ta ruzrikadovorjnovelika da bi
Jedanod nadinada ocenite;"t"";;';;.jih
rezultatajesteda izradunare
velidinu uticaja (engI..effect
tir"l, ri. iuiiu ,r"r. izmedu promenljivih.
To je
skup pokazateljakoji pokazuje
;.1";i";,r veriiinu razriia ir*"a, sredn,ih
vrednostiili iznos ulupn.
,r.iir*.',
,"uirno, promenljivoj koli se moZe
predvideti na osnovu poznavanjavrecrnosfi
nezavisnepromenljive (Thbachnick & Fidell, 2007,str.
54).
Ima viSepokazatelja,.yriieilg
uticaja- Za. pored.enje
grupa najdeiie se
aiu pokaz.atelji
proarot i Koenoud.
parciiatrri
.11otte!fi1v
spss izradunava parcijalnieta kvadrar
"io
u ,kropu analize
varijanse,ari n. i u ,klopu t_testo_
va; no, to je lako izradunati
,-,"tr.ouu drugitrnjeg;;ii;;;rl;".
Pokazateljveriiine uticaja parcijarni
..
eti kuadTatr;r;;;;;;
je deru va_
rrlansezavisne
nromenrjivekoii ie objainje' n.rr";r;;;
promenrjiuom.
Moie imari vrednosriu opseguod 0
do i. s irug. ,,rr';;,";;:;;rd
predsta_
vrla razrikuizmedug,rupaizraienu
brojemstandardnihodstupanja.pazire
ca ne pobrkatete pokazateljekada budete
tumadilijadinuveze.
Adresaweb
210
Eta kvadrat
(o/oobja5njenevarijanse)
Koenovd (jedinica
standardnogodstuPanja)
Mali
0 , 0 1iti 1o/o
0,2
Srednji
0,5
Veliki
0,138 ili13,80/o
0,8
Nedostaiucipodaci
211
rzlaznirezulrariz SpSS-a
ponekad'sadriidudnebrojeveoblika
1.24E-02.To
bro;evikoie ie spSSprikazao u tzv.;rd;;i;;;";;;.;"'"""-'
:ri lali
sero ne
bi de.avalo,u glavnom-"nij,, izaberite
Edit, zatim oprions, i potvrditeopciju No scientificnoration for smail
.r.r-b.., in tablesna kartici General.
Neparametarske
tehnike
U knjigamao statisticidestosegovori o dve vrstestatistiikih tehnika:paraPo demu se razlikuju ta dva skupa tehnika?
metarskimi neparametarskim.
'parametarski'
potideod 'parametar',tj. obeZaito ie ta razlika vaLna?Red
leZjepopulacije.U parametarskimtestovima(npr.t-testovi,analizavarijanse),pretpostavljajuse neka svojstvapopulacijeiz koie je uzorak uzet.To su
najieS6epretpostavkeo obliku raspodelepopulacije(npr. da je normalno
tehnikenisr-rtako
S druge strane)zahteviza neparametarske
raspodeljena).
strogi i nista se ne pretpostavljao pripadnoj raspodelipopulacije.\Zato se
katkada nazivaiutestovimabez raspodele,engl. distribution-free tests.)
statistidketehnike
Uprkos tome sto su manje pipave, neparametarske
parameod
odgovarajuiih
imaju i svojih loSih strana.Manje su osetljive
grupa.
Kada
tarskih rodaka i zato rede otkrivajr"rpostojeierazlike izmedu
imatepravu vrstu podataka,uvek ie bolie primeniti parametarskutehnikr'r.
Dakle,u kojim okolnostimabisteizabralida upotrebiteneparametarsku
statistidkutehniku?
Neparametarsketehnike su idealneza podatke merenena nominalnim
(kategorijskim)ili ordinalnim skalama(iiii se iznosi mogu rangirati).Korisne su i kada imate veoma male uzorke ili kada podaci ne zac'lovoljavaiu
strogepretpostavkeparametarskihtehnika.U SPSS-u
se mogu koristiti natehnike,ali 6emo u ovom poglavlju razmotriti
irazliditijeneparametarske
samoone glavne.Evo koje ie teme biti obradenei koje su njihoveparametarskealternative(obradeneu kasnijim poglavljima).
Kratakpregledtehnikaobradenih
u ovom poglavlju
Neparametarska tehnika
Parametarskaalternativa
Hi-kvadrattest kvaliteta
podudaranja
Ne postoji
Hi-kvadrattest nezavisnosti
Ne postoji
Ne postoji
Man-Vitnijev
U test
T-testnezavisnih
uzoraka(17.poglavlje)
Vilkoksonovtest ranga
Kruskal-Volisov
test
Jednofaktorska
ANOVArazliditihgrupa
(18.poglavlje)
Fridmanovtest
Pretpostavkeneparametarskihtehnika
Iako su opdtepretpostavkeneparametarskih
tehnikablaLei zato de56e
zadovoljene,uvek bi trebaloproveritida li je tako u svakomkonkretnomsludaju.
. Sluiainost uzoral<a.
o Nezauisrtostopseruacija.Svaka osoba ili opservacijamoie se broj:rti
samo jedanput,ne smeju se pojavlfivati u viSekategorijaili grupa, i
podaci jednog subjektane smeju uticati na podatke drugih. U ovom
pogledu izuzetaksu tehnike ponovljenih merenja (Vilkoksonovtest
ranga,Fridmanovtest), kada se isti subjekti ponovno testirajuu viSe
navrataili u razliiitim okolnostima.
Neke tehnikerazmotreneu ovom poglavljuimafu i dodatnepretpostavke
koje treba proveriti. Te specifidnepretpostavkesu objainjeneu odgovarajuiim odeljcima.
U ovom poglavljuprikaza6emorazneneparametarske
tehnikena primerima iz nekoliko datotekas podacima,koje se mogu prelrzetis prate6eWeb
lokacije ove knjige. Svepojedinostio tim datotekamadate su u dodatku.
Ukoliko ielite da pratiteprimerei odmah sprovoditenavedenauputstva,pokreniteSPSSi otvorite odgovarajuiudatotekus podacima.Neparametarske
tehnike opisaiemo samo ukratko. Za dalje usavriavanje,proiitajte knjigc
koju su napisaliDaniel (1990),Gravetteri \Wallnau(2004),Siegeli Castellan
( 1 9 8 B i) P e a t( 2 0 0 1 ) .
Hi-kvadrat
postoje dve vrsre
testa hi_kvadrar, obe za
karegorijske podatke:
'x:':if
,,!,,[iti:ffi?::;jT5i{p1r"3
jJ"'ffi
o,r1,
ki,i
-'!:^;
;'l'ft *nf ;; i: ;'"'"li'," 1,,
"'$'
;.,1,
"
2",,"r
ni,a,"i"iir".",'","no,
lT,'rffiJ!J#'#"f:'.-ffi",i
dali su
t *?ttd:Tl|t6#f
resta
hi-kvadrat
datie u tT.pogravlju
kniige
Grave*er
Hi-kvadrattest za ispitivanje
kvafitetapodudaranja
.rzorka,desrorilt":ff
va za poreden
r
je proporcije
srudajev"
i,'
;;"r
vrednosrima
?Ifr
iri onimaprethodnoi"u;i""*"ar"i";;;
u nekoj
p,orcdbenoj
popuraciji.
jednu
kategorijsku
3;ulm'iol3ulii"'i" ' d;;;'-"'1"911samo
pro-
111,Me2e,.";;;!,;3,:i'J":H:1ff
ir"?:i:::iitl"JJ,",
Postupakza obavfjanje
hi-kvadrattesta kvaritetapodudaranja
O"
pratiliovajprimer,
otvoritedatoteku
1,"]"
survey3ED.sav.
t
pritisnite
njegovu
stavkuNon-parametric
,?JHF{.:Analvze,
Testsiza-
i:1fff,jii:T:'r:t'
promenrjivu
smoke
(tj'pusae)
i prebacite
je u porje
NPARTEST
/CHISOUARE:smoke
/EXPECTED:.2.8
/MISSINGANALYSIS.
Observed
Exoected N
87.2
348.8
B5
351
436
Residual
-z.z
2.2
Test Statistics
untsoquare"
OT
Asvmo. Sia.
Predstavljanje rezultata
hi-kvadrat,
brojstepeni
slobode
(engr.
degrees
of
i;:!;,:,:;;tiJl""l"J."
Hi-kvadrat test podudaranja pokazuj"
ffi""J
ff:i,.'l'- d:J{IT?*%i:r: ui:1";1
"#j"d x!'"'lr'oanoy
Hi-kvadrattest nezavisnosti
Evokakoizgledajurezultatitog postupka.
Yt5
NO
Tolal
smoker
.ubv
1
792
a. 0 cells (,0%) have expected frequenciesless ihan 5. The minjmu,nexpecled cell frequency is 87.2.
Tumadenjerezultatahi-kvadrattesta podudaranja
U prvoj tabeli date su opaZeneuiestalosti (frekvencije)iz tekudedatotekes
podacima;vidimo da su puSadinjih 85 od ukupno 436 (ili 19,5"/").U koloni
ExpectedN date su uiestalostioiekivanena osnovuprethodno zadateproporcrje(20%). U ovom sluiaju,odekivanoje da bude B7 puiada,a opaZenoB5.
o,bileoie_
;ii:*:ffi:5:T...
unakrsno
j,"b;r,,;;F:i:Tii;T;?H;:,ili#I:[il:Ti
jf:Hil::a
kategorijamadruge (npr. rnusiur.iA.
svaka ielija
unuk"rrr,.
i"u.r" r"?rzi po
t o-ulJ1,.puiad/nep-uiad);
vv jednu
JsurruKomDlnacrru
kategorijaposmatranih
menljivih.
proKada SpSSnaide na tabelu
2 sa 2 (po dve kategorije
u svakoj pro_
menljivoi), rezultathi-kvadrat
,*ru
i jednu aoartrr, ,,korekciju
neprekidnostiprema
"Urlrrata
Jejrsu" 1vot"r: coi"ctiort
for continuity). ona bi rre_
baloda kompenzuje mrr;!"i"
rpo
precenjenuvrednosrhi_kva_
drat koja.sedobijau iabeli
2 sa 2.""t-ii'u,rrora)
u sledecemoosrupku, na
primeru datoteke survey3ED.sav
pokazafu
hr i';;';;;;'in|.o;"r.u,
"o"trebrjava
z r^ i.-x^aastuciija
Lil:'-'promenliive
nvara
obus viie od d.vekategoril!
- , 1npr.2 sa 3,4 sa 4),videieteda se
izlaziz SpSS-aneznarno
rurlikul".
pregtedhi-kvadrat
testa nezavisnosti
ft:!:I istraiivadkoe
t''mer
pitanja: pi;".J; r; moze formurisati
postoji h vezaizmeJ-u
na viie nadina:
pora'i p"i;Jil;g-io,rns"rj"?
Da ri su mLrikarcideiie
Da li je proporcii" m.,ska."capuiada
jednakaroj proporciji
il:?;"1t"na?
sta uam treba:Dve kategorijske
promenljivesa po dve
ili viSekategorija:
. Pol (Muikarac/Zena)
. Pu5ad(Da/Ne)
Expec{ed Count
%within SEX
% within
St\roKE
% of Tota I
ExpeciedCount
% w i t h i nS F X
% wrthin
SMOKE
"h at Total
rorar
cil;
E x p e c t e dC o u n t
"/. within sEX
% within
SMOKF
7oof TolaI
ChiSquare Tssts
tsearsonChfsquare
Value
.494
Continuity Correclion a
Ltkelihood Ratio
,337
Fishe,"sExact Isst
Unear-by-Ljnea.
Associatioo
\,1ol Vatid Cases
a
-
Asymp. Sig.
(2-sided)
dl
l
,442
,481
,483
'|
Exact Sig.
(2-sids.il
,562
,541
.493
436
counl is35,g7.
SymmetricMeasures
Nominal
ffi
Cr"r"f, V
Fxac t Sig
( 1-sided)
Value
ApproxSio.
-,034
,482
,034
,482
436
hypothesis
,2A2
Hi-kvadrat testovi
U rezultatimanas najviSe zan'tmavrednostPearsonChi-Square,data r"rtabeli
chi-square Tests.Medutim, kada se ima tabelaz sa 2 (ti. kada svakapromenliivaima samodve kategorije),trebaupotrebitivrednostu drugom redu
rabele(Continuity Correction).To ie tzv.Jejtsovakorekciia (Yates'Correction for Continuity);ona kompenzuieprecenjenuvrednosthi-kvadratkoia
je posledicamalog broja dimenztiatabele2 sa 2. U gorniemprimeru, korigou"n" vrednostiznosi0,337, uz znatainostod 0,56 (datu u koloni Asymp.
5ig. 1Z-ria.a)).Da bi rezukatbioznaiaian, veliiina Sig.treba da je 0,05 ili
manja. U ovom primeru, vrednost0,56 je (11 puta) ueia od alfa vrednosti
0,05, pa mozemozaklluiiti da na5rezultarniie znaiaian.To znadida seproporcija muSkaracakoii pusene razlikuie znatainood proporciieZenakoje
puie. Nema nikakve vezeizmedupuiadkogstatusai pola'
Unakrsno tabeliranie
Procenatpuiaia svakogpola moie seoditati u zbirnim informaciiirmadatim
u rabeli StX.SUOKE Crosstabulation.S toliko informaciia naguranihu
svaku 6eliju, ova tabela vas moZe zbuniti. Da biste saznalikoji procenat
muSkaracasu puiaii, proiitajte prvi red tabelekoii se odnosi na mudkarce.
U ovom sludaju,gledamo5ta piSeu nastavku% within sex' U ovom primuik:rracasu puSadii 82,1 procenatanepuiaii; 20,6
meru, 17,9 proceytata
procenataiena ie puiadai79,4 procenatanepu5aia.
Da nas zanirnaprocenatceloguzorka koli spadau puiaie, preili bismcr
nanlLeu poslednjired, koii sabira rezulrareza oba pola. U ovom sludaju,
pogledalibismo5tapiSeu redu 7o of Total. Prematim rezultatima,19,5 procenatauzorka puii, a 80,5 procenatane puii.
Veliiina uticaia
jadiU proceduri Crosstabsizraiunava se viSepokazatelia velidine uticaja (tl.
se
koristi
naiie5ie
koeficiient
sa2,
2
tabele
ne veze izmedu promenliivih).Za
fi (phi coefficient), 5to je koeficiient korelacije u opsegu od 0 do 1, pri temu
ve6i broj pokazuje jadu vezu izmedu dve promenljive. U ovotn primertt,
p : 0 , 5 6 ,f i :
Meraslaganjakapa
Prim11istraiivadkogpitanfa:Koriko
su saglasnedijagnostidkekrasifikacije
skala^EdinburghpostnatalDepressionScale(EPDS)
i Depression,
T::Tl
r\nxicryand Srress
Scale{DASS)?
sta vam treba: Dve kategorij.ske
promenrjives jednakim brojem kategorija,(npr.dijagnostidkaklasifikacijai. rekara
ili f . iesta:o="ii. deprimirana,
1=deprimirana;
i dijagnostidkaklasifikacijaisteosobeko;, a^o 2. lekar ili
;"
z. test).
Pretpostavke:
Jednakbroj kategorijaza 1. i za 2. lekara.
Parametarske
alternative:Ne postoji.
U
narednom
istraZiiemostepenslaganjaizmecludve mere
primeru
.
depresiie u uzorku Zenaposleporodaja.U datotecidepress3ED.r",,.r'tir,i za svaku
Zenuna skalamaEdinburghPosrnaralDepressionScale(EpDS,
cor, Holden
I vv,qvls
Postupakza dobiianiekoeficiientakapa
podacimadepress3ED'sav'
Da bistepratiliovajprimer,otvoritedatotekus
stavkuDescriptiveStatistics,pa pritisnite
1. otvoritemeniAnalyze,izaberite
Crosstabs.
kojace bitirednau unakrsnoj
(npr'DASSdepgp2)
onu promenljivu
2. Pritisnile
tabelii strelicuda je prebaciteu poljeRow(s)'
3.Pritisnrteonupromen|jivu(npr.EPDSgp2)kojacebitiko|onskauunakrsnoj
tabelii strelicuda je prebaciteu poljeColumn(s)'
4.PritisnitedugmeStatistics.PritisniteKappa.PritisnitedugmeContinue.
dugmeCells.
5. Pritisnite
dugmeObserved'
pritisnite
Counts
6. U polju
7'Uode|jkuPercentagepritisnitedugmeRow.PritisnitedugmeContinueizaEditor)'
tim O* (odnosnodugmePasteda bistekomandusnimiliu Syntax
generi5ekomandu:
TajpostuPak
CROSSTABS
BY EPDSSP2
/TABLES:DASSdepgP2
/FORMAT:AVALUETABLES
/STATISTIC:KAPPA
/CELLS: COUNT ROW COLUMNTOTAL
/ C O U N TR O U N DC E L L .
Ovako izgledajurezultati:
DASSdepgp2' EPDSgp2Cro$tabulation
EPDSqp2
1 lrkely
0 nol
ffi
depression
Tolal
% wrthinDASSdepgp2
% w(hin EPDSgP2
count
% within DASSdcPgP2
% withrn EPDSSP2
% ol Total
T
lac
86,9%
94.10/a
10.5"/o
14
23,3Yo
5.9%
4 4"i.
239
74.9%
100,0%
74.9.A
13.1',/"
42,5To
10.7Vo
46
76.7tlo
51.5%
14.4%
80
25,1./"
100.0%
25.10/.
100.0%
a1.24k
a1.2.k
60
100.0%
18,89ia
1 R Ro/"
319
100.0%
100,0%
1 0 00 %
I v, r\upitrarnelarsKe
tehntke
223
Symmetric Measures
rvredsureor Agreernent
N of Valid Cases
Value
nappa
5ti3
319
Asymp.
Std Error" Aoorox Tb Approx.
S'a.
.055
ru.231
000
b. Usjnglhe asymptotic
standarderrorassumrng
lhe nulthypolhesrs
Tumadenjekoeficijentakapa
Glavni reatltat'"
jr u tabeli symmetricMeasures,
gde ocitavamoda
,rTmera slaganja(engl.
Measureof Agreement) Kappa ir'oi
0,s6, uz znaiajnost p < 0,0005'Kako navodineat
izo0 t , str.22'i,vrednosr 0,5 pokazaterja
kapa predstavljaumerenoslaganje,tznad0,7
p.J;t;;;;;lr.
sraganje,a
iznad 0,8 vrlo dobro slaganje.Dakl", u ouo_.primeru
je stepenslaga'ja iz_
medu klasifikaciiesludaievakao deprimrranih
pomoiu skaleEI,DSi skale
DASS-Depumeren.
Osetljivosti od redenost
Pomoiu udestalosti
(frekvencija)i procenatau taberi
crosstabulationmogu
seizradunarii osetriiuosti odreden-o.sf,
mere iri testa.u,""ar.J"rr.oj literaturi
je uobidajenoda se
njih ocenjujetadnostdijagnostidkog
resrau otkrivanju postoianja?:T"iu
ili.nepostojanjaboresti,odnosnot-"d'orinouog
resrau
odnosuna neki oostojefi zlatni siandard.
osetrjiuor, oaluz"va proporciyu
sludajevapostojania.bolesti
trrr"i"f-r..ii ,,r. tud.,o dijagnostifikovani,dok
odredenostpredstavljap.opoi.i,,r'rirt-"*,iu".bez
date bolesti (stanja)koji su
tadnodijagnostifikovani.u ouopri-J.u, ispitujemosaglasnosr
klasifikacije na skali DASS-Depr-r
odnosu,rn n";r.sc. upotrebljavaniresr
za klasifi_
kaciju,skalu EpDS.
osetliivostskaleDASS-Dep
moZeseizraiunari ako seproditajuvrednosti
iz drugekolone tabere.
Bb"r,rd;;.#i.;. je skaraEpDS (nai
zr:rtnisran9d
{ard)prepoznala kao d.o::r1".,'ii;i'r"r.o
klasifikovalai skaraDAssosettjivcst
od sz,sp;;;;;" e6/80).
".X^f:j"je
udredenostse izradunava
tako ito seproditaju'vrednostiiz prve
,
gcresu osobekoje
korone,
su pomofu skareEpDS bile kiasifik;"";;k;;
rane' SkalaDAss-Dep 'radno'
nedeprimi_
je
t turiritou"ta 225.odukupno 239
sto predstavlia
takvih,
odredenostod. l+,t pro."nata.
obe te skale su veoma us_
kladene u pogledu
slu.*ajevat tnririt orru,rih.kao. nedeprimirani;
postojiodredena
medutim,
nesagrasnos,
,r-.Ju ,tlriajevakoje skaleprepoznaju
qePrimirane.
kao
vi.e o fol"dinorri-n oroj'istraZivanja
videii u dodarku,a
Man-VitnijevU test
Postupakgenerise
ovu komandu:
NPARTESTS
/M-W: tslfest By sex(.1
2)
/MISSINGANALYSIS.
Prikazanje odabran deo rezultata
ovog postupxa.
Test Statisticsa
Iotal selt esteem
l M a n n . W h i t n e VU
I
WlcoxonW
2 I 594,000
53472,000
-1.227
Asymp.Sig.
Qaailed)
,220
G r o u p i n g V a r i a b l e :S E X
Ranks
227.'t4
2'12.19
Tumadenjerezu.ftataMan-Vitnijevog
U testa
clavne vrednosrikoje.treba
gledatiu iilnru jesuzi nivo
znadajnosti,dar u
Sig(2-iailed).
frl;;;lr"r.'i*"
viie od 30 srudajeva,
ll9.i-1try'i iznos
racunava
SpSS
izz-aoroksimacije,
koja obrhurru i korekcijuzbog
nih veza izmedu o"ant"r.".-t_r';;i;,;
mecrusob_
primeru, vrednosr z je _1,23
(zaokruZeno),uz iivy
oa'
p=9,22.
rr";, ,;;;;;oie
^zladajnostl
(p) nije
manji od niri jednak 0,05'.pa
i"l r"r"ri"i 127n;i" znatajan.Nema
znaiajnerazlikeizmecru
statistidki
;;"" r;;i"sr"r""i"
muikaraca i iena.
Kada otkrijete statistidki.r.;t;l;;t"li'.,
izmedu grupa, rrebaro bi da
opiSete
i smerte razlike,,i
15."r1 J1"ni]"'.,.pr"kidna promenlji'a proseino
veia' u tabeli Ranks to
se uiai u t io'i rrt"ur
da u izveitaiunavedeternedij":i:"J.
!._ank,Medutini, b'o bi borje
NaZalost,njih ova procedura
glio:
ne izradunava,pa je porreban
joi jedan korak.
Postupakizradunavanjamedijanasvake grupe
1. OtvoritemeniAnalyze,pa pritisnite
Comparemeansi izaberite
Means.
(npr.
promenljivu
2. Pritisnite
ukupnosamopo5tovanje
odabranuneprekidnu
tj.
tsfest)i prebaciteje u poljeDependentList.
(npr.pol tj. sex)i prebacite
je u
promenljivu
3. Pritisnite
odabranukategorijsku
poljeIndependentList.
4. Pritisnrte
dugmeOptions.PritisnitedugmeMedian u odeljkuStatisticsi
prediteu poljeCellStatistics.Pritisnite
dugmadMeani StandardDeviation, i uklonitekvadicuiz poljaCell Statistics.
5. Pritisnite
dugmeContinue.
6. PritisniteOK (odnosnodugmePaste da biste komandusnimiliu Syntax
Editor).
Postupakgeneri5eovu komandu:
MEANS
TABLES:tslfest BY sex
/CELLSCOUNTMEDIAN
Evo i tabele rezultatasa izradunatimmediianama:
Report
Total Self esteem
SEX
I MALb)
2 FEMALES
Total
184
252
436
Median
35,00
34,50
35.00
Velidinauticaja
SPSSne izradunavastatistiike pokazateljevelidineuticaja, ali se pomoc'u
vrednostiz nayedeneu rezultatimamoZeizradunatipribliZnavrednostr.
r = z I kvadratni koren od N gde je N = ukupan broj sludajeva(opservacija).
U ovom primeru, z = -1,23 i N = 436; stogar iznosi 0,06. To bi se smatralo vrlo malim uticajemprema Koenovom (1988) kriterijumu (0,1=mali
uticaj,0,3=srednjiuticai,0,5=velikiuticaj).
Rezultateove analizemogli bistepredstavitiovako:
Man-VitnijevU test nije otkrioznadajnurazlikuu nivousamopo6tovanjamu5kar a c a( M d : 3 5 , n : 1 8 4 ) i Z e n a( M d : 3 4 , 5 ,n : 2 5 2 ) , U : 2 1 5 9 4 , z : - 1, 2 3 ,
9:O,22,r:0,06'
Vilkoksonovtest ranga
PostupakobavfjanjaVilkoksonovog
testa ranga
Da bistepratiriovajprimer,otvoritedatoteku
experim3ED.sav.
1' Na vrhu ptozoraotvoritemeniAnaryze,
izaberiteu njemustavkuNonparametricTests,pa pritisnite
2 RelatedSamples.
2' Pritisnitepromenljive
koje predstavljaju
rezultateu trenutku1 i trenutku2
(npr.fost1,fost2).prebacitein u
tu6icuTest pairs List.
3' U odeljkuTest rype trebada je potvrdeno
poljewircoxon.pritisnite
oK.
4' Pritisnite
dugmeoptions. rzaberite
ouartiles;timeste zadariizraeunavanje
medijana
za svakiod trenutaka
u kojimasu obavljana
ispitivanja.
5' Pritisnitecontinue i zatimoK (odnosno
dugmepaste da bistekomandu
snimiliu SyntaxEditor).
Postupakgeneri5eovukomandu:
NPARTEST
/WlLCOXONdostl WITHfost2 (pAtRED)
/STATISTICS
OUARTILES
/MISSINGANALYSIS.
UgO
V:Otdl.lbtlu^e
tsrrrrr^v
J-
Y'-r*
Kruskal-Volisov
test
fearof statstime2
Test Stalistics
Kratakpregled Kruskal-Volisovogtesta
tear ot statslim62'
fear ot slatstimel
80'
a
dsymp.Sig
l2-lailed)
.000
a Basedon
Positivemnks'
b' wil"oton SignedRanksTest
TumadenierezultataVilkoksonovogtesta ranga-
inien nivo
Glavnevrednostif."i.ir"b" gledati uizlaznimrezultatu iesuZ
sig (2-tailed).Kada ie nivo znadainostiiedznadajnostidat u red-u;r;;;
moZesezakljuiiti da ie razlika
nak ili manji od o,os t"pt''o'ti+, o,"oi,0.,001)'
i z m e d u r e z u l t a t a z n a i a j n a . U o v o m p r r n e r L l ' v e r o v a t r r o 6 a S i g . i z nizosi0'000
zakljuditi daie razhka
(5tozapravo,,-,utl-u.rl; od 0,0005i' Stogatreba
medu te dve grupe rezultata zna(aina(nesludaina)'
velidina uticaia
na nadin opisanza ManVeliiina uticaja u ovom testu moze se lzriaiunati
korenomiz N' Medutim'
Vi;"tr" U r.*, ri' a"fi."lt- veliiine z kvadratnim
trenutka' a ne broj
u ovoj situaciiiN = il;;i;;servacija-u-dva vretnenska
- 4'18,N = 60 (sluiajevax2\zatr> ie r = 0'54'
sluiajeva'U ovom pri*"'u,'Z
StoukazujenavelikiuticaipremaKoenovom(1988)kriterijumu:0'1=rnali
uticaj, 0,i = srednjiuticai, 0,5 = veliki uticaj'
Rezultatiove analizemogu sepredstavitiovako:
ffitkriojestatistidkiznadajnosmanjeq1strahaodstatisti.
-4'18'p ( Q001
u programuobuke,z:
ke nakonudestvovanja
sca(Fear
statistics
o{.:il:19:%[:
[":;$:ffi1"""
i*r'i"""*
Kruskal-volisovtest(nazivasei Kruskal-Volisaov
H test)neparametarska
je
alternativaiedr-rofaktorskof
analizi varijanserazliiitih grrio sluzi za poredenjerezultaranekeneprekidnepromenljiveza tri iti uiie
[rr:pn.po prirodi
je jednak Man-Vitnijevom u testu prikazanornu prethodnom
d.ru'pogl;vlja, ali omogufavaporede'je viie 6d dve grupe. RezLrltari
se prervaraiuLr
rangove'pa se poredesrednji rangovi svakegrupe. To j" analiza
razlii:itib
grupa, pa u svakojgrupi moraju biti drugi ljudi.
odstatisiike
"rr"ii"ir"6u
do (Md:38) posleprograma'
L) oputuj" od (Ma:40) pre programa
PostupakobavljanjaKruskal-Volisovog
testa
Da bistepratiliovajprimer,otvoritedatotekusurvey3ED.sav.
1. Na vrhu prozoraotvoritemeniAnaryze,izaberite
u njemustavkuNonparametricTests,pa pritisniteK lndependentSamples.
2. Pritisnite
odabranuneprekidnu
zavisnupromenrjivu
(npr.ukupanoptimizam)
i prebaciteje u poljeTest VariableList.
3' Pritisniteodabranukategorrlsku
nezavisnupromenrjivu
(npr.agegp3)i prebaciteje u poljeGroupingVariable.
4. Pritisnite
dugmeDefineRange.U poljeMinimumupisitepodetnuvrednost
kategorrjske
promenljive
(npr.1).U poljeMaximumupiditenajvecuvrednost
kategorijske
promenljive
(npr.3). pritisnitedugmeContinue.
5' U odeljkuTest rype trebada je potvrdenoporjeKruskar-wailisH.
6. Pritisnitecontinue i zatimoK (odnosnodugmepaste da bistekomandu
snimiliu SyntaxEditor).
Postupakgeneri5eovu komandu:
NPARTESTS
/K-W:toptim BY agegp3(13)
/MISSINGANALYSIS.
testa'
Prikazacemosamo deo rezultataovog
Ranks
N
fola I
$'29
f,ptimism
30-44
147
Mean Rank
19 8 , 1 8
216,05
45+
135
Total
435
241.ffi
Kruskal-Volisov
test je otkrio statistidkiznadajnurazlikunivoaoptimizma
tri ra_
z l i d i t es t a r o s n eg r u p e( G p l , . n
+ Z : 1 8 - 2 9 g o d ,G p 2 , n : 1 5 b : 3 0 _ 4 4 g o d ,
1
)
G p 3 , n : 1 3 5 : 4 5 i v i 5 eg o d ) ,c 2 ( 2 , n : 4 3 5 ) : g , 5 Z p : 0 , 0 1 4 . N a j s t a r i j a
sta_
rosnagrupa (45 i viSegodina)ima vecu medijanurezultata(Md:2'3)
od osta_
le dve starosne grupe, dija medijana iznosi 22.
a'b
Tsl Statistics
Tolal ODtimism
Ch isquare
8,573
df
Asymp.
Siq.
.014
a KruskalWallisTest
b GroupingVariable:AGEGP3
za svakustarosnugruoptimizma
vrednosti
i medijane
Trebalobi da izradunate
Manopisanu odeljkuposvecenom
medijana
fu-.St"Oir"postupakzadobijanje
-Vitnijevom
U testu.
MEANS
TABLES:toptim BY agegP3
/CELLSCOUNTMEDIAN.
Ovo je tabela rezultatasa izradunatimmedijanama:
RePort
TotalOPtimism
aoe in 3 qroups
1 <=29
2 30-44
3 45+
Total
Median
147
153
135
,at
22,00
22.00
23,00
22.O4
Naknadnitestovii velidinauticaja
Kada dobijerestatistidki znaiajan rezultatKruskal-volisovogtesta,jos uvek
ne znatekoje grupe se statistiiki znatajno medusobnorazfikiju. Da biste
to
utvrdili, treba da obavitejod nekoliko naknadnihMan-VitniievihU testova
izmedu,parovagrupa (npr.grupe najstarijihi grupe najmladih;.Ako nameravateda poreditesveparovegrupa ('1,sa2,1 sa 3-i 2 sa 3),morateprimeniti
Bonferonijevukorekciju alfa vrednosti(videtiuvod u peti'deoknjige),kako
bisteizbegligreSkeprve vrsre.
Bonferonijevoprilagodenjeznadi podeliti alfa vrednost 0,05 brojem
testovakoje nameravateda obavitei potom upotrebljavatitako revidiran
alfa
nivo kao kriterijum za odredivanjeznadajnosti.
ovde bi to znadilostroii alfa
nivo od 0,05/3=0,017.Medutim, umestoporedenjasvih mogudihparova
8ttg1, bolje je izabrati samo nekoliko klju3nih grupa i uporeiti njih, dime
sealfa nivo zadri.avana upotrebljivojvisini (nepremaloi).za svakogrupno
poredenjemoie se izraiunati pokazateljvelidineuticaja (tj. jaiine
vezeizm-edupromenljivih),po postupku opisanomu odeljku poru.i..ro- Mor,-Vitnijevom U testu.
Fridmanovtest
TumadenierezultataKruskal-Volisovogtestajesu:vrednostpo-
Kratakpregled Fridmanovogtesta
Pretpostavke:Videtiopirepretpostavkezirneparan1etarsketehnike,nav e d e n en a P o i e t k u P o g l a v l i a '
Parametarskaalternativa:Jednofaktorskaanalizavariianseponovljenih
merenia(istih subiekata)'
testa
Postupakza obavlianieFridmanovog
datotekuexperim3ED'sav'
Da biste moglipratitiovajprimer,otvorite
stavkuNonparametricTests' pa
1. otvorite meniAnalyze,izaberiteu njemu
K RelatedSamPles'
pritisnite
2'Prrtisnitepromenljivekojepredstavljajutatrimerenja(npr.fost1,fost2,fost3).
je potvrdenopoljeFriedman'
3. U odeljkuTest Type trebada
4'PritisnitedugmeStatistics.Potvrditepo|jeQuartiles.PritisnitedugmeContinue.
da biste komandusnimiliu Syntax
5. PritisniteOK (odnosnodugmePaste
Editor).
Tim postupkomgeneriSeteovu komandu:
NPARTESTS
/FRIEDMAN: fostl fost2fost3
OUARTILES
/STATISTICS
/MISSINGLISTWISE'
Evoi rezultata:
DescriPtiveStatistics
TumadenierezultataFridmanovogtesta
Rezultati ovog tesra pokazuju da postoje znaiajne razlike u rezultatima na
'Ib
skali straha od statistike dobijenim u rri vremenska razdoblja.
pokazuje
vrednost sig. od 0,000 (5to zapravo znadi manje od 0,000-5).poredeii srednje vrednosti rangova (Mean Ranks) za tri skupa rezultata, izgleda kao da
strah od statistike opada s vremenom.
Rezultate ove analize mogli biste predstaviti ovako:
RezultatiFridmanovogtesta pokazuju da postoji statistidki znad,alna
razlikarezultatana skali strahaod statistikedobijenihu tri vremenskarazdoblja(pre intervencije,neposredno posle intervencije,3 meseca posle intervencije),c2 (2, n :
30) :41,52 p < 0,005). Pregledmedijanaje pokazaoopadanjestrahaod statistikeu vremenskomrazdobljuod pre intervencije(Md:40) do posle intervencije (Md :38), kao i daljeopadanje3 mesecaposle intervencije(Md:35,5).
Naknadnitestovi i velidinauticaia
Kada se utvrdi da postoji statistiiki znaiaina razllka koja nastaje negdeiz-medu tri tadkeu vremenu,sledeii korak bi bili naknadni restoviporedenia
vremenskihtadaka od interesa(videti prethodno razmatranienaknadnih testovau vezi s Kruskal-Volisovimtestom).U ovom sludaju,naknadnoispitivanie bi obuhvatilo pojedinadnevilkoksove resrove ranga, uz Bonferoni
korekciju alfa vrednostikako bi seizbegiagreika I vrste.Ja bih severovarno
odludilaza poredenjerezultatau trenutku 1 (pre intervencile)s rezultarimau
trenutku2 (posleintervencije),
i zatim onih u rrenurku2 (posleinrervencije)
sa onima dobijenimu trenutku -3(3 mesecaposleintervencije).
To su dva testa;zato bi moj revidiranialfa nivo za utvrdivanjestatistidkezrraiajnostibio
0,05/2 = 0,025.Pokazatelje
velidineuticaja(iatineveze)trebalobi izradunati
za svakokonkretnoporedenjeobavljenoVilkoksovimtestomranga.
Dodatneveibe
Ranks
Mean Rank
tear ot stats
time l
2,78
fear ol stats
2,Q3
timez
fear ol slats
1.18
Itime3
Test Statistlcs
5*'u*
i "':l
.000
Friedman Tesl
Poslovno okruZenie
Datoteka s podacima:staffsurvey3ED.sav.
Pojedinostio datotecivideti u
dodatku.
1. Pomoiu hi-kvadrat tesra nezavisnostiuporedite proporciju stalnih i
privremeno zaposlenihlemploystatus)koii bi preporuciliorganizaciiu
kao dobro mestoza rad (recommend).
2. Pomoiu Man-Vitnijevog U testa uporedite dobijene vrednosti zado,
voljstva osoblja (totsatis) za stalno i za privremeno zaposlene(enrplo1,status).
3. Pomoiu Kruskal-Volisovog testa uporedite dobiiene vrednosti zadovoljstva osoblja (totsatis) za sve kategorije duZine radnog staZa (upotrebite promenljivu seruicegp3)'
Zdravstvo
o datotecividetiu dodatku.
Pojedinosti
sleep3ED.sav.
D;l;;"k" i podacima:
uporediteproporciiurnulkaraca
1. Pornoiu hi-kvadrattestanezavisnosti
i Lena(gender)koji odgovarajuda imaju problemasa spavaniem(problem\.
2. Pon-roiuMan-VitniievogU testauporeditesrednjevrednostipospanoand AssociatedSensations
sti (gkupne vrednostina skali Sleepiness
Scale:totSAS)za muikarce i Zene(gender).
3. Porno6uKruskal-Volisovogtesta uporeditesrednievrednostimerenja
and AssociatedSenpospanosti(ukupnevrednostina skali Sleepiness
i"tiotrs Scale:lotSASl za tri starosnegrupe definisanepromenljivom
agegp3(<=37,38-50, 51+).
T-testovi
T-testnezavisnihuzoraka
T-testnezavisnihuzoraka(engl.independent-samples
/-/esl)upotrebljavarrro
za poredenjesrednjevrednostineke neprekidnepromenljiveu dve rirzliiite
grupesubjekara.
Obja5njenjeprimera
Da bismoilustrovaliupotrebuove tehnike,koristiiemodatorekus podacinra
survey3ED.sav.
U primeru se porede razlike izrnedupolova u izrnerenonr
nivou samopo5tovanja.
Imamo dve promenljive,pol (sex),gde su muikarci
Sifrovanisa 1, a Zenesa 2, i tslfest(skraienood total self-esreem),5ro
je ukupan rezultat dobijen na skali samopoitovanjaod deset stavki. (Videti u
lolalselt)sleem
FEMALES
Mean
184
u.02
252
t5.t/
rndepndtrl
Srnptes
JO
T6l
Levene s Tesl
lor qualily ol
Flesl lor qualty
ol Msns
9506ConlrdeDco
hlaNal o( th6
Sq.
blal
tquar
dt
Drfierence
uppet
vaftances
.062
Equal
sig
Std. Eiror
i2 taild) Orflerence Dilfererce
1,622
4U
,105
,45
,52
,098
,85
,51
,.18
j,87
varnces
nol a$umed
r,66|
422.U9
T-TEST
G R O U P S : s e x ( .2| )
/MISSING:ANALYSIS
/VARIABLES: tslfest
/CRITERIA:Cl(,95).
zo0
To je viSe
U gornjem primeru, nivo znaiajnosti Leveneovogtesta ie 0,062.
niie bila
variiansi
o
iednakosti
od gr"aniinih b,O5; znadi da pretpostavka
tabele'
prvog
reda
t
iz
vrednost
naruiena. Zato uizveitaiu t'"tu *ut'ti
da
V.lieln, uticajalengl.effectslze)koiusvim ovim testovimapokuiavamo
utiveliii.e
Pokaza.telii
kniige.
peti
deo
otkrijemo,razmotrenal" u uuod.,u
na velidinurazlike izmedugrupa, a ne samo da li ie ta razlikir
."1"
od
"f."r"i"
,irt"i"" ili ne. Veliiina uticaia se procenjufepomoiu viSepokazatelia,
moze
kvadrat
kojih se najdesieupotrebljavaiueta kvadrat i Koenov d. Eta
uzav_iimati vrednosru opseguod 0 do 1 i predstavljaproporciju variianse
(grupisania)'SPSS
,.ro1prorn"nliivol tblISnje.u nezaviinompromenljivo.r
sami izrr,r" irr"d,rnnua pokazatelieta kvadrat u t-testovirna,ali ga moZemo
dunati pomoduostalihdatil'rrezultata'
Fonnula za.etakvadrat glasi:
Eta kvadrat =
t2
t2+(N12+N2-2)
1,622
1 , 6 2 2+ ( l B 4 + 2 5 2 - 2 )
Predstavlianjerezultatat-testa nezavisnihuzoraka
T-testomnezavisnih
uzorakauporedenisu rezurtatiispitivanja
muskaraca
i zena.Nrlebiroznadajne
"",.noposffi
razrike
rezurtata
kodmuskaru""
(rfi': 34,o2,
S D : 4 , 9 1 ) o d n o s nZoe n aM, : 3 3 , 1 2 S D : S , 7 1 ; t( 4 g 4 ) :
t , O Zp, : 0 , . 1 1
(obostrano).
Razlikaizmedusrednjihvrednostiobelezja
po g.pu."'(iroseena
razlika:0,85,950/o
Cl: -1 ,80 do .l,g7)bilaje vrlomala(etakvadrat
: 0.006).
T-testuparenihuzoraka
T-testuparenihuzoraka(ili ponovljenihmerenja)
upotrebljavamokada imajednu,grupuljudi (ili preduzeia,ili maiina
itd.), a podntk. od njih
::-:T"
prrKuplramo
u dva navrataili pod dvaraz.riiitauslova.primer takve
situa.:ile
su eksperimendu kojima meienjeobavljamo
pre i posle neke intervencije.
svakuosobuocenimona nekoj neprekidnoj
skali u trenutku 1, i zatintponovo u trenutku2' nakon 5tosmo ih podvrgli
nekoj eksperimentalnoj
obradi ili
mtervenciji.Isti nadinseuporreblj^rur^ip^rene
subjekte(tj. svakaosobaje
uparenas nekom drugom na osnovu
odredenihkriterijuma,kao ito su sraogl i sl')' Jedandeoparabivapodvrgnurinrervenciiir, a drugiinrerven:::'r
utJtz' Latrm seza svakipar porede
rezulratina nekoj neprekidnoJ
skari.
uparenih.rro.nkusluZei za merenjeodgovoraisteosobena dv:r
-^_l.r:t,oyi
recimo da oceni vaznostdrra'"speftaLivota(npr.zdravlja,
ffzttctta_pitanja,
ttnansijskeobezbedenosti)
u pogledunjihovog Lrticajana zadovoljstvoZivoovom sludajur,
oba
aspekta
treba ocenitina istoj skali (npr.od 1=ni:.,T'u
rnalo
vaZnodo 1o=veomavaZno).
,Jv
Yr uPq
ObjaSnienjeprimera
upotrebilasam podatkeiz d:rtoteke
Kao ilustracijut-testauparenihuzoraka'Web
lokaciji kniige).To ie veitadka
experim3ED.sav(dostupnena prateioj
tako da ilustruie raz.ne
i
modifikovana
podacima,
napravljena
datotekas
projekta
istraZivanja,
upotrebljenihmera
statistiiketehnike.Svepojedinosti
itd. date su u dodatku.
koja ie trebaloda poveia saU donjemprimeruistraZiiuuticajintervenciie
mopouzdanjestudenatau pogleduniihove sposobnostida ovladajustatistikom. Od stLrdenataie bilo traLenoda popune test za ispitivanjestraha od
statistike(engl. Fear of StatisticsTbsr,FOST) i pre (trenutak 1) i posle intervencije(trenutak2). Upotrebiiu ove dve promenljiveiz datotekes podacima:
FOST1(rezultatiispitivanjastrahaod statistikeu trenutku 1) i FOST2(rezultati ispitivanjastrahaod statistikeu trenutku2).Da bistepratili ovaj primer,
pokreniteSPSSi otvorite datoteku s podacimaexperim3ED.sav.
rogtavue | /: t-Ieslovt
T-TEST
PAIRS: fostl W|THfost2(pAtRED)
/CRITERIA:Cl(.95)
/MISSING: ANALYSIS.
Evorezultata
prethodnogpostupka:
Paired Samples Stalistjcs
M e an
Pair 1
Postupakobavljanjat-testa uparenihuzoraka
1. Otvorite meni Analyze, izaberiteu njemu stavkuCompare Means, pa pritisnite Paired Samples T test.
2. Pritisnitedve promenljivekoje Zeliteda uporediteza svakog ispitanika(npr.
fostl : strah od statistikeu trenutku 1, fost2: strah od statistikeu trenutku2).
fear ol stats
limel
q,17
fear of stats
time2
37,50
30
5,16
,94
30
5,15
,94
95% Confidence
Interyal ot lhe
Drftergnce
Tumadenjerezultataove analize,artoyi
se od dva koraka.
u tabeli-Paired
samplesTestpogredajteposrednjukolonu, sa zaglavljemSig.
(2+ailed);to je trazenaverovarnoia
dontienja pogrelnogzakljudka.Kadaje
ta vrednostma-njaod 0,05 (npr.0,04,
o,ot, o,oot [
da posto;t znaiajna razlikaizmedudva rezultata.U.gornjem
""rrJr"r.rirtiti
primeru,verovatnoiaje
0.,000'Taj broj je zapravo zaokruLennatri
decimalnamesra,ito znaii da je
stvarna verovatnoia manja od 0,0005. Ta
vrednos,;. ,.rutrro (sto puta)
manja.od zadatogalfanivoa od 0,05. zato trebarur.r;"eiti
a" f.r,";i znaiaj_
na razlikau rezulrarimaispitivanjasrrahaod statistike
a"r,r";l
u rrenutku
1 odnosnotrenutku 2.zabelei.ite vrednostt (u
ovom JJJJru,'s,:g) i uroj
stepenislobode(df=29),poito njih rrebanavestiu izveltaju
o istraZivaniu.
(Mean)
Trebalo bi zabeleZitii da je prosedno smanjenie straha od statistike
(Lobllo 2.67,te cla se interval 95-procentr-repouzdanosti proteZe od doniih
w e r ) 1 , 6 6 d o g o r n i i h ( U P P e r )3 ' 6 8 '
Eta kvadrat =
Korak 2: poredeniesredniihvrednosti
je
Iako seiz navedenihrezultatavidi da je vrlo malaverovatnoiada dobiiena
razltkaizmedudobiyenadva skupa vrednostibila sttriajna'oni nam ne kati. kolika ie ta nzhka. Jedan
zuju mnogo o velidiniuticaiadate inrerrrencije,
pokazateliate veliiine
nekog
oi nafina da seto utvrdi bilo bi izraiunavanie
(video tome videti u uvoclu u peti deo knjige). Pokazaiemo kako se iztaiuvenavai rumaii erakvadrar,iedanod najdei6eupotrebliavanihpokaz.atelja
lidineuticaia.
(5,39)2
(5,39)2+ 30- 1
?g n{
- z
) v J
29,05+30_1
- ,50
Kada u formulu uvrstimoodgovarajuiebrojeveiz gornjeg
primera:
(5,39)2
Eta kvadrar -
( 5 , 3 9 ) 2+ 3 0 * 1
-#*r
,50
sm
anje
njevred
nost
i Fo; ffi il; i; ; i# :H: ?:35jE:ffr5:1ffii1:
(
M
:
3
2
5
,
2
DodatneveZbe
Jednofaktorska
analizavarijanse
Poslovnookruienje
Pojedinostio datotecivideti u
Datoteka s podacima:staffsurvey3ED.sav.
dodatku.
1. PostupkomobjaSnjenimu odeljku o t-testunezavisnihuzorakauporedite srednlevrednostizadovoljstvaosoblja(totsatis)za stalnoodnosno
privremenozaposlene(employstatus).Dali je razlika izmedusrednjih
vrednostizadovollstvaznacajna?
Zdravstvo
Datotekas podacima:sleep3ED.sav.
Pojedinostio datotecivideti u dodatku.
1. Postupkomobjadnjenimu odeljku o t-testunezavisnihuzorakauporedite srednjevrednostipospanosti,dobijenena skali pospanostii pridruZenihoseianja(total scoreof Sleepiness
and AssociatedSensations
Scale:rorSAS)za muikarce odnosno Zene(gender).Da li je razlika
izmedu srednjih vrednosti pospanosti znataina?
ANOVArazliditihgrupa
Jednofaktorska
testovima
s naknadnim
Kratak preglediednofaktorskeanalizevariianserazliditih
grupa s naknadnimtestovima
Primeristraiivadkogpitania: Da li serazlikuju rezultatl merenlir optlmlz.ma
i starih subjekata?
mladih, sredovednih
Stava* treba:Dve promenliive:
. jedna kategorijskanezavisnapromenljiva s tri ili viSekategorija.To
moZebiti ineprekidna promenljivareSifrovanatako da se dobiju tri
grupesa isrimtrojem dlanova(npr.srarosnegrupe- subiektipodelyeni
i,ri ,turnrne kategorije:29 godinaili mladi, izmedu30 i 44, te 45 ili
vi5egodinar).
o jednaneprekidnazavisnapromenijiva(npr.optirnizam)'
Stasepostiie:JednofaktorskaANOVA kazujepostojeli znadainerazlike
izmedusrednjihvrednostizavisnepromenljiveu tri grupe.Potomsenaknirdnim testovimamoZeutvrditi koie grupe serazlikuju.
Pretpostavke:Op5tepretpostavkena kojima podivaANOVA, razmotrene su u uvodu u peti deo kniige'
Neparametarskaalternativa:Kruskal-Volisovtest (videtipoglavlie16).
Obja5nienieprimera
Pokaza6u ovu tehniku na primeru datoteke s podacimursurvey3ED.saq dostupne na prateioj'Web lokaciji knjige (videti str' xi). Podaci potidu iz alkete
,prou"d.n. radi istraZivalja faktora koii utidLrna psiholo5ko prilagodenje,
raspoloZenje
ispitanika.Podaci-suiz stvarnogistraZivanj
l*::j,-le^,1"qir"
grupa.rnojih postdiplomskihstudenata.Svepofedinosripro_
l?]i'i^lo:yila
ja, upirnika,upotrebljenihskalaitd. datesu u dodatk,r.
;erta lstrazrvan
ukoprimer i odmah sprovodite navedena upurstva
.pratite
:::".::,]1."*i
poKrentreSPSSi otvorite datotekusurvey3ED.sav.
Evo pojedinostio promenljivamaupotrebljenimu analizi.
Ime datoteke:survey3ED.sav
Promenliive:
' Ukupan oprimizam(Totaloprimism,
Topti'r): ukupan rezurtardobijen
na skali optimizma.Brojeviod 6 do 30, gde veii brojevi
pot
,.Ji
optimizam.
"r,r;.,
. Srarosrpodeljenana tri gupe (Age group,
3
Agegp3):Ova promenljiva
je dobijena reiifrovanjem, deljenjernstarosri
,ra iri grrrp. iste veliiine
(videtiupurstvau poglavljuB): grupa 1:78_29 goJinu =
1, grupa 2:
3044 godina = 2, grupa3: 45+ godina = 3
Postupakobavljanjajednofaktorske analizevarijanserazliditih
grupa s naknadnimtestovima
1. OtvoritemeniAnalyze,izaberite
u niemustavkuCompareMeans,pa pritisniteOne-wayANOVA.
2. Pritisniteodabranuzavisnu(neprekidnu)
promenljivu
(npr.Totaloptimism)
je u poljeDependeniList takoStocete pritisnuti
Prebacite
dugmesa strelicom.
3. Pritisnite
odabranunezavisnu
kategorijsku
promenljivu
(npr.agegp3)i pre_
baciteje u poljeFactor.
4. Pritisnite
dugmeoptions i potvrditeporjaDescriptive,Homogeneityof variance test, Brown-Forsythe,Welsh i Means plot.
5' U odeljkuMissingvalues (nedostajuce
vrednosti)
trebada je izabrana
opcija Excludecasesanafysisby anafysis.pritisnitedugmeiontinue.
6. Pritisnite
dugmePost Hoc. pritisnitedugmeTukey.
7. Pritisnite
continue i zatimoK (odnosnodugmepaste da bistekomandu
snimiliu SyntaxEditor).
Postupakgeneriseovu komandu:
ONEWAY
toptimBY agegp3
/STATISTICS
DESCRIPTIVES
HOMOGENEITYBROWN-FORSYTHE
WELCH
/PLOTMEANS
/MISSINGANALYSIS
/POSTHOC: TUKEYALPHA(,O5).
244
ueo
lEr rrrr^e
v: olatlutlutrE
I vgldvug
l e,
Jeur
rvrs^
Evo rezultataprethodnogpostupka'
Oneway
Descriptives
DescriPtives
Testhomogenosti varijansi
Test of Homogeneity
of Varianceg
Total Oohmlsm
Levene
5ro
dt2
df1
475
432
744
ANOVA
TotalOPt,mrsm
Statrslrc:
4,3811
Brown-ForsYthe
dI?
df1
ZE4,5Ub
42i 601
.013
,010
a AsymptolrcallY F distributed
1,94
dil'erffie
.........,.37,.
..-..._L07., _,.........
2.B3
,36
-37
2.07
u ovoj tabeli dati su zbirovi kvadrata(engI.sum of squares)odstupanja(reziduala) rezukataod njihove srednjevrednosti, broj stepenislobode itd. za
analizu razliditih grupa (engl. between-groups)i analizu istih subjekata
(engl.within-groups).Trebalobi da ih prepoznarejer ste ih viclaliu udZbenicima za statistiku.NajviSenas zanima kolona sig. Kada je vrednostsig.
manja od ili jednaka0,05 (npr.0,03, 0,01, 0,001),postoji statistidkiznataina razlika izmedusrednjihvrednostizavisnepromenljiveu rri grupe.To loi
ne znaii da znatekoja se grupa razlikuje od kojih drugih grupa. U tabeli
Multiple Comparisonsrezuhatanaknadnih restova(engl.post-hoc tests),
date su i statistidkeznadajnostirazhkaizmedusvakogpuru grupu. Srednje
vrednostiza svaku grupu date su u tabeli Descriptives.U ovom primeru,
sveukupnaznadajnost(kolona Sig. u tabeli ANOVA) iznosi 0,01, 5to je
manjeod 0,05, tj. pokazujeda je rezultatnekeod grupa statistidkiznatajan.
Podtoje dobijenarazlika statisridkiznadajna,sadatreba pogledatirezulrate
naknadnihtestova.
Multiple comparisons
ovu tabelu treba gledati samo kada je razh.ka u tabeli ANovA statistidki
znatajna, rj. kada ie vrednost Sig. jednaka ili manja od 0,05. Naknadni testovi iz ove tabele kazuju tadno gde su razlike izmedu grupa. pogledajte niz
kolonu Mean Difference. PotraZite zvezdice (") pored ispisanih broieva.
velidineuticaja
lzradunavanie
U ovoj analizi,SPSSne daje velidinuuticaja,ali 6emo je lako izradunatiiz
njegovihrezultata.(Velidinauticayaopisanaie u uvodu u peti deo knjige.)Iz
rezultatanavedenihu tabeli ANOVA izradunaiemoeta kvadrat, iedan od
najdeiie upotrebljavanihpokazateljavelidineuticaja.Formula glasi (dobro
bi vam doiao kalkulator):
-^
r -, r -- Zbir kvadrataodstupanjarazlititih grupa
Lta livadrat =
U ovom primeru, treba sarnoda podelitezbir kvadrataodstupanjarazlizbirom kvadrataodstupanja(8513,02).Doiitih grupa (1,79,07)ukupnim
jednak
5to po Koenovom kriterijumu (Cohen,
0,02,
bija se eta kvadrat
je
1988, str. 284-7) kazujeda uticaj razltkemali. Koen klasifikuje0,01 kao
mali uticaj,0,06kao srednjiuticaji 0,14 kao veliki uticaj.
{Jpozorenje.'Uovom primeru smo dobili statistidki znatajan rezultat, ali
ie stvarni uticaj razlike srednjih vrednostigrlrpa vrlo mali (21,36, 22,10,
22,96). To je odiglednoiz malog pokazateljauticaja razlike (eta kvadrat =
0,021.Kada je uzorak dovoljno velik (ovde,N = 435), sasvimmale razlike
postajustatistiiki znadajne,dak i kada je razlika izmeduirupapraktidki nevaLna.Dakle, uvek paZljivotumaditerezultatei uzmiteu obzir svedostupne
informacije.Nemojte pridavati preveliku vaZnoststatistidkojznadainosti,
poStotreba povestiradunai o mnogim drugirniiniocima.
s;brekti;,' i o'
deljeni
L];.T''JTiJi:i3
u trisrupe
oo.
l(grup1
l',':"
?1::'"*il'i^
];"'soa-in;;
!.9r. ;dil,::1""?i'::H:;
2e ilimanie
"iJ.o.,,
grupa3: 45 i visegodina).
utvrdenaje staistreti,iueu1n"r".titl"nJ
n,uo,p <
0,05 u LOTrezultatima
tri starosnegrupe:i (2, +S.Z).:4,6,
p:
O,O.l
. Uprkos
statistidkojznadajnosti,
stvarnarazri[aizmedusrednjihvrednosti
grupa
vrroje
mara'Veridina
te razrike,
izraienapomoiu pokazaterja
eta
kvadrat,rznosr
o,02.
Naknadnaporedenjap:T^o:u^lukeyevos
HSo t""t" ;";;; ;; lu .ruonlu
vrednostgrupe1 (M :
razlikuje
?],3_6,SD: +,SSj znad,ajno
od srednlevred_
ne razlikuje
znadajno
ni od grupef ni od ruie S
f
t^i'
: zi,'
i 0",;; : 4,15)
;:::,flY;":
:"j5^':; j-?-:1'ont,c',puz'$vr
""
JednofaktorskaANOVArazliditihgrupa
s planiranimporedenjima
u gornjem primeru,porediri,-o'rer,rlt"te
merenjaoptimizma u svakoj od
tri grupe' Medutim,.ima situacija
kada istraZivade
,unirnu ,r-o poredenje
odredenihgrupa.primeraradi, u .trf.ri_.r,tnf
no; ,r"ai;i, pl, ."rfititih in_
tervencija moze nas zanima:i da li je
inrervencija 1 bolja ocr svih ostalih.
Dakle, rada ne bismo poreciiliru.
-ogur" t"-fir*ri"
,l"o""lo"o a nasza_
nima samo odredenipodskup svih
mlguiih.poredef a,'r;;;;'rp.ovesti planirana poredenjaumestoda radimo
niknudr. ,.rrou", ,*r" ;r" bi njihova
mof bila premala. (Moi testa u.rorr",noia
1"
da se
napravi gre_
ska druge vrsre,rj. da se ne
",;;,;;;
p;;reina hipot"rrn;
,rarri razmatranje
"db;
ffi:ffi[";],il:i:e:ffj',*""i:l*]-'"?;l.,lTH
j*iyir:;
1::H
252
Zadauanievrednosti koeficiien.ata
da odaberetcgrupekoie Zeliteda po-
U narednomporr,,ptJ,llSS7" tt"Ziti
zadatt'veliiine koeficiienata'
redite. Da biste ," t-tlJi du t"uditt' .morate
pa iemo to sad.irobiasniti'
urade'
da
Mnogi studentito spodetkane znaiu
razliiitih vrednostinezavrosnovu
Prvo treba da identifikuietegrupe na
snepromenliive(agegP3):
o Grupa 1 (iifrovana sa 1): starostl'8-29
' Grtpu 2 (Sifrovanasa 2): starost30-44
o Grupa 3 (Sifrovanasa 3): starost45+
zarimtrebadaodluditekojegrupeieteporediti,akoiezanemariti.Dac'u
za to nekoliko Primera'
Primer 1
bi trebaloda glase:
grupe 3 sa ostaledve grupe' koeficiienti
Za poredenje
. Grupa 1: -1
. Grupa2: -1
. Grupa3: 2
' Grupa 1: -1
' GruPa2: 0
e Grupa 3: 1'
' JYur
rvrq^tvr
e'\s
' q"Jer
s"s"!s
rvv
5' U odeljkuMissing Values treba da je potvrdenopolje Exclude cases analysis by analysis. Pritisnitedugme Continue.
6. Pritisnitedugme Contrasts.
' U polje Coefficients upi6itekoeficijentprve grupe. (U gornjemprimeru
1,
t o b i b i o k o e f i c i j e n-t1 . ) P r i t i s n i t ed u g m eA d d .
. Upi5itekoeficijentdruge grupe (-1). Pritisnitedugme Add.
. Upi5itekoeficijenttrece grupe (2). Pritisnitedugme Add.
' Ako ste ispravnounelikoeficijente,u poljucoefficient rotar na dnu
tabele pisace 0.
7. PritisniteContinue i zatim oK (odnosno dugme Paste da biste komandu
snimiliu Syntax Editor).
Postupakgeneri5eovu komandu:
ONEWAY
toptimBY agegp3
/CONTRAST:-1 -1 2
/STATISTICS DESCRIPTIVESHO MOG ENEITY B ROWN-FORSYTHE
WELCH
/PLOTMEANS
/MISSINGANALYSIS
/POSTHOC: TUKEYALPHA(,o5).
Evo kako izgledaodabranideo rezultatagornjeg postupka.
Conlrasl Coetticionts
Primer 2
I o
roglavue
AGEGP3
lontrast
18-29
30,44
45+
Contrasi Tesis
Value ol
Contrast
Assume aoual variances t
olal
JPtrmlsm ooesnoi
aisum
si9
srd.
2.45
Errot
91
2.ffi7
2.45
.92
2.654
'2-l
ot
4i2
251,323
ziled\
.@7
008
SPSSPostuPka'
ize variianse
Postupak obavliania i ednofakto.r-skeanal
,atlieilingrupa i pianiranimporedenjima
l.OtvoritemeniAnalyze,izaberiteuniemustavkuCompareMeans'papritisnite One-waY ANOVA'
optimism)'
(neprekidnu)promenljivu^(npr-'
,total List'
2. Pritisniteodubr"nu zavisnu
Dependent
polje
u
promenljivu
Pritiskomna strelicuprebacitetu
promenljivu(npr' agegp3)' Prekategorilsku
3. Prrtisniteodabranu nezavisnu'
bacite je u Polje Factor'
poljaDescriptive' Homogeneity-of4. Pritisnitedugme Options' pa potvrdite
Variance i Means Plot'
Tumadenjerezultatajednofaktorkeanalizevariianse
razliditihgrupa s planiranimporedeniima
Tabele Descriptivesi Test of homogeneity of variances sastavni su deo rezultata ovog postupka, ali je njihov sadrZaj iednak kao u prethodnom primeru
jednofaktorske analize varijanse (ANOVA) s naknadnim testovima. Zato
iemo ovde razmotriti sarno onaj deo rezultata koli le relevantan za planirana
poredenia.
I vvrevuv
Korak 1
U tabeliContrastCoefficientsnavedenisu koeficijentikoje stezzrdaliza svaku grupu. Proveriteda li je to ono 5to ste hteli.
Korak 2
Zanimaju nas glavni rezultati, dati u tabeli Contrast Tests.Radunamoda su
varijansejednakepoito ;e Leveneovtest (komentarisanu prethodnomprimeruanalizevarijanses naknadnimtestovima)pokazaoda je razlikavarijansi
statistidkineznatajna,dakle sludajna;zatokoristimo prvi red tabele(Assurne
equal variances).Znatajnost zadatog poredenja (data u koloni Sig.) iznosi
0,007.To je manje od 0,05, pa zakljuiujemoda postoji statistiiki znadajna
nzllka izmedugrupe 3 (45+ godina)i ostaledve grupe.Iako znaiayna,stvarna
razbkaizmedusrednjihvrednostitih grupavrlo je mala(21,36,22,10,22,96).
Vi6eo tome proditajteu raspravio rezultatimaprethodnogprimera.
Verovatnosteprimetili da je rezultatanalizeplaniranihporedenjadat kao
pokazateljt, a ne kao kolidnik F uobidajenu analizivarijanse.Odgovarajuiu
vrednostkoliinika F dobijatekvadriranjemiznosat. U ovom primeru t iznosi2,687,5tokvadriranodaje 7,22.U izvedtajuo ovakvoj analizitrebanavestii broj stepenislobode.Prvi stepenslobode(za svaplaniranaporedenja)
jeste1; drugi je dat u koloni df iza kolonet (ovdeje to 432).Dakle,te rezultate bismo opisalisa F (1, 432) = 7,22, p = 0,007.
ANOVAponovlienihmerenia
Jednofaktorska
U jednofaktorskojanahzivarijanseponovljenihmerenja,svaki subjekatse
meri pod dva ili viSerazliditihuslova,odnosnona istoj neprekidnojskali u
tri ili viSenavrata.SluZii za poredenjeodgovoraispitanikana tri ili viderazliditihpitanjaodnosnostavkiistogpitanja,ali seodgovorimoraju meriti na
istoj skali (npr.od 1=nimalose ne slaZem,do 5=potpunose slaZem).
Kratakprikazjednofaktorskeanalizevariianse
ponovljenihmerenja
Primer istraZivaikog pitanja: Ima li razlike u rezultatima merenim u tri navra ta ?
Sta ua- treba: Jedna grupa subjekata merenih na istoi skali u tri navrat:r ili
pod tri razll(ita uslova, i/i odgovori (mereni na istoj skali) svake osobe na tri
razhtita pitanja odnosno stavke istog pitanja. Tu se radi o dve promenliive :
. jedna nezavisna promenijiva (k:rtegorijska) (npr. trenutak 1/ trenutak
2/ trenutak 3)r i
e jedna zavisna promenljiva (neprekidna) (ttpr. rezultati na testu poverenja). Rezultati testa, dobijeni u raztrim vremenskim trenucirna, biie u
datoteci podataka prikazani u z:rsebnimkolonama'
I o.
JEuttvrd^lgro^d
dlldilzd
ydlualltje
zcJ
Obja5njenjeprimera
Prikaza(u ovu tehniku na podacima
iz datoteke experim3ED.sav
(dostupne
na prateioj \feb lokaciji). pojedinosri
o roj a","r".-,',
proiitajte
f"J"l-"i-"
dodatku'Grupastudenata
u
,uiri i. p.r*r".a,
3ilffiT:-",i}'n;::.':f
.rt"rruul. u in'telvenciji(pro_
,flXfl:T?li:1"";;;;il"','o'o,
subjektivniha r,;" l1)i
^7
6i
l
;,;;
J** i;'; ,lilf il,'"#",'Il:
"
", u ) i p.'""t.
no nakon intervencije
"; ;.'iil::"
(rrenurak
rrr-.r"."'k;;;;'ir;."rtak
3).
Da bistepratili
p"l;;"i;; spssi
"Ii,_l:i*,
expe_
rim3ED.sav.
Slediprikazimenaupotrebljentt
"rr.rir",air"reku
pro_.rrt;iiil:
;;oirima i po_
jedinostima
navedenim, anr"L.i,
Ime datoteke:experim3ED.sav
;;;;;_",
Promenliive:
' Rezultadmerenjapoverenja..u
svojesposobnosti
u trenutku1 (confidl):
ukupni rezurratina tesrur"i;*
r. irpitrl" pou.."nie u svoiesposobnosti
statistike
lionfidence
in ctping -i,t.,sroii*ts),sprove1ii11"9""lnje
crenompre intervencije.
opseg moguiih
40. veie
vrednostipokazu;uvlsl nrvo poverenja "*a,i"rrj-"j"j;;"
' Rezultatiispitivanja
poverenjau trenutku2 (conftd2):
ukupni rezulr:rtr na testu,sprovedenomneposredno
naKonrntervencije.
' Rezultati ispitivanja
poverenjau rrenurku 3 (confid3),
ukuprri rezulta_
tl na testusprovedenom3 meseca
poslerntervenciie.
roglavue
meren1a
promenljivu
ponovljenih
koje predstavljaju
6. lzaberitetri promenljive
na dugmesa strelicomprebacrte
(npr.confidl,confid2,confid3).Pritiskom
ih u poljeWithinSubjectsVariables.
poljeOptionsu donjemdesnomugluprozora'
7. Pritisnite
8. PotvrditepoljaDescriptiveStatistics i Estimatesof effect size u odeljku
Display.Ako hoceteda zadatenaknadnetestove,u odeljkuFactor and
(npr.Vreme)
promenljive
ime svojenezavisne
FactorInteractionsizaberite
main efpolje
compare
Potvrdite
for.
je
Means
polje
Display
i prebacite u
nadole
pritisnite
strelicu
intervaladiustment'
fects.U odeljkuConfidence
Bonferroni.
druguopciju
i izaberite
Continuei zatimOK (ilidugmePasteda bistekomandusnimiliu
9. Pritisnite
Syntax Editor).
ovukomandu:
PostupakgeneriSe
GLM
confidl confid2confid3
/WSFACTOR: time3 Polynomial
/METHOD: SSTYPE(3)
/ P L O T : P R O F I L E ( t i m) e
l)
COMPAREADJ(BONFERRON
/EMMEANS: TABLES(time)
ETASO
/PRINT: DESCRIPTIVE
/CRITERIA:ALPHA(,05)
/ W S D E S I G N :t i m e .
rme I
;ontoencE
rme?
:onlidorce
21.87
:n
25.03
rme3
30
30
5.2{.)
MultivariateTest*
PartralEta
Etfect
time
Errordf
Prllar'sTrace
Wilks'Lambda
Holelling'sTrace
Roy's Largesl Root
a.
Hvpothesrsdt
Value
Exact statrstic
b.
Design:Intercept
WithinSubjectsDesign:trme
,251
2.979
2 979
1a
1a
2,000
2,000
2,000
28,000
28,000
28.000
Siq
,000
,000
.000
.000
ot Sphenc{yD
Iestslhonullhypothesisthatthee(orcovariancemainrotlheo(honormalzedlranslormeddependenl
variabtesrspropodJonal
ldenllty malnr
lo a
a
tesls of sgn{icance.
coriectd
Design: tntercepl+cRoUp
Wilhin Subjecls Design: TtME
Pairwise Comparisons
MeasureiMEASURE1
95o/oConfidence Intervalfor
Tumadenjerezultatajednofaktorskeanalizevarijanse
ponovljenihmerenja
DescripliveSlatsncs
Srd. Deviatron
Mauchly s Ed
DAd qr rqlza
Evo rezultataprethodnogpostupka'
r9,00
I o; Jeul lula^tut
49
719
749
749
I vvrdvuE
Veli6ina uticaja
Premdasmo utvrdili statistidkiznadajnurazliku izmedutri skuparezultata,
trebada procenimoi velidinute razlike,tj. uticajaintervencije(videtiraspravu o velidinamauticaia u uvodu u peti deo kniige).Zanima nas pokazatelj
parcijalnoeta kvadrat tj. Partial Eta Squared,navedenu posledniojkoloni
tabeleMultivariateTests.Eta kvadrat ie kolidnik dela varijansezavisneprorazliditimkategorijamanezavisnepromenliive,ti. vamenljiveobjaSnjenog
rijansom izmedu grupa, i ukupne varijanse,jednake zbiru prethodne i
varijanseunutaf grupa.Etakvadrat poprima vrednostiizmedu0 i 1. Kad:rje
jednaka0, to kazujeda su srednjevrednostiposmatranezavisnepromenljive
za svekategorijejednake,tj. da nezavisnapromenljivane utidena zavisnu'
Suprotnotome, kada je eta kvadrat jednak l,znati da se posmatranoobeleZjene menja unutar kategorija,vei samo izmedu razliditihkategorija.U
ovoj studiji, dobijeni eta kvadrat iznosi 0,749. Na osnovusmernicakoje ie
predloZioKoen (Cohen,1988, str.284-7) (0,01=maliuticaj, 0,06=umeren
uticaj,0,14=velikiuticaj),reklo bi se da je uticai intervenciie(kursaiz statistike)vrlo velik.
| 9.
JsuI
lvrq^
Predstavlja
nje rezultata jed nofaktorske a naIize
ponovlienih
varijanse
merenja
Rezultate jednofaktorske analize varijanse ponovljenih merenja mogli
biste
predstaviti ovako:
Jednofaktorskomanalizomvarijanseponovljenihmerenjauporedenisu iznosi
na testu poverenjau sopstvene sposobnosti za savladavanjestatistike,dobijenih u weme 1 (pre intervencije),weme 2 (posre intervencije)i weme 3 (tri
meseca posle intervencije).
U tabeli 1 date su njihovesrednjevrednostii stan_
dardnaodstupanja.Utvrdenje znadajanuticajvremena,Vilksovlambda: 0,25.
F (2,28) : 41 ,17,p ( 0,0005, multivarijaciono
parcijalnoeta kvadrat: 0,2b.
Tabela'l
opisni statistiiki pokazatelji rezultata ispitivanjapoverenja u sopstvene sposobnosti za savladavanjesfafisfrke,dobijenih u vreme 1, vreme 2 i vreme 3.
Vremenskorazdoblje
Srednjavrednost Standardnoodstupanje
19,00
5,37
Vreme 2 (neposredno
posle intervencije)
21,87
5,59
Vreme 3 (3 meseca
posle intervencije)
25,03
5,20
DodatneveZbe
Poslovnookruienie
ttii:fl;:
l . S p r o v e d i t e j e d n o f a k t o r s k u a n a l i z u v a r i j a n s e spospanosti
n a k n a d n ina
m tskali
estovima
vrednosti
(gdeje pritf ua"oii"ii p"tta9"1a srednjih
Sensations
and Associated
oseianja(Sleepiness
t p";;;;fi
pospanostr
promenliivom
grupedefinisane
Scaletotal score:tofSAS),za tri "u'o"*
agegP3(<=37,38-50' 5 I +)'
/g^
Ptl
,,,*ff
analiza
Dvofaktorska
ll, varijanserazliditih
grupa
ObiaSnienjeprimera
upotrebiiu datoteku s podacima
Kao ilustraciju razmatrane tehnike'Web
lokaciji knjige (videti str. xi). Ti
survey3ED.sav,
dostupnuna prateioj
podaci potiiu iz anketesprovedenekako bi se istraZiliiinioci koii utidu na
liudi. Radi seo stvarpsiholo5koprilagodenje,zdravljei oplte raspoloZenje
jedna
grupa
mojih postdiploobavila
koje
podacima
iz
istraLivanja
nim
ie
i
maca. Sve pojedinostite studije, upitnika upotrebljenihskala date su u
dodatku.Ako Zeliteda i samipratitepostupakopisanu ovom poglavlju'pokrenite SPSSi otvorite datoteku survey3ED.sav.U analizi su koriSiene ove
promenljive:
hne datoteke:survey3ED.sav
. Ukupan optirnizam(Toptim): ukupana vrednostna skali optimizma'
Rezultatimogu imati vrednostiu opseguod 6 do 30, pri demuve6ibrojevi pokazujuviSinivo optimizma.
o Starosnagrupa (Agegp3):reiifrovanapromenljiva,dobijenadeljenjem
prornenljiveagena tri jednakegrupe:grupa 1: 18-29 = 1; grupa 2: 3044 = 2; grupa 3: 45+ = 3 (uputstvaza reiifrovanjevideti u poglavlju8).
. Pol (promenljivasex):mu5karci(Males)=1.,Lene
(Females)=2.
1. OtvoritemeniAnalyze,izaberite
u njemustavkuGeneralLinearModel,1
pritisniteUnivariate.
(npr.toptim)i prebaciteje u po
2. Pritisniteodabranuzavisnupromenljivu
Dependentvariable.
(sex,agegp3
3. Pritisnitedve odabranenezavisne
kategorijske
promenljive
prebaciteih u poljeFixed Factors.
dugmeOptions.
4. Pritisnite
' PotvrditepoljaDescriptivestatistics, Estimatesof effect size i Homr
geneity tests.
. Pritisnite
Continue.
dugmePost Hoc.
5. Pritisnite
. U spiskuFactorsna levojstrani,izaberite
jednu ili vise nezavisnih
pr
menljivihod interesa(kojeimajutri ili vi5e nivoaodnosnogrupa),np
agegp3.
. Pritiskomna dugmesa strelicomprebaciteje u odeljakPost Hoc Tes
lor.
. lzaberite
(u ovomsludaju,
naknadni
test kojiielite da sprovedete
Tuke
. Pritisnite
Continue.
6. Pritisnite
dugmePlots.
. U poljeHorizontalstavitenezavisnu
promenljivu
kojaimaviSegrupa(np
agegp3).
. U poljeSeparateLinesstavitedrugunezavisnu
(npr.sex)
promenljivu
. Pritisnite
Add.
. U odeljkuPlotstrebalobi da pi5uimenadve odabranepromenljive
(np
agegp3*sex).
7.PritisniteContinuei zatimOK (odnosnodugmePaste da biste koman
snimiliu SyntaxEditor).
Postupakgeneri5eovu komandu:
UNIANOVA
toptim BY agegp3sex
/METHOD: SSTYPE(3)
/ I N T E R C E P T I: N C L U D E
/ P O S T H O C : a g e g p 3( T U K E Y)
agegp3*sex
/PLOT: PROFILE(
)
:
ETASOHOMOGENEtTy
PTTVE
DESCRT
/pRtNT
/CRITERIA:ALPHA(,05)
/DESIGN: agegP3sexagegP3*sex.
M u l t i p l eC o m p a r i s o n s
DependentVariable:TotalOptimism
Descriptive Statistics
HSD
D e p e n d e n t V a r i a b l e :T o t a lO p t i m i s m
AGEGP
18-29
Std. Deviation
4,33
21,38
SEX
MALES
Mean
30-44
45+
Tota|
16-',4
60
a7)
21,34
FEMALES
(r)
(J)
AGEGP3 AGEGP3
87
Total
21,36
MALES
22,38
FEMALES
21,88
4,58
Total
22.10
4 .1 5
MALES
22,23
4,09
FEMALES
4,70
79
Total
23,47
22.96
44q
135
MALES
22,01
eoc
184
FEMALES
2> )i
4,73
251
3G44
45+
68
Total
85
Mea n
Ditterence (l-J)
Std. Error
sis
30.44
-,74
,51
,307
45+
1 60',
.52
,67
-?,82
.,37
18-29
,c I
,307
-,44
45+
,74
,.85
1,93
,52
.n8
2.07
18-?9
1,60'
,52
,007
30-44
.85
.52
,228
,37
',36
2,82
2,07
Based on obseryedmeaos.
Th" *""n difterenceis significanlal lhe ,05 level
t3J
56
EstimatedMarginalMeansof TotalOptimism
?4.O
4,43
23.0
o
G
22,0
D e p e n d e n t V a r i a b l e :T o t a lO p t i m i s m
F
1,083
aao
429
SEX
sig
dt2
df1
* ....yALEs
21,O
18-29
FEIT'ALES
AGEGP3
Tests of Between-SubjectsEffects
Variable:tolal
Source
agegp3
SEX
' sex
agegp3
Error
Total
Conected Total
Typelll Sum
of S0uares
38 6474
206790,069
150.863
5.717
55,709
8274,374
221303.000
8513.021
PartialEta
Mean Square
df
5
1
2
1
2
429
435
434
2,475
47,729
206790.069 107?1,408
75,431
3,S11
5,717
,296
t7 qcq
1.444
19.288
siq
,032
,000
.021
,586
,uzu
.962
018
.001
.007
Tumadenierezultatadvofaktorske
analizevarijanse
llticaji interakciie
(npr'da seuticajstarostr
Naipre trebaproveritida li postojiuticaj.interakcije
li
da
ie osobamuSkaracili Zena nivo optimrzmameniau zavisnostiod toga
osnovnih
f"a, utvrdite da le uticai intera.kcijeznaialan' tumaienje
ni
""1.
lako
iednostavno.
(zasebnih)uticajir nezavisnihpromenliivih viSenije
morate
promenliive,
jedne
nezavistre
uticaj
opisali
biste
da
ir-"ri"g i" rf.deeir
prikirzaU
,f..ifi.ir"ti odgovaraju6.,ur.dr.ort druge nezavisneprourenliive'
inZnaiainost
agegp3*sex'
red
pogledati
treba
,ri- ,"r,tltutirna iz SPSS-u,
vrednost
terakcijeie data u ieliji kolone Sig' u tom redu' Kada ie njena
interakcije
uticai
ie znaia(npr.0,03,0,01,0,001),
manjaodili lednaka0,05
sig' (agegp3"sex:
znataian
jan.
U naiem primeru, uticaj interakcije.nije
'0t,237).To
kazujeda nemaznaiainerazlikeu uticaiu starostina optimizam
kada proveravateznadainostovih remuSkaracaodnosnoi.ena.[.Jpozorenie:
zultata,vodite raiuna o tome da iitate brojeve u koloni sig., poStomnogo
studenatamisli da seznadainostaita u koloni PartialEta Squared,5todonosi
!
katastrofalnePosledice
Zasebni uticaii
Velidina uticaja
Veliiina uticaja promenljive agegp3 data je ur koloni Partial Eta Squared
(0,018). Prema Koenovom kriterijumu (Cohen, 1988), taj uticaj se moie
klasifikovati kao mali (videti uvod u peti deo knjige). Dakle, mada sratisriiki
znatajna tj. nesluiajna, stvarna razlika izmedu srednjih vrednosti vrlo ie mala. U tabeli Descriptives videiete da srednje vrednosti za tri srarosne grupe
(za oba pola zajedno) iznose 21,,36,22,10,22,96. Razlika izmedu tih grupa
nema praktidnog znaiaia.
Naknadnitestovi
Iako znamo da se naie starosnegrupe razlikuju, ne znamo konkretno koje se
razlikuju: da li se gp1 razlikuje od gp2, da li se gp2 razllkuje od gp3, da li se
gp1 razlikuje od gp3? Odgovor na ta pitanja daie nam naknadni (engl. posr-hoc) testovi (videti njihov opis u uvodu u peti deo knjige). Naknadni testovi
su relevantni samo kada nezavisna promenljiva ima viSeod dva nivoa (grupe). Ti testovi redom porede sve parove grupa i kazuju da li se njihove srednje vrednosti znadajno razlikuju. Rezultate naknadnih testova SPSSdaje u
sklopu ANOVA postupka. Medutim, ne bi trebalo da ih gledate dok zajednidkom (omnibus) anirlizom varijanse ne otkrijete neki znaiajan zasebanuticaj ili uticaj interakcije. U ovom primeru, dobili smo znadajan zaseban
(osnovni) uticaj promenljive agegp3 (za razhku od promenljive sex, koja ga
nema); zato je opravdano da naknadnim testovima ispirujemo uticaj agegp3.
Dijagrami
Na kraju rezr.rltataiz SPSS-anacrtan je dijagram nivoa optimizma muikaraca i Zena za sve tri starosne grupe. Taj dijagram je veoma koristan jer
omogr"riavavizuelni uvid u odnose izmedu promenljivih, 5to je obidno lakSe
od deiifrovanja velike tabele brojeva. Iako su na kraju rezultata, te dijagrame bi trebalo pogledati prve da biste bolje shvatili uticaj dve odabrane nezavisne promenljive. Upozorenle: kada tumadite dijagrame, imajte u vidu
skalu upotrebljenu za crtanie zavisnepromenljive. Ponekad se ono 5to na dijagramu izgleda kao ogromna razlika, zapravo svodi na tek nekoliko jedinica mere. Videiete to u tekuiem primeru. Na prvom dijagramu izgleda kao
da postoli velika razllka u rezultatima mu5karacaiLena starije starosne grlrpe (45+). Medutim, kada pogled vratite na vertikalnu skalu na levoj strani
di|"gr"^u, vide6eteda je ta razhka zaptavo mala (22,2 prema 23,5\.
Predstavljanierezultatadvofaktorske
analizevariianse
Rezultati opisane analize mogu se predstaviti ovako:
Dvofaktorskomanalizomvarijanserazliditihgrupa istraZenje uticaj pola i starosti na nivo optimizma,meren na skali Life OrientationTest (LOT).Subjektisu
b i l i p o d e l j e n iu t r i s t a r o s n eg r u p e ( g r u p a 1 : 1 8 - 2 9 g o d i n a ;g r u p a 2 : 3 0 - 4 4
godina; grupa 3: 45 i vise godina). Uticaj interakcijeizmedu pola i starosne
grupe nije bio statistidkiznadfan, F (2, 429) : 1,44, p : O,24.Utvrdenje stat i s t i d k zi n a d a j a nz a s e b a nu t i c a js t a r o s t i , F( 2 , 4 2 9 ) : 3 , 9 1 , p : 0 , 0 2 ; m e d u t i m ,
uticajje malr(parcijalnieta kvadrat:0,02). Naknadnaporedenjapomocu TukejevogHSD testa pokazujuda se srednjavrednostrezultatau starosnojgrup i 1 8 - 2 9 g o d i n a ( M : 2 1 , 3 6 , S D : 4 , 5 5 ) z n a d a j n or a z l i k u j eo d o n e u g r u p i
4 5 + g o d i n a ( M : 2 2 , 9 6 , S D : 4 , 4 9 ) . S t a r o s n ag r u p a 3 0 - 4 4 g o d i n a ( M :
2 2 , 1 O ,S D : 4 , ' 1 5 ) n e r a z l i k u j es e z n a 6 a j n oo d o s t a l i hg r u p a .Z a s e b a nu t i c a j
pola, F (1, 429): 0,30, p : 0,59, nije dosegao statistidkuznadajnost.
Dodatneanalizekadase dobiie
znaeaianuticaj interakcije
Kada dobif ete zna(aian uticaj interakcije, trebalo bi da odnose dodatno
istraZite naknadnim testovima. (To vaZi samo ako jedna od odabranih promenljivih ima tri ili vi5e nivoa.)Jedan od nadina da se to uradi jeste analiza
jednostavnih uticaja. To zna(i da 6ete zasebno razmotriti rezultate svih podgrupa. Uzorak treba podeliti na grupe jedne od nezavisnih promenljivih i za
njih zasebno sprovesti jednofaktorske analize varijanse kojima se istraiuje
uticaj one druge promenljive. Da smo u gornjem primeru utvrdili znataian
uticaj interakcije, mogli smo uzorak podeliti po polu i istraZiti uticaj starosti
na optimizam zasebno za mu5karce i za Lene. Za podelu uzorka i ponavljanje analiza za svaku grupu, upotrebite SPSS-ovu opciju Split File. Ta
opcija sIuLi za podelu uzorka na grupe jedne kategorijske promenljive i
zasebno ponavljanje analiza za svaku grupu.
Nakon podele uzorka, istraZivad sprovodi jednofaktorsku analizu varijanse (videti 18. poglavlje) i poredi nivoe optimizma u rri srar'sne grupe.
Kada je procedura split File ukljuiena, dobiiete zasebne rezulrare za muSkarcei Zene.
DodatneveZbe
Poslovnookruienje
Datoteka s podacima: staffsurvey3ED.sav.pojedinosti o datoteci videti u
dodatku.
1. Sprovedite dvofaktorsku analizu varijanse s naknadnim testovima (ako
treba) za poredenje nivoa zadovoljstva osoblja (totsatis) za razlltito trajanje zaposlenja (upotrebite promenlj'u seruicegp3),i to i za stalno
i za
privremeno zaposlene (employstatus).
Zdravstvo
pojedinostio datotecivideti u dodatku.
Datotekas podacima:sleep3ED.sav.
1. sproveditedvofaktorskuanalizuvarijanses naknadnimtestovima(ako
treba)za poredenjesrednjihvrednostipospanostina skali pospanosrii
pridruZenihoseianja(sleepiness
and AssociatedsensationsScaletotal
score:/o/sAS) muikaraca i i.ena(gender)podeljenihu tri starosnegrupe
definisanepromenljivomagegp3(<=37,38-50, 51+).
Kombinovana
analtzavarijanse
2t2
UgO
V . \)LdLIDLIWAE
Lgl
ll llAs
4q
Vvr
ever
rJE
Vl
UPd
Obia5nienie
Primera
Kratakpregledkombinovaneanalizevariianse
Primer istraiivadkog pitanja: Koja intervencija delotvornije smanjuje rezultate udesnika na testu kojim se ispituje strah od statistike, popunjavanom u
tri navrata (pre intervencije, neposredno posle intervencije, 3 mesecakasr-rije)? Postoji li promena u rezultatima uiesnika na tom testu, popunjavanom
u tri navrata (pre intervencije, posle intervencije, 3 mesecakasnije)?
Poglavlje2O: Kombinovanaanaltzavarilanse
273
Postupakza sprovodenjekombinovaneanalizevariranse
1. otvorite meni Analyze, izaberiteu njemu stavkuGeneral Linear Model, pa
pritisniteRepeated measu res.
2. U polje Within-subject Factor Name upi5ite opisno ime faktora razliditih
subjekata (npr. vremena).To nije stvarno ime promenljive,vec opisno po
va5emizboru.
3' U polje Number of Levels upisitebroj nivoatog faktora(u ovom sludajuimamo tri vremenskaperioda;zato upi5ite3).
4. Pritisnitedugme Add. Pritisnitedugme Define.
5. Pritisnitepromenljivekoje predstavljajufaktor istih subjekata(npr. rezultate
na testu za ispitivanjestrahaod statistikepopunjenomu trenutku1, trenutku
2 i trenutku3).
6. Pritiskomna strelicu prebacitete promenljiveu polje within-subjects variables. Trebalobi da se u polju ispi5uimenaodabranihpromenljivih(samo
kratkaimena:fost1, fost2, fost3).
subjekata(npr.vrstakursa).Pritisrazliditih
7.pritisniteodabranupromenljivu
u
komna strelicuprebacitetu promenljivu poljeBetween-subjectsFactors.
dugmeOptions'
8. Pritisnite
. U odeljkuDisplaypotvrditepoljaDescriptivestatistics,Estimatesof
effect size, HomogeneitYtests'
. Pritisnite
Continue.
Plots.
dugme
9. Pritisnite
. pritisnitefaktoristihgrupa(npr.vreme)i prebacitega u poljeHorizontal
Axis.
grupa(npr.grupa)'
razliditih
promenljivu
. U poljuSeparateLinespritisnite
Add. Trebalobi da se u poljuispiSuimenaodabranihpromenljivih
10. Pritisnite
(npr.vreme*gruPa).
Continuei zatimOK (odnosnodugmePasteda bistekomandu
11.Pritisnite
snimiliu SyntaxEditor).
Postupakgeneri5eovu komandu:
GLM
fostl fost2fostSBY gruPa
/WSFACTOR: vreme3 Polynomral
/METHOD: SSTYPE(3)
vreme*grupa
)
/PLOT: PROFILE(
ETASOHOMOGENEITY
/PRlNT: DESCRIPTIVE
/CRITERIA:ALPHA(.05)
/WSDESIGN: vreme
/ D E S I G N :g r u p a .
'sM
l"5ro
'|
5680
Sig
. 96 9
I e s t st h e n u l l h y p o l h e s i st h a t t h e o b s e r v e d c o v a r i a n c e
m a t r i c e so f t h e d e p e n d e n tv a r i a b l e s a r e e q u a l a c r o s s g r o u p s
a Desrgn:
I n t e r c e p t+ G R O U P
W i t h i nS u b j e c t sD e s i g n :T I M E
Multiva.iate TestS
Partial Eia
Effect
lme
HvDothesisdf
Hillafs lrace
.boJ
Wilks'Lambda
Hotelling's Trace
Roy's Largesl Root
Pillai'sTrace
Wilks'Lambda
Holelling'sTrace
Roy'slargest R@l
siq
Chi Square
348
28,517
lo an 'denlilY matix
a
May be used lo adjusl lhe degrees ot feedom
Gerssr
000
,605
,500
640
variabtesrspropo(ional
Coriectd
S t d .D e v i a t i o n
4,60
39,87
Mean
131
fesEthenullhypthesislhaltheetrorcovariancematrroltheodhonormalizedransformeddeFndenr
Desqn'
lntereept+cBouP
15
conltdence
building
40,47
5,82
t3
Total
40.17
5.16
30
37,67
4,51
confidence
building
5,88
15
Total
( 1q
30
maths skrlls
36,07
5,43
15
c o n fi d e n ce
building
34,40
6,63
15
aq ta\
o,uz
30
Total
z.034"
2.03/4
2,0u4
2.0344
Vlhin Subjecls
fear of stats
time3
26.593"
,663
.663
.663
131
131
DescriptiveStatistics
maths skills
26.5934
bbJ
,000
.000
,000
150
150
150
150
Oesignr Inle.cept+9roup
Withrn Subjecls Desion: lime
lear of stats
time2
26.5934
I / .uuu
27,0AO
27.OOA
27.000
27,000
27.004
27.000
27.000
b.
IME
fear of stats
r r , , EI
Error df
2.000
2,000
2,000
2,000
2,000
2.000
2,000
2,000
a Exact statistic
:flecl
T v D eo f c l a s s
mathsskills
,337
1.970
1.970
131
869
151
151
2 6 5, 93d
dr1
{ear o{ stats
timel
siq.
dt2
,893
28
eqa
fear of stats
time2
,767
28
aco
fear of stats
time3
,770
28
.388
Teststhe null hypolhesis thal the error variance ot the dependent variable is
e q u a l a c r o s sg r o u p s .
a D e s i g n :I n t e r c e p t + G R o u P
W i t h i nS u b j e c t sD e s i g n :l l M E
1t
str.466-g). TumadimosamoreznlrateSpSS-ove
multivarijacioneanarizeva_
rijanse,zato dto se univarijacionazanivana sferidnosti
poJaiaka.Sferiinost
znaii da je varija'sa rezsltatapopuracijeza biro koja .tuu
jednakatoj
varijansizabilo koja druga dva usrova(ito najieiie nije "rtou",
zaclovorjeno).
SpSS
meri sf-eridnost
Moklijevim resrom,ari multivarijo.ionuarrJlu
uur!u.rr. rr"
podrazumevasf'eridnost.Videiete u naiem primeru
crapretpostavka o sfe_
ridnosti nije zadovoljena,ito pokazuje ur.d.rort Sig.
otl b,OOOu tabeli
Mauchlyt rest of sphericiry.Mada ima nadinada seriaruiavanre
te pretpo_
stavkekompenzuje'sigurnijeje pogledatirezulrate-J;;il".ione
analize
varijansedate u SPSS-ovomizlazu.
Pogledajmokljudnevelidinekoje treba razmorriti u
rezulratima.
Measure:MEASURE-1
ariable:Ave
Source
Intercept
group
Error
PartialEta
T y p el l l S u m
of Squares
127464,100
4,900
F
127464,104 1 5 3 1 , 7 5 7
M e a nS q u a r e
dt
1
4,900
83,214
1
28
2330.000
,059
S6r r2rcal
Sio.
,000
,810
,982
,002
EstimatedMarginalMeansof MEASURE*1
type of class
rnaths skrlls
. -,confldnceburlding
a
6
\
38
=
o
e
,E
o
u,
Pretpostavke
Pogledajtetabelu Levenet rest of Equality
of Error variancesi proverite da
li je naruienaprerposravkao homog"""rri
varijansi.2"r.riJir-o da vrednost sig' budeneznadajna(veia od o,os1.
u ovom sluiaju, ta verovatnoiaje
veia od 0,05 za svakupromenljiv'
i0,35, 0,39,0.39);dakl.,moZemobez_
bednodalje.
proveriri.pokazaterjBoxt rest of Equarity
of covarianceMa.^,t^tty1r,eb.a
tnces'Zeleli bismo vrednostsig.
veiu od 0,001. U ovom p.i-.r,r, ra verovatnofa iznosi0,97; dakle, pretpostavkaje
zadovollena.
time
Tumadenjerezultatakombinovane
analizevariianse
Uticaj interakcije
5topogledamoverii'jne
zasebnihuticaia,prvo rrebirda ocenimoutiI:.t:*"
rd'
rnrerakcr;e.
l)a Ii je vremenskapromena.ez.rliatajednaka
za dve grupe
(matemaridkeveitine/izg3{ni1 sa.mopouzdanja)?
ft ;"; k;uje drugi ,,iz
tabele Multivariare Tesrs. Zanima nn, pot nrut.ll
iif:l
r(jt:.";it.""p;
r nlegova verovatnoia navedenau koloni Sig.
Svi testovi
;,,,,,:,t--^t1-bda
rrrurrlvarlracrone
anarizevarijansedali su isti rezultat,ali se'alieSde
navodi
pokazateljlambda.u.ovom sludaju,
-ram
Y_tl\':"
statistidki
znadajan (verovatnoia sig. Vilksovogpokazaterja
";;;;l;;.;;*;",iti.
bda ;;;;;; 0, 15, sto je
vi5eod na5egnivoa alfa od 0,05).
.i:l
279
Predstavljanje
rezultatakombinovane
analizevarijanse
Zasebni uticaii
lzgradnjasamopouzdanja
Vremenskiperiod
SD
MSD
Pre intervencije
tc
39,87
4.60
15
40,47
5,82
Posle intervencije
15
37,67
4,51
3233
5,88
3 meseca kasnije
tc
36,07
tr, rle
34,40
6,63
15
Multivarijaciona
analizavarijanse
U prethodnim poglavljima, analizom varijanse smo poredili grupe po iednom obeleijz (jednoj zavisnoj promenljivoj). Medutim, ima mnogo istraZivadkih situacija kada treba porediti grupe po viSe obeleZja. To le sasvim
uobidajeno u klinidkim istraZivanjima, gde je teZiStena vrednovanju uticaja
odredene intervencije na razna merila ishoda (npr. anksioznost, depresiju, fiziike simptome).
Multivarijaciona analiza varijanse (MANOVA) proSirenjeje analize varijanse,koje se upotrebljava kada ima vi5e od jedne zavisne promenljive. Trebalo bi da su te zavisne promenljive na neki naiin povezane ili da postoji
neki konceptualni razlog zaSto se razmatraju zajedno. MANOVA poredi te
grupe i kazuje da li je verovatno da su srednje razlike u uticajima grupa na
tu kombinaciju zavisnih promenljivih nastale sluiajno. Da bi to uradila,
MANOVA pravi novu zbirnu zavisnu promenljivu, dobijenu linearnom
kombinacijom svih prvobitnih zavisnih promenljivih. Zatim analizira varijansu te nove, kombinovane zavisne promenljive. MANOVA kaz-ujeda li
postoji zna(.ajna razhka izmedu grupa u pogledu uticaja na tu sloZenu zavisnu promenljivu; dobija se i univarijaciona analiza svake od zavisnih promenliivih zasebno.
MoZda je neko od ditalaca pomislio: a 5to ne bismo prosto sproveli niz
ANOVA za svaku zavisnu promenljivu zasebno? Mnogi istraZivaii rade
upravo to. NaZalost, sprovodenjem niza ANOVA poveiavate verovatnoitt
(rizik) da napravite greiku I vrste. (GreSkeprve i druge vrste razmotrene su
u uvodu u peti deo knjige.) Jednostavno redeno, to znaii slede6e:5to viSe
analiza sprovedete, verovarnije je da iete dobiti znaiajan rezultat, dak i kada
razlika izmedu grupa u stvari nema. MANOVA je bolja zato 5to uzima u obzir taj poveiani rizik od greSkeI vrste. Medutim, to ima svoju cenu. MANOVA je mnogo sloZeniji skup procedura, a ima i viSe dodatnih pretpostavki
koje moralu biti zadovoljene.
i#
Ukoliko smatrateda ie MANOVA ioI rnalopreteikaza vas,imatejoi jedzase[rnu moguinost.Sprovediteniz ANOYA za svakuzavisnupromer-rliivu
no, ali smanjiterizik greSkeI vrstetako 5to iete zadatistroZuvrednostalfa.
Jedanod naiina kontrole greiakaI vrstezbogviSetestovajesteBonferonijevo prilagodenje.To zna(.ida uobiiajenu vrednostalfa (najdeiie0,05) delite
Ako irnatetri nezavisne
probrojemtestovakoje nameravateda sprovedete.
(5to
nakon
sa
3
iznosi
0,0L7
zaokruZivanja)
0,05
i tLr
menljive,podelili biste
novu verovatnoiubistekoristili kao granidnu.Razlikeizmedugrupzrpotom
smatratestatisddkiznadajnimtek ako je dobijenaverovatnoia(Sig.)manja
od 0,017.
MANOVA semoZeupotrebljavirtiza jednofaktorske,dvofaktorskei vi5e^
faktorske analizevarijanse(kada irna viie nezavisnihpromenljivih, tf . faktora), kao i u analizikovarijanse(kadasestatistiiki uklanja uticaj remetiladke
promenljive).U ovom poglavlju,daiu primer koyiilustrujejednostavnu,jednofaktorsku MANOVA analizu. Sloienije analizese ne razmatraju u ovoj
knjizi. Ako nameravateda koristite MANOVA analizu,zaistavam preporudujemda to ne radite dok viSeo tome ne proditatei svedobro ne prouiite.
PredlaZemvam sledeiu literaturu:Thbachnicki Fidell (20071,Hair i ostali
(2006) i Stevens(1996).
Obiainienieprimera
Za prrkazivanje MANOVA analize koristila sam datoreku s podacima
survey3ED.sag
dostupnuna prate6ojWeb lokaciji knjiSie.Studijaje detaljno
opisanau dodatku.U ovom primeru,istraZiiernorazliku izmedurnuikaraca
i Lena u pogledu nekoliko merila raspoloZenja.To su: negativnoraspoloZenje(merenona skali negativtrihoseianja,NegativeAffect), pozitivno
raspoloZenje
(merenona skali pozitivnih oseianja,PositiveAffect) i subjektivno doZivljenstres(rnerenona skali Total PerceivedStress).Ako Zeliteda
pratite doleopisane postupke, pokrenite SPSS i otvorite datoteku
survey3ED.sav.
Kratak preglediednofaktorskeMANOVAanalize
;Lfi::tffllrntJli:'i")
nemenjaju
u zavisnoJu
oi
p,f_
"i""" r"r.,".,k"
prerposfavke: MANOVA
podiva
La Tkoli\o prerposravki. One su
podrobnijerazmorreneu sledeiemoderjku.
Trebaroul i""p?eirate i raspra_
vu o prerpostavkamau uvodu u peti deo
knjige1. Velidinauzorka
2. Normalnostraspodele
3. Netipidnetadke
4. Linearnost
5. Homogenostregresije
6. Multikolinearnosti singularnost
7. Homogenostmatrica varijansei
kovariianse
Neparametarskaalternativa:Ne postoji.
lspitiva nj e pretpostavki
Pre sprovodenjaMANovA analize,
proveri6emoda li na5i podaci
zado_
prerpostavkepopisane u kratkom
pregredu.Neki od rih resrova
::^tl-"":j"
nrsu' strogo uzev,neophodni
za ovako velike'uzJ.ke,
!r'ir, prikazati da
bisrevideli potrebanpostupak.
"i,
1. Velidinauzorka
2. Normafnostraspodete
tsprtrvanjeznadajnosti
rezurtataMANovA
varijacionojnormalnoj
.anarizezasnovanoje na multiraspodeli,ari je u praksi
;";^;;;;;o.,i.""
orporna
na umereno narudavanje,ormal'osii
t".i,r^1i1" ; ;;;.;;11,10,.,
lanianetipitnihradaka)oorroTabachnicki Fidel
studajeva'p"
jerob,rsnosr.
c.rlii
{i."1t;[';3j j,'i'Jn:: L:::il
"uezbedLr
normalnost(pomoiu tzv'
normalnost(videti6. poglavlje)i multivariiacionu
pomaZui u otnormalnosti
provere
iri'"-fr^f^""frisovih.,dri;.iotti;. Postupci
3)'
i.r*""i" netipiinih tadaka(videtipretpostavku
3. Netipidnetadke
- preko menija
Multivarijacionunormalrrosriemo proveriti kada od sPSS-a
MahaRegression- zarraiino da izradunaMahalanobisoveudaljenosti.
udaljenostje udaljenostodredenogsludaiaod centroidaostalih
lu.r"obisou"
prome.liivih
,iuJ"i*u; cenrroidje taika koiu tvore srednievredno.stiwih
iudnih komsludajeve
sve
otkriva
ii"u".n"i.r. & Fidell, 2007). ova analiza
promenlliue'
binaciiavrednostisuetri zauisne
(nazvanu
Doieopisanim postupkom napraviiemo novu promenljivu
odredenu
dobifa
(subiekat)
mah_2) u doto,..i , pod".i-u. Su"ku osoba
reur"drrort te promenljive,srazmernustepenurazliditostisvojekombinacije
zuftataod ostatka uzorka. Uporediiemo te Mahalanobisoveudalienostis:-r
odredenom kritidngm 1rrednosiu,oditanom u hi-kvadrat tabeli kritidnih
vrednosti.Kada rezultatdobiienza promenliivumah-2 odredenogsubiekta
premaii tu vrednost,smatramoga rletipianomtadkom' MANOVA moZeda
istrpi nekolikonetipiinih taiaka, naroiito ako njihovevrednostinisu previ5e
,rrornk ie razumneveliiine.Kada je netipidnihtadakapreviSe-ili
.krir"-r,"
"
kada one imaju previSeekstremnevrednosti,uklonite te sludaieveiz Lrzorka
ili transformiSitete promenljive (videti Tabachnick6c Fidell, 2007, str' 72)'
udaljenosti
Mahalanobisovih
Postupakizradunavanja
1. OtvoritemeniAnalyze,izaberiteu njemustavkuRegression,pa pritisnite
Linear.
identifikuje
u datotecis podacimakojajedinstveno
onu promenljivu
2. Pritisnite
lD.)Prebato je promenljiva
(U ovomprimeru,
sluealeva.
svakiod ispitivanih
u poljeDependent.
citetu promenljivu
3' U polje lndependent stavite neprekidnezavisnepromenljivekoje ste odabraliza MANOVA analizu(npr.ukupnanegativnaosecanja/ tnegaff,ukupna
pozitivnaosecanja/ tposaff,ukupan subjektivnodoZivljenstres / tpstress).
4. Pritisnitedugme Save. U odeljku Distances pritisniteMahalanobis.
5. PritisniteContinue i zatim OK (odnosno dugme Paste da biste komandu
snimiliu Syntax Editor).
Postupakgeneri5eovu komandu:
REGRESSION
/MISSINGLISTWISE
/STATISTICS
COEFFOUTSR ANOVA
/CRITERIA:PI
N(,05)POUT(,10)
/NOORIGIN
/ D E P E N D E NiTd
/METHOD:ENTERtposafftnegafftpstress
/SAVEMAHAL.
Evo tabele rezultata prethodnog postupka.
Residualg Statisticaa
Minimum
rIeqto(eo vatue
Std. PredictedValue
Standard Error of
PredictedValue
Adjusted Predicted Value
Residual
Std. Residual
Stud. Residual
Deleted Residual
Stud. Oeleled Residual
Mahal. Distance
Cook's Distance
Centered Leverage Value
Maxrmum
Mean
Std. Deviation
239,04
-2,741
317,73
3,056
276,25
,000
1J,5/ti
1,000
8,344
34,955
15,220
4,870
432
316.81
448,062
2.698
2,711
452,382
2,732
1B , 10 1
,025
.042
276,23
,000
,000
,000
,Q12
,000
2,993
.002
.407
13,654
165.473
.997
1,001
167.023
1.002
2.793
,003
.006
43?
43?
432
432
132
432
432
432
432
2 3 3 ,6
1
-297jA1
-1,789
-1,805
-302,419
-1,810
,090
.000
.000
432
a. Dependent Varrable:id
Pri dnu ove tabele je red Mahal. Distance. Pogledajte ieli;u u koloni Maximum. Zabeleiite tu vrednost (u ovom primeru, to je 18,1). Uporediiemo
tai broi sa odredenom kritidnom vrednoiiu.
Tu kritidnu vrednost oditavate iz hi-kvadrat tabele, pri demu je broj stepeni slobode jednak broju zavisnih promenljivih. Uzmite da je koeficijent
alfa jednak 0,001. Da bih vam olak5ala ceo postupak, navela sam kljudne
vrednosti u tabeli 21 .1, z.aistraZivanja sa do deset zavisnih promenliivih.
P r o n a d i t ek o l o n u s b r o i e m z a v i s n i h p r o m e n l i i v i h k o j i i m a t e u s v o j o j s r u diii (u ovom primem, to je broj 3). U susednoj 6eliji desno oiitajte kritidnu
vrednost (u ovom sluiaju, ona iznosi 16,27)'
uvv
Ls
lJvr
vvv!
rjv
Yr
uPq
rugf
izradunatih
Mahalanobisovih
Tabela21.1:Kritidnevrednostiza vrednovanje
udaljenosti
Broj zavisnih
promenljivih
Kritidna
vrednost
13,82
Broj zavisnih
promenljivih
Kritidna
vrednosl
Broj zavisnih
promenljivih
26,13
20.52
16,27
22,46
18,47
24,32
Kritidna
vrednosl
27,88
to
29,59
UporeditemaksimalnuvrednostMahalanobisovihudaljenostidobiienuu
rezultatima(npr. 18,1)saoditanomkritiinom vrednodiu.Kada le maksimalna vrednostveia od kritidne,u datotecis podacimaimate multivariiacione
netipiine taike. U mom primeru,Mahalanobisovaudaljenostbaremiednog
sluiaja premaiujekritidnu vrednostod L6,27, dakle multivarijacionenetipidnetaike postoje.Koliko ih je i koliko serazlikuiuod ostalihsluiaieva,to
tek treba utvrditi. Da je maksimalnavrednostMahalanobisovihudaljenosti
bila manja od kritidne vrednosti,mogla sam bezbednozakljuditi da nema
ekstremnihmultivarijacionihnetipidnihtadaka i nastaviti proveru ostalih
pretpostavki.
ViSeo netipidnimtadkamanajlakie demo saznatisledeii uptttstvaiz .5'
poglavljada sortiramo sludajeve(u opadaiuiem redosledu)po novoi promenllivoj (MAH-2) dodatoj na dno datoteke s podacima. Nazvana ie
MAH-2 zato 5to sam ve6imala MAH-1, napravljenuu poglavljuposveici. U prozoru Data View,sh.riaievidebiti poredaniod
nom viSestrukojregresif
nayveiegdo najmanjegiznosaMAH-2, a najveii 18,1 biie na vrhu kolone
MAH_2.
U naiem primeru, rezulfatsamo iedneosobeje premaiio kritiinu vrednost.To je osobaiiji je ID=415,a rezultat18,10.PoStoseradi o samoiednoi
osobi a ni njen rezultatnije prevelik,ostaviiu tu osobu u datotecis podacima. Da je netipidnihtaiaka bilo mnogo, trebalo bi transformisatitu grupu
promenljivih(videti 8. poglavlje)ili ukloniti te sluiajeveiz datotekes podacima. Kada se nadeteu toj situaciji,obaveznoproiitajte viSeo navedenim
mogu6nostimapre nego 5to se odluiite za jednu od niih (Thbachnick& Fidel|,2007, str.72).
4. Linearnost
Ova pretpostavka znaii da izmedu svih parova zavisnih promenliivih treba
da postofi pravolinijski odnos. To se moZe oceniti na vi5e naiina, od kojih ie
najjednostavniji nacrtati matricu dijagrama rasturanja za sve parove zavisnih
promenlfivih, zasebno za grupe (muikarce i Zene)nezavisnepromenliive.
avue
z , ; tvtutuvat tlqurvr rq
Postupakza generisaniematricedijagramarasturanja
1' otvoritemeniGraphs,izaberite
u njemustavkuLegacyDiarogs,pa pritisn
te Scatter,/Dot.
2. Pritisnite
MatrixScatter.pritisnitedugmeDefine.
3' lzaberitesve zavisnepromenrjive
(negaff,posaff,pstress)i prebacite
ih u
poljeMatrixVariables.
4. lzaberite
promenljivu
sexi prebaciteje u poljeRows.
5' Pritisnite
dugmeoptions i potvrditeporjeExcrudecases variabre
by variable.
6' Pritisnitecontinue i zatimoK (odnosnodugmepaste
da bistekomand
snimiliu SyntaxEditor).
Postupakgeneriseovu komandu:
GRAPH
/SCATTERPLOT(MATR
lX):tposaff tnegafftpsrress
/PANEL ROWVAR:sexROWOFCnbSS
/M lSSlNG:VARtABLEW|SE
.
Evo i dobijenihdijagramarasturania.
CE
;3#
Ir
r
rn
(.f,
Fo,?
;.i r
-ah
=>,- @E
FoG
AI
';
nr
E3
=
t-
rn
q
a.!.a
-;o
A
Total
positive
affecl
Tot.rl
Toral
I e{tative p e l c e i v e d
dftect
3t| ess
288
5. Homogenostregresiie
Ova pretpostavka je vaLna samo irko nameravate da radite postepenu ana'lo
se radi kada iz nekog teorijskog ili konlizu (engl. stepdown analysis).
ceptualnog razloga rangirate zavisnepromenliive. Postupak je veorna sloZen
i ne obraduje se u ovoj knjizi. Koga zanima da saznavi5e, neka pogleda knjigu koji su napisle Tabachnick i Fidell (2007, str. 252).
i singularnost
6. Multikolinearnost
MANOVA najboljeradi kada su zavisnepromenljiveumerenokorelirane.U
sludajumanjih korelacija,trebalo bi da razmisliteo sprovodenjuzasebne
za svaku zavisnupromenljivu.Kada su zaunivarijacioneanalizeverrijanse
visnepromenljivejako korelirane,to se nazivamultikolinearnost.Do toga
moZedoii kada je fednaod promenljivihkombinacijadrugih (npr. ukupni
rezultirtina skali sastavljenojod podskirla,koje su takodeukljudenekao zavisnepromenljive).To bi bila singularnost,koju moZetemoi,eizbefj tako 5to
iete znati kakve su varn promenljivei kako se dobijaju rezultati.
Iako za pronrrlaZenjemultikolinearnosti irna vrlo sofisticiranih nadina,
najjednostavnijeje da pokreneteproceduruCorrelation i proverite jadinu
korelacijezavisnihpromenljivih (videti 11. poglavlje).Razlog za brigu su
korelacijeoko 0,8 ili 0,9. Kada pronadeteneku toliku korelaciju,trebalobi
da uklonite jedanod jako koreliranihparovazavisnihprornenljivihili da ih
objediniteu zalednidkomerilo.
7.Homogenostmatricavariiansei kovarijanse
Sreiom, rezultateispitivanja ove pretpostavkeMANOVA daje u sklopu
svog izlaza. Taj test se naziva Box's M Test of Equality of CovarianceMatricesi podrobnijeje razmotrenu nastavku,u sklopu tumaienja rezultata.
Poglavlje21: Multivallacionaanahzava
Postupak obavljanjaMANOVAanalize
1. OtvoritemeniAnalyze,izaberite
u njemustavkuGeneralLinearModel,pa
pritisnite
Multivariate.
(npr.Total
2. U poljeDependentVariablesunesitesve zavisnepromenljive
negativeaffect,Totalpositiveaffect,Totalperceivedstress).
(npr.sex).
promenljivu
3. U poljeFixedFactorsunesitenezavisnu
polju
SpecifyModel trebada je izabrano
dugmeModel.U
4. Pritisnite
radio-dugmeFullfactorial.
5. Pridnu poljaSum of squarestrebada pi5eTypelll. To je podrazumevana
zbirovakvadrata.
Pritisnite
metodaizradunavanja
Continue.
dugmeOptions.
6. Pritisnite
. U odeljkuFactorand Factor interactionspritisniteodabranunezavrsnu
je u poljeDisplayMeansfor:.
(npr.sex).Prebacite
promenljivu
. U odeljkuDisplay istog prozora,potvrditepolja DescriptiveStatistics,
Estimatesof effect size i Homogeneitytests.
7.Pritisnite
Continuei zatimOK (odnosnodugmePaste da bistekomandu
snimiliu SyntaxEditor).
Postupakgeneri5eovukomandu:
GLM
tposafftnegafftpstress BY sex
/METHOD: SSTYPE(3)
/ I N T E R C E P TI:N C L U D E
/EMMEANS: TABLES(sex)
/PRINT: DESCRIPTIVE
ETASOHOMOGENEITY
/CRITERIA:ALPHA(,05)
/DESIGN: sex.
Prikazacemosamo deo rezultataprethodnog postupka.
DescriptiveStatistics
SprovodenjeMANOVAanalize
Slediopispostupkasprovodenjajednofaktorskernulfivarijacioneanalizevariianseradi istraZivanjapolnih razlika u nademskr-rpu
zavisnihpromenljivih
(Toral Negative Affec, Total PositiveAffect, Total PerceivedStress).Dodavanjernjoi nezavisnihpromenljivih,ova tehnika se moZeproSiritina viSefaktorsku analizu. lv{ogla bi se proSiriti i tako da obuhvati remetiladke
prornenljive(videtianalizukovarijanserazmorrenuu 22. poglavlju).
SEX
Total PosilrveAffect
Total Negative
A f fe c t
Total perceived
stress
Mean
MALES
Std. Deviation
AOq
184
248
FEMALES
aa ao
7,44
Total
33,66
7.24
432
MALES
18,71
6,90
184
FEMALES
1q qA
7,18
248
Total
19.44
7,08
432
MALES
FEMALES
Total
27,42
26.72
F A1
184
6,08
248
432
290
analizavarijanse
Poglavlje21 : Multivarijaciona
291
SEX
M
6,942
1,148
dt1
)ependent Variable
dt2
1074772
sig
,331
Iotal Positiveettecr
FEMALES
Total Negative
SEX
--TiF
MALES
FEMAI.ES
Total perceived
Design: lntercept+SEX
MALES
FEMALES
Mean
Std. Eror
Lower Bound
33,625
33,690
,534
,460
32,575
32,785
18,707
19.984
R2t
I 7,683
,448
19 , 10 3
,428
24,947
26,695
25,788
27.419
.369
U p p e rB o u n d
34,675
34,594
19,730
20,865
)A A2O
28,144
Multivariate Test*
Effect
rnrercepr
Wrtks'Lambda
Hotelling's Trace
Roy's Larqest Root
Pillai'sT
sex
Panial Eta
Value
Ftlafs I face
Wrlks'Lambda
Hotelling's Trace
Roy's Largest Root
sdf
. 9 8 / 1064 .625d
't084
,013
,625.
1084 ,625"
75.993 I 084 6254
,024
.976
3,5694
3,5694
.025
.425
3.5694
3.000
3,000
3,000
3.000
3 ,000
3.000
3.000
3,000
Errordl
428.000
428,000
428.000
428.000
428,000
428.000
428,000
428.000
Sio
000
.000
000
.014
.014
,014
.o14
s87
987
987
.024
.424
,024
.024
TumadenjerezultataMANOVAanalize
Exactstatistic
DesigniIntercept+sex
Total PositiveAtfect
df1
d12
Siq.
1,065
'I
430
,303
1,251
430
26-4
2.074
430
Total Negative
Atfect
Total perceived
stress
TabelaBox's lesf
, 15 1
Teststhe
n u l lh y p o t h e s itsh a tt h e e r r o r v a r i a n coet t h e d e p e n d e nvt a r i a b l ei s
equal acrossgroups.
a Design:
Intercept+SEX
Tests ol Between-Subjects
Effects
Pariial
Eta
Deoendpnl
ol
Mean SQuare
,444
lotercept
sex
tolal negatrveaffect
lotat perceived slress
total positrve affect
lotal negativ affect
total percejved slress
Error
rotal
corecled I oldt
rotatpoajliva;6;r
totalnegativeaffect
totaipercejvedstress
rorafios,rire-ttecitota,negativeaffect
totatperceivedst.ess
roGr poilG anect
totat negdtive aflecL
totJ,perceived stress
1 7 2,348i
172 348
281.099c
478633.634
'158121,903
299040.358
,440
172,348
281.09S
22596,218
21442.088
14489.121
5121 0.000
184870,000
323305.000
22596,657
21614.435
1477A.220
a R Squared = ,000
iAdjusled R Squared:,.002)
b R Squared = ,008
{Adjusted R Squared = ,006)
430
430
430
432
432
432
431
431
431
,UU6
3.456
064
281.099
.004
478633,634 s 1 0 8 . 2 7 0 ,000
1 5 8 1 2910 3 3170,979 .000
299040,358 8874.752 ,000
,440
,008 .927
172.348
3.156 ,064
281.099
8.342 .004
52.549
49,865
33.696
uuu
.008
,019
,881
.954
,000
.008
,019
Tabelateyene's lesf
Pogledajtesadatabelu Levene'sTest of Equality of Error variances.
u njenoj
koloni sig. potrazitebrojevemanieod 0,05. Svakitakav kazuie
da ie naruiena pretpostavka
o jednakostivarijansenjegovepromenljive.u tekuiemprimeru,nijednapromenljivanemaznaiajnu.tr.dntst Leveneovog
pokarutel,";
zato smemoda pretpostavimoda su varijansejednake.eto
utirrdite krlenje
pretpostavkeo jednakostivarijansi, zadajtestrozi nivo alfa
za izradunavanl'e
znaiajnosti univarijacionog_F-testa te promenljive. Thbachnick
i Fidell
(2007) predlaLualfa nivo od 0,025 ili 0,01, umestouobidajenog
nivoa 0,05.
TabelaWilks'Lambda
Trai.enipokazatelj iete naii u drwgom odeliku tabele Multivariate Tests,u
redu oznadenimimenomnezavisnepromenljive(grupisanja,u ovom sludaju
SEX).Bilo bi pogreino upotrebitibrojeveiz prvogodelika,koji seodnosina
presednu
taiku. ProditajtevrednostpokazateliaWilks'Lambda i niegovnivo
znadajnosti(Sig.).Kada je nivo znadajlosti manii od 0,05, onda treba
zakljuditi da postoji razhkaizmedu grupa. Ovde smo dobili iznosVilksovog
lambda od 0,976, uz znaiainost0,014. To ie manje od 0,05; dakle,postoji
statistidki znatalna razllka izmedu muikaraca i i.ena u pogledu njihovog
opiteg raspoloZenia.
Tabela Between'suby'ecfseffects
testaznadajKada dobijeteznaiajan rezult:rtprethoclnogmultivzrrijacionog
nosti, tada vam je dozvoljenoda dalje istraZujetesvaku od svojih zavisnih
promenljivih.Da li se muSkarcii Zenerazlikuiu po svim zavisnimmerilima
ili rn-o po nekim?Te informacijedaie izlaznatabelaTestsof Between-SubjectsEffects.Poito je ovde bilo sprovedenovi5ezasebnihanaliza,preporuiuje se da zadateniZi nivo alfa da biste smanjili verovatnoiu (rizik) da
napravitegreiku I vrste(tj. da rezultatproglasiteznaiajnim kada on to niie).
radi primenom Bonferoniievogprilagodeni:r.U svom naiiedTo senajde56e
nosravnijemobliku, to znaii podeliti prvobitni nivo alfa (obitno 0,05) broverziiete formule
iem analizakoje nameravateda sprovedete(sofisticiranije
videti u Tabachnick6c Fidell, 2007, sr.r.270).U ovor-nsludaju,istraZujemo
tri zavisnepromenljivelzato bismo0,05 podelilis:r3, 5to dajenovu vrednost
alfa od 0.017.Svoierezultateiemo smatratiznadainimsamokada je pripadna verovatnoiagreSkeprve vrste (Sig.)manja od 0,017.
Effects,siditedo treieg skupavrednoU tabeliTestsof Between-Subiects
promenljive(u ovom sluiaju, SEX).Tu su nasti u redu saimenomnezavisne
vedenesve zavisnepromenliivei pripadajuii univariiacionipokazatelliF,
ri
analizavarijanse
Poglavlje21 : Multivarijaciona
broj stepeni slobode df i verovatnoia gre5ke prve vrste Sig.. Njih tumadite
jednako kao 5to biste tumaiili obiinu jednofaktorsku analizu varijanse. U
koloni Sig. potraZite brojeve manje od 0,017 (to je naS novi, prilagoden nivo
alfa). U ovom primeru, samo je za jednu zavisnu promenljivu (Total perceived stress)znadajnost manja od naie granidne (Sig. od 0,004). U ovoj studiji,
jedina znaiaina razllka izmedu muikararca i Zena bila le u subjektivno doiivljenom stresu.
Veliiina uticaia
VirZnost(velidina) uticaia pola na subjektivno doZivljen stres moZe se izradunati pomoiu pokazatelja u poslednjoj koloni Partial Eta Squared.Parcijalno
eta kvadrat predstavlja proporciju varijanse u zavisnoj promenljivoj (ti. u
vrednostima subjektivno doZivljenog stresa)koju objainjava nezavisnaprom e n l j i v a ( p o l / s e x ) .U o v o m p r i m e r u , t a v r e d n o s t j e 0 , 0 1 9 , 5 t o s e , p r e m a
opiteprihvaienim kriterijumima (Cohen, 1988, str. 284-7), smatra veoma
malirn uticajem (velidina uticaja razmotrena je u uvodu u peti deo knjige). To
znadi da pol objaSnjavasamo 1,9 procenata varijanse u rezultatima merenja
subjektivno doiivljenog stresa.
Naknadne analize
U gornjem primeru, nezavisna promenljiva je imala samo dva nivoa (dakle
dve grupe: rnr-rikarci, Zene). Kada nezavisna promenljiva ima tri ili vi5e
nivoa, neophodno je naknadnim univarijacionim analizama utvrditi koje su
razlike znaiajne (da li se grupa 1 razlikuje od grupe 2, da Ii se grupa 2 razlikule od grupe 3 itd.). Jedan od nadina da se to uradi bila bi jednofaktorska
ANOVA zavisnih promenljivih koje su bile znadajne u analizi MANOVA
(npr. subjektivno doZivljen stres).Unutar jednofaktorske ANOVA procedure (videti 18. poglavlje), treba zahtevati naknadne testove promenliive s tri
ili viSe nivoa. Kad god sprovodite viSe analiza, ne zaboravite da smanjite
nivo alfa Bonferonijevim prilagodenjem.
PredstavlianierezultataMANOVAanalize
Rezultati multivarijacione analize variianse mogu se predstaviti ovako:
analizomvarijanseistraZenesu polne raJednofaktorskommultivarijacionom
zlikeu psiholo$komraspoloienju.Upotrebljenesu tri zavisnepromenljive:pozitivnaosecanja,negativnaosecanja i subjektivnodoZivljenstres. Nezavisna
promenljivabio je pol. Preliminarnimispitivanjemproverenesu pretpostavkeo
netipi6nimtadkama,
imultivarijacionim
normalnosti,linearnosti,univarijacionim
ozbiljnijenai multikolinearnosti;
homogenostimatrica varijanse-kovarijanse,
ruSavanjepretpostavkinije primeceno.Utvrdenaje statistidkizna6ajnarazlika
izmedu mu5karaca i Zena u pogledu kombinacije zavisnih promenljivih,
F ( 9 , 4 2 8 ) : 3 , 5 7 ,P : 0 , 0 1 4 ; V i l k s o vl a m b d a : 0 , 9 8 ; p a r c i j a l neit a k v a d r a t
: 0,02. Kada su rezultatizavisnihpromenljivihrazmotrenizasebno,jedina razlikakoja je dosegla statisti6kuznadajnost(uz po Bonferonijuprilagodennivo
alfa od 0,017) bio je subjektivnodoZivljenstres,F (1, 430) : 8,34, p : 0,004,
parcijalnieta kvadral:0,02. Pregledomprosednihvrednostirezultatautvrdeno je da su kod Zena zabelelen neznatno veci nivoi subjektivno dozivljenog
s t r e s a( M : 2 7 , 4 2 ,S D : 6 , 0 8 ) n e g o k o d m u 6 k a r a c a( M : 2 5 , 7 9 ,S D : 5 , 4 1 ) .
DodatnaveZba
Zdravstvo
Pojedinostio datotecivideti u dodatku.
Darorekas podacima:sleep3ED.sav.
1. SproveditejednofaktorskuMANOVA analizu kako biste videli da li
pbstojepolnerazlikeza svakustavkusa skalepospanostii pridruZenih
and AssociatedSensationsScale).Kao zavisne
osefanja (Sleepiness
promenljive, trebaie v am fatigue (zamor), lethargy (bezuolinost),tired
(wmor),sleepy(pospanost),energy (energja).
i*:w
&\
Analizakovarijanse
Analiza kovarijanse (ANCovA) jeste proSirenje analize varijanse (razmorrene u 18. poglavlju), koje sluiiza istrazivanja razhka izmedu grupa uz sratistidko uklanjanje (kontrolu) uticaja jedne dodatne (neprekidne)
remetiladke promenljive. Na tu dodatnu promenljivu (kovarijat) sumnjate
da moZda utide na vrednosti zavisne promenljive. SPSSregresionim postupcirna r,rklanjavarijansu u zavisnoj promenljivoj koju prouzrokuju kovarijati,
i potom na korigovane rezultate primenjuje uobidajene tehnike analize varijanse.Uklanjanjem uticaja dodatnih promenljivih, ANCOVA poveiava moi
ili osetljivost F-testa, tj. poveiava verovatnoiu da 6ete otkriti razliku izmedu
grupa, ako ona postoji.
Analiza kovarijanse moZe biti upotrebljena u sklopu jednofaktorskih,
dvofaktorskih i multivarijacionih ANOVA tehnika. U ovom poglavlju, razmofreni su postupci analize kovarijanse pridruZeni sledeiim analizama
. lednofaktorska ANOVA razliditih grupa (jedna nezavisnapromenljiva,
jedna zavisna promenljiva); i
. dvofaktorska ANOVA razliiitih grupa (dve nezavisne promenljive,
jedna zavisna promenljiva).
U narednim odeljcima ukratko iu vas upoznati s pozadinom ove tehnike
i njenim osnovnirn pretpostavkarna koje treba ispitati zatim sledi nekoliko
uradenih primera. Pre neplodto pokrenete te analize, predlaZem da proditate
uvodne odeljke u ovom poglavlju i ponovo prelistate odgovarajuia poglavlia u kolima je opisana ANOVA (1S. i 19.). Multivarijaciona ANCOVA
ovde ueie biti ilustrovana. Koga to zanima, predlaZem mu knjigu dije su autorke Tabachnick i Fidell (2007).
Cemu sluZiANCOVA
ANCOVA se moZe upotrebiti za poredenje dve grupe koje se testiraju pre i
posle (npr. poredenje uticaja dve razliiite intervencije,mereno u svakoj grupi
pre i posle intervencija). Rezultati na testu pre intervenciie tretiraiu se kao
k o v a r i j a t z a k o n r r o l r - rt,i . s t a r i s t i i k o u k l a n i a nj e p r e r h o d n o p o s t o j e c i hr a z l i k a
iz.rredugrupa. zato je ANCovA vrlo korisna kada su uzorci mali ili kada su
lzbor prikladnihkovariiata
A N C O V A s e m o Z e u p o t r e b i t i z a i s t o v r e t r r e n uk o n t r o l u v i S e k o v a r i i a t a '
Medutim, njih treba paZljivo odabrati (videti Stevens,1996, str.320 iTabachnick & Fidell, 2007, str. 203,211). Prilikom identifikacije moguiih
kovarijata, morate dobro poznavati teoriiu i prethodna istraZivanja sprovedena u toj oblasti. Promenljive odabrane kao kovarijati moraju biti neprekidne, pouzdano izmerene (videti 9. poglavlje) i jako korelirane sa
odabranom zavisnom promenljivom. Idealno bi bilo da izaberetemali skup
kovarijata koji su medusobno umereno korelirani, tako da svaki od niih
jedinstveno doprinosi obja5njenju varijanse. Kovarijat mora biti izmeren pre
tretmana odnosno eksperimentalne obrade kako bi se spredilo da tretman
u t i i e i n a v r e d n o s r ik o v a r i j a t a .
Alternativeanalizikovarijanse
ANCOVA ima viSeogranideniai temeljnihpretpostavkizbog,kojihprojekat
istraZivanjaili podacimogu biti neprikladniza analizukovarijanse.Thbachnick & Fidell (2007, str.221,)i Stevens(1996, str.327) navodeviSealternativa analizi kovariianse. Bilo bi dobro da istraZite te alternative i u
konkretnim okolnostimaprocenitekoii je put najbolji.
Osnovnepretpostavkeanalizekovariianse
Pored pretpostavki uobidajenih za svaku analizu varijanse i razmotrenih u
uvodu u peti deo knjige, ANCOVA ima vi5e svojih posebnih Pretpostavki i
problernatidnih pitania. U ovom poglavlju c'etro razmatrati silmo kljudne
p.etpostauke na kojirna se zasniva ANCOVA. Tabachnick i Fidell (2007, str.
Poglavlje22: Analizakovarijanse
Pouzdanostkovarijata
298
Medukorelacijekovarijata
Linearnavezazavisnepromenliivei kovariiata
Homogenostnagibaregresiie
Objainjenjeprimera
Za prlkazivanje jednofaktorske analize kovarijanse upotrebi6u datoteku s
podacima experim3ED.sav, dostupnu na prateioj Veb lokarcijiknjige (videti
str. xi). To su podaci iz fiktivne studiie o ispitivaniu uticaja dve razliiite intervencije koje studentima pomaiu da se izbore sa svojom anksioznoSiu povodom predstojeieg kr-rrsaiz st:rtistike. (Sve poiedinosti studiie videti u
dodatku.) Podeljeni u dve jednake grupe, studenti su odgovorili na nekoliko
pitanja, pri demu je jedna skala merila njihov strah od statistike. Potom je
ledna grupa pohadala kurs matematidkih veStina, a druga je udestvovala u
programu izgradnie samopouzdanja. Nakon tih intervencija, svi su ponovo
odgovarali na ista pitanja koja sr-rdobili pre programa. Spomenuta datoteka
sa izmiSljenim podacima dostupna je na'Web lokaciji ove knjige. Ako Zelite
da pratite doleopisane postupke, pokrenite SPSS i otvorite datoteku
experim3ED.sav.
U ovom primeru istraZujemo uticaj kursa matematidkih veStina(grupa 1)
i kursar izgradnje samopouzdanja (grupa 2) na rezultate udesnika u ispitivanju straha od statistike, pri iemu uklanjamo uticaj rezultata dobijenih na
tom testu pre pohadanja kurseva. Sledepojedinosti o imenima upotrebljenih
promenljivih i njihovi opisi u datoteci s podacima:
Ime datoteke: experim3ED.sav
Promenliive:
. Vrsta poduke (grupa) 1=Matematidke veitine,2=Izgradnja samopouzdanja
. Rezultati na testu kojim se ispituje strah <ldstatistike, popun;'avanom u
trenutku 1 (Fost1): ukupni rezultati na istom testu popunjavanom pre
intervencije. Rezultati poprimaju vrednosti u opsegu od 20 do 60. Veie
vrednosti pokazuju ve6i strah od statistike.
o Rezultati na testu kojim se ispituje strah od statistike, popunjavanom u
trenutku 2 (Fost2): ukupni rezultati na istom testu popunjavanom nep o s r e d n op o s l e i n r e r v e n c i j e .
o Rezultati na testu kojim se ispituje strah od statistike popunjavanom u
trenutku 3 (Fost3): ukupni rezultati na istom resru, popunjavanom 3
n ) e s e c ap o s l e i n r e r v e n c i j e .
Kratakpregledjednofaktorskeanalizekovarijanse
JednofaktorskaANCOVA
U ovom odeljku, proii iemo korak po korak kroz postupak jednofaktorske
analize kovarijanie. Jednofaktorrka nNCOVA obuhvata jednu nezavisnu,
kategorijsku prornenljivu (sa dva ili viSe nivoa ili uslova), iednu zavisnu neprekidnu promenljivu i jedan ili viSeneprekidnih kovariiata. Ova tehnika se
3"r,o .rporrebljava za vrednovanje uticaja intervenciie ili eksperimentalne
obrade, rato jto uklanja uticaj rezultata ispitivanja dobiienih pre intervencije'
Primer istraiivaikog pitanja: Postoji li znataina razllka u rezultarima ispitivanja straha od statistike grupe koja je pohadala kurs matematiikih veitina
(grupa 1) i grupe sa kursa izgradnje samopouzdzrnja(grupa 2), kada se ukloni uticaj nlihovih poietnih odgovor:r na istom testr.r?
300
$l
301
Starramtreba:Najmanietri promenliive:
o jednakategorijskanezavisnapromenliivasa dva ili visenivoa (grupa1/
grupa2);
o jedna neprekidnazavisnapromenljiva (rezultati udesnikapri ispitivanju strahaod statistikemereniu trenutku 2);
r jedanili viSeneprekidnihkovariiata (rezultatiuiesnika pri ispitivanju
strahaod staristikemereniu trenutku 1).
Sta sepostiie: ANCOVA kazuieda li serezultatiispitivanjadve g1-rpena
strah od statistikesprovedenomu trenutku 2 znatajno razlikuiu nakon
uklanjanjauticajarezultata(odgovora)studenatana testusprovedenompre
intervencija(kursevaobuke).
Pretpostavke:Sve uobidajenepfetpostavkejednofaktorskeanalizevarijanse(videtiuvod u peti deo kniige).Niih trebaprve proveriti.Dodatnepretposravke analizekovarijanse(videti niihov opis dat u prethodnom delu
poglavlja):
obrade;
1. kovarilat semeri pre intervencijeodnosnoeksperimentalne
je to
koliko
pouzdano
2. kovarijat se meri bez grejke (ili baremonoliko
uopite moguie);
3. kovariiati nisu iako medusobnokorelirani;
4. izmeduzavisnepromenljivei kovarijatapostoji linearanodnos za sve
grupe (linearnost);
5. odnos izmedu kovariiatai zavisnepromenljivejednak je za svegrupe
(homogenostnagibaregresionelinije).
Neparametarskaalternativa:Ne postoji-
Proverapretpostavki
Pretpostavka 4: li nearnost
Da bistepratiliovajprimer,otvoritedatotekus podacimaexperim3ED.sav.
Prvi korak
1. OtvoritemeniGraphs,izaberite
u njemustavkuLegacyDialogs,pa pritisni
te Scatter/Dot.
2. Pritisnite
opcijuSimple Scatter.Pritisnite
dugmeDefine.
(uovomsludaju,
3. U poljeY axis stavitezavisnupromenljivu
strahod statistike
izmerenu trenutku2, fost2).
(npr.strahod statistike
4. U poljeX axis stavitekovarijat
izmerenu trenutku1,
fostl).
(npr.grupa/group)
5. Pritrsnite
promenljivu
nezavisnu
i staviteje u poljeSet
Markers by.
6. PritisniteOK (odnosnodugmePaste da biste komandusnimiliu Syntax
Editor).
Postupakgeneri5eovukomandu:
GRAPH
WITH fost2 BY group
/SCATTERPLOT(BIVAR):fost1
/MISSING:LISTWISE
uE(,
v . urdl.ttiLtuKE
Poglavlje2?: rT9r"1I9y_!9!:9
Drugi korak
1. Kada je dijagram rasturanjanacrtan i prikazan u prvom planu, dvaput ga pritisniteda biste otvoriliprozorChart Editor.
2. Otvoritemeni Elements i u njemu izaberiteAdd Fit line at Subgroups. Na
dilagramuce se prikazatilinijekoje najboljeodgovarajupodacimasvakeod
grupa.Ja sam ih na donjoj slici izmenilada bi bile jasnije (linijujedne grupe
nacrtalasam isprekidano),a izmenilasam i markere(videtiuputstvaza modifikovanjedijagramau 7. poglavlju).
3. Otvoritemeni File i u njemu izaberiteClose.
Evo kako izgledamojdijagram rasturanja.
type of class
O
maths skills
conlidence
DUrlolng
AO
aa
a
ol
o
.E
o
" ,/'
o ao
40
a/t
(E
/a
a
Postupakproverehomogenostiregresionihnagiba
a6
{:'
(E 3 5
o,
f,,
R Sq Linear= 0.766
aL
ao
R Sq Linear= 0,725
35
Pretpostavka5: homogenostregresionihnagiba
Poslednja pretpostavka (homogenost regresionih nagiba) odnosi se na vezu
izmedu kovarijata i zavisne promenljive u svim grupama. Proveravate da
nema interakcije izmedu kovarijata i tretmana odnosno eksperimentalne
o['rrade. Zadovoljenost ove pretpostavke moZe se proveriti na viSe nadina.
Vizuelno, moie se pogledati dijagram rasturanja zavisne promenljive u
ftrnkciji kovarijata, nacrtan prilikom ispitivanja pretposravke 4 (videti gore).
Imaju li te dve linije (koje u ovoj studiji odgovaraju dvema grupama) slidne
nagibe? U gornjem primeru linije su vrlo slidne, pa izgleda da ova prerpostavka nije naruiena. Da su linije bile primetno razlidito usmerene,zakliuiili
bismo da postoji interakcija izmedu kovarijata i tretmana (kao 5to se vidi po
razlici medrr grupama). To bi znadilo da je ova pretpostavka naruiena.
Ova pretpostavka se moZe proveriti i statistidki umesto grafidki. To znadi
da bismo izradunali interakciju tretmana i kovarijata i njenu statistidku
znatajnost. Kada je interakcija znaiajna na nivou alfa od 0,05, pretpostavka
je naru5ena. Sada iemo izraiunati tu interakciju.
ao
o
o
naru5ena. Kada otkriiete krivolinijski odnos, uzmite neki drugi kovarijat ili
pokuiajte da transformiSerepostojeci (videti 8. poglavlje), pa ponovo nacrtrrjte dijagram rasturanja i proverite da li 1epoboljian.
40
45
50
Kako vam izgleda rirspodela rezultata svake grupe? Da li vam odnos izmedu zavisne promenljive i kovarijata, u svakoj grupi, lidi na linearan (pravolinijski)? Najgore bi bilo da se pokaZe jasar-rkrivolinijski odnos. U
gornjem primeru odnos je jasno linearan, pa pretposfavka linearnosti nije
1. OtvoritemeniAnalyze,izaberite
u njemustavkuGeneralLinearModel,pa
pritisniteUnivariate.
(npr.strahod
2. U poljeDependentVariablesprebacitezavisnupromenljivu
statistike
izmerenu trenutku2, skracenofost2).
(npr.vr3. U poljeFixedFactorprebacitenezavisnu
grupisanja
tj. promenljivu
stu poduke,skracenogroup).
(npr.strahod statistike
4. U poljeCovariateprebacitekovarijat
izmerenu trenutku1, skraceno
fostl).
5. Pritisnite
dugmeModel.Pritisnite
opcijuCustom.
6. U poljuBuild Termstrebada je izabrana
opci.ialnteraction.
(group)i zatimje pritiskomna dugmesa
7.Pritisnitenezavisnu
promenljivu
strelicomprebaciteu poljeModel.
(fost.l)i zatimga pritiskomna dugmesa strelicompreba8. Pritisnite
kovarijat
cite u poljeModel.
(group)na levojstrani(u odellku
9. Ponovopritisnitenezavisnu
promenljivu
Factorsand Covariates).Kadaje ta promenljiva
izabrana,pritisnitei zadrLi(fost1).Pritiskom
i zatimpritisnite
na dugte tasterCtrl na tastaturi,
kovarijat
me sa strelicomprebacitega u poljeModelna desnojstrani.
304
Poglavlje22: Analizakovarijanse
TypelllSum
of Squares
sis
192,563
26,102
,000
3,877
3,477
,475
,846
538,706
1
'1
,846
538,706
,525
, 11 5
73,022
,000
,409
,409
1 9 ' 1 , 811
26
7,377
42957,000
lorrected Total
Mean Square
df
577,689
769,500
,055
,738
, 8 16
30
a R s q u a r e d= , 7 5 1( A d j u s t e d
R s q u a r e d= , 7 2 2 )
U gornjoj izlaznoj tabeli, zanima nas samo znadajnost interakcije, tj. red
Group*Fost1. Ostale rezultate slobodno zanemarite. Kada je pripadni broj
u koloni Sig. manji od ili jednak 0,05, interakcija je statistiiki znatajna, a
pretpostavka narulena. Naravno, to u ovoj situaciji ne l.elimo. Odgovarala
bi nam verovatnoia ueia od 0,05. U gornjem primeru, Sig. (tj. verovatnoia)
iznosi 0,816, 5to je mnogo iznad graniine vrednosti 0,05. Pretpostavka o
homogenosti regresionih nagiba nije naruiena. To podrLava nad raniji
zakljudak, dobijen pregledom dijagrama rasturanja za svaku grupu.
Po5to smo time zavriili proveru pretpostavki, nastavljamo analizu kovarijanse u istraZivanju razlika izmedu grupa.
305
1. OtvoritemeniAnalyze,izaberite
u njemustavkuGeneralLinearModel,pa
pritisniteUnivariate.
2. U poljeDependentvariabtesstavitezavisnupromenljivu
(npr.strahod statistikeizmerenu trenutku2, skracenofost2).
3. U poljeFixedFactorstavitenezavisnu
promenljivu
tj. promenljivu
grupisanja
(npr.vrstapoduke,skracenogroup).
4. U poljeCovariatestaviteodabranikovarijat(npr.strahod statistikeizmeren
u trenutku1, skracenofost'l).
5. Pritisnite
dugmelModel.
U oderjkuspecify Modelpritisnite
opcijuFuil Fac_
torial.Pritisnite
Continue.
6. Pritisnite
dugmeOptions.
7.Pri vrhu,u odeljkuEstimatedMarginarMeans pritisnitenezavisnu
promenljivu(group).
8. Pritiskom
na strelicuprebacite
je u poljeDisplayMeansfor.Takostezadali
da se izradunasrednjavrednostzavisnepromenljive
u svakojgrupi,uz
uklanjanjeuticajakovarijata.
9. u donjemdeluokviraza dijalogoptions izaberite
opcijeDescriptivestatistics, Estimatesof effect size i Homogeneitytests.
10. Pritisnitecontinue i zatimoK (odnosnodugmepaste da bistekomandu
snimiliu SyntaxEditor).
Postupakgeneri5eovu komandu;
UNIANOVA
fost2 BY group WITH fostl
/METHOD: SSTYPE(3)
/ I N T E R C E P T I: N C L U D E
/EMM EANS: TRBLES(group)
:M EAN)
W|TH(fost1
/PRINT: DESCRIPTIVE
ETASOHOMOGENETTY
/CRITERIA:ALPHA(,Ob)
/ D E S I G N : f o s t l g r o u p.
306
,l&
P o g l a v l l e 2 2 :r y /
Tumadenierezultatajednofaktorskeanalize kovarijanse
UnivariateAnalYsisof Variance
Btween"Subjects Factors
N
Vaiue Label
type of
class
1
2
maths skills
contrdence
hilildrnn
15
DescriPtiveStatistics
Varlable(earof slals llme2
DeDendenl
tvoc of class
malnsskrlls
2 confidencebuilding
Total
Moan
Jt,o,
37.33
37,50
Std Dcvration
4.515
5,876
5,151
15
15
30
ffi
a Design:Intercept+fost1{grouP
dependentvanableis equatacrossgroups
,750
,018
,750
.027
iRTo**o
R Squarcd= ,732)
-zso (Adiuslcd
EstimatedMarginal Means
type of class
OocndentVariablc fcar of stats timc2
of class
1 mathsskrlls
2 confidencebuildinq
Sld. Eror
b9u
37,926"
690
37.0744
Mean
idelce I ltsval,
95a",C,onf
ower Bound I UooerEound
36.512
38 4BB
35,659
,Lio||ow|ngVa|UeS'learo'stalstime1=40,17
Glavni rezultati analizekovarijansedati su u tabeli Test of BetweenSubjectsEffects.IstraZujemoda li segrupeznadajnorazlikuju po vrednosti zavisneprornenljive(npr.strahaod statistikeizmerenogu trenutku 2). Pronadite red sa imenom nezavisnepromenljive (group) i
proditajtebroj u odgovarajuioj6elijikolone Sig.Ako je broj u toj ieliii
manji od 0,05 (odnosnood zadatognivoa verovatnodealfa), grupese
razlikuju znadajno.U ovom primeru,ta verovatnoiaiznosi0,39, 5toje
viSeod 0,05; dakle,nai rezultatnife znaiajan.Kada seukloni uticaj rezultata ispitivanjastrahaod statistikeobavljenogpre intervenciie,ne
postoji znaiajna razllka u rezultatima osoba u grupi koja je udila matematiakevedtinei osoba iz grupe za izgradnju samopouzdanja.
Trebalobi razmotritii veliiinu uticaja,koju pokazujeparcijalnietakvadrat (Partial Eta Squared;objainjenje velidineuticaja videti u uvodu u
peri deo knjige).U ovom sludaju,ta vrednostiznosi samo0,027 (Stoje,
prema Koenovim smernicamaiz 1988, mali uticaj). Taj broj kazujei
koji deo varijanseu zavisnojpromenljivoj objadnjavanezavisnapromenljiva.MnoZenjemsa 100 pretvoritetaj parcijalnietakvadratu procentualnuvrednost(pomeritedecimalniz rezza dva mestaudesno).U
ovom primeru,uspelismo da objasnimosamo2,7 procenatavarijanse.
U prikazanojtabelimoZeseoditatijo5 i uticaj kovarijata.Pronaditered
sa imenom kovarijata(npr.strah od statistikeizmerenu trenufku 1, ti.
FOSTl)i proditajtebrol u odgovarajuiojielili kolone Sig.On kazuje
da li postoji znaiajna veza izmedu kovarijata i zavisnepromenliive,
kada se ukloni uticaj nezavisnepromenljive (group). U redu Fostl
(na5egkovarijata),verovatnoia Sig. iznosi 0,000 (ito zapravoznadr
manjeod 0,0005).To je manjeod 0,05, pa je nai kovarijat znata1an.U
stvari, on je objasnio75 procenatavarijanseu zzrvisnojpromenljivoj
(parcijalnieta kvadrat od 0,75 pomnoZensa 100).
U poslednjojtabeli rezultata (Estimatedmarginal means)ANCOVA
dajekorigovanesrednjevrednostizavisnepromenljiveza svakugrupu.
'Korigovane'znaii da je
uticaj kovarijatastatistidkiuklonjen.
Poslavljez?.4191i'g rgY:ltgl-
grupa
Deo V: Statistidketehnikeza poredenje
kovariianse
Rezultate jednofaktorske analize
U p r i k a z r e z u l t a t a o v e a n a l i z e t r e b a l o b i u k l j u d i t i i t a b e l u s2)a iskorednjim
promenliiva(trenutak
vrednostimarezultatag,,,pu' Ako su zavisna
bi navestisrednjevrednosti
varijat (trenutak1) -;;;;i ;" istoi skali,trebalo
proceduraDescriptives(videti
u trenutku 1 i trenutku 2. Niih 6e izradunati
6. poglavlie).
naveditenekorigovanu
Ukoliko ie kovariiat meren na drugaiiioi.1kal.i'
vrednost
korigovanu.sredniu
i
srednjuvrednost1i ,i",td"'d"o od'tt'p-n"je)
prodivrednost
srednju
(i standardnooarrupu,,i;i";t grupe'Nekorigovanu(iz
koie
vrednost
ie
srednju
i"lr" ., ,"U"fi DescriptiveStatiJics.Korigovanu
Marginal
Estimated
tnb.ii
.t
uticaj kovaril"ta stutistiiki uklonien) proditajte
u svakojgrupi'
sluiajeva
bioj
i
gilo
navedete
da
ti dobro
Means.
DvofaktorskaANCOVA
kroz postupakdvofaktorske
U ovom odeljku, proii 6emo korak po korak
ana|izekovarijanse.Duofukto,skaANCoVAobuhvatadvenezavisne'katene(sa po dva.ili.viSenivoa ili uslova),iednu zavrsnu
;;rrou. promenljive
Sto
nego
Pre
kovarijata.
i iedan ili viSe.neprekidnih
;;;l,d",ipromenljivu,
dvostandardnu
bi ia dobro prouiite
nastavitesa ovim ot&;i;;,it"unr"
Proditaiteto u 19' poglapretpostavke.
njene
i
faktorsku analizuvariianse
vliu knjige.
Primer koji 6e ovde biti predstavljen proiirenje je onoga datog u prethodnom odeljku o jednofakrorskoj analizi kovarijanse. Tamo sam istraZivala
koja intervencija (poduka u matematickim ve5tinama ili izgradnia samopouzdanja) delotvornije smanjuje strah studenata od statistike. Utvrdila sam
da izmedu tih grupa nema znadajne razlike.
Recimo da sam prilikom daljeg prouiavanja literature u toj oblasti naiSla
na istraZivanja iz kojih sledi da postoji razlika u reagovanju muSkaraca i
Lena na razne intervencije. Ponekad se u literaturi ta dodatna promenljiva
(npr. pol) naziva moderatorom) zato 5to moderira (modifikuje) uticaj druge
nezavisne promenljive. Moderatorske promenljive su iesto promenljive individualne razliiitosti, obeleZja individua koja utidu na njihov odgovor na
eksperimentalnu obradu ili uslov tretmana.
Kada jednofaktorska ANCOVA dA neznadajan rezultat, trebalo bi razmotriti moguie moderatorske promenljive. IstraZivanja postaju veoma zanimljiva kada istraZivad naleti na (ili sistematski istraZuje) moderatorske
promenljive koje doprinose objainjavanju zaito neki istraZivadidobijaju statistidki znaiajne rezultate, a drugi ne. U sopstvenom istraZivanju uvek uzmite u obzir faktore kao 5to su pol i starost, zato 5to oni mogu znatno da
utidu na rezukate. Studije sprovedene na uzorku mladih studenata univerziteta desto nije moguie uopdtiti tako da vaLe za Sire (i starije) uzorke populacije. IstraZivanja sprovedena na uzorku muikaraca katkada daju sasvim
drugadije rezultate kada se ponove na uzorku Zena. Pouka je da prilikom
projektovanja istraZivanja treba razmotriti mogu6e moderatorske promenljive i, gde je prikladno, ukljuditi ih u studiju.
ObiaSnjenjeprimera
U dolenavedenom primeru koristim iste podatke kao u prethodnom odeljku,
ali uz jednu dodatnu nezavisnu promenljivu (pol/gender: 1-muikarcilmale,
2=ienelfemale). Tako dobijam priliku da prodirim analizu i saznam da li pol
kao moderatorska promenljiva utiie na delotvornost ta dva programa. Zanima me da li postoji znatajan uticaj interakcije izmedu pola udesnika i vrste
intervencije. MoZda muSkarci imaju viSekoristi od poduke u matematidkim
veStinama, a i.ene od program a izgradnje samopouzdanja.
Upozorenje: uzorak upotrebljen za ilustraciju ovog primera zaista ;'evrlo
mali, narodito kada se podeli na kategorije nezavisnih promenljivih (pol
udesnikai vrsta intervencije).Ukoliko ovu tehniku upotrebljavate u sopstvenom istraZivanju, uloZite ozbiljan napor da dobijete sveukupno mnogo veiu
datoteku s podacima, sa znadajnim brojem sludajevau svakoj kategoriji svake nezavisnepromenljive.
Ako Zelite da pratite opisane postupke, pokrenite SPSSi otvorite datoteku experim3ED.sav, dostupnu na prateioi \Web lokaciji knjige.
310
SveuobidajenepretpostavkedvofaktorskeanalizevarijanPretpostavke:
se (npr.n<lrmalnostraspodele,homogenostvariianse).Niih treba prve proveriti (videtiuvod u peti deo kniige).
kovarijanse:Videti njihov opis i postupke
Dodatne pretpostavke analiz.e
delu poglavlja,posveienomjednoprethodnom
u
za njihovu p.ou.ru date
faktorskoi anaLizikovari ianse.
Neparametarskaalternativa:Ne postoii.
Poslavljezz.4lulggr9y",ll9!!9
311
dugmeModel.U odeljkuSpecifyModelpritisnite
5. Pritisnite
opcijuFull Factorial.Pritisnite
Continue.
dugmeOptions.
6. Pritisnite
. Pri vrhu,u odeljkuEstimatedMarginalMeans pritisnitedve odabrane
(npr.pol/sex,grupa/group).
promenljive
nezavisne
Pritiskomna strelicu
prebaciteih u poljeDisplaymeansfor.
. Pritisnite
(npr.group*sex).
dodatnidlaninterakcije
Prebacite
ga u to polje.
Takoste zadalida se izradunasrednjavrednostzavisnepromenrjive
u svakoj grupi,iz kojeje uklonjenuticajtog kovarijata
. U donjem delu okviraza dijalog Options izaberiteopcije Descriptive
statistics, Estimates of etfect size i Homogeneity tests. pritisnite
Continue.
7.Pritisnite
dugmePlots.
. lzaberite
(npr.group)i prebacite
promenljivu
prvunezavisnu
je u poljeHorizontal.Tapromenljiva
ce bitiprikazana
duZhorizontalne
ose dijagrama.
. Pritisnitedrugu nezavisnu
(npr.sex) i prebaciteje u polje
promenljivu
SeparateLines.Tapromenljiva
ce bitiprikazana
razliditim
linijama
zasvaKugrupu.
. Pritisnite
Add.
8. Pritisnite
Continuei zatimOK (odnosnodugmePaste da bistekomandu
snimiliu SyntaxEditor).
PostupakgeneriSe
ovu komandu:
UNIANOVA
fost2 BY groupsex WITH fostl
/METHOD: SSTYPE(3)
/ I N T E R C E P T I: N C L U D E
/PLOT: PROFILE(group*sex
)
/EMM EANS: tnBLES(group)WITH(fost1:MEAN)
/EMMEANS: TABLES(sex)
WITH(fost1:M EAN)
/E MM EANS : TABLES(sex*group)
WITH(fost1:M EAN)
/PRINT: DESCRIPTIVE
ETASOHOMOGENEITY
/CRITERIA:ALPHA(,05)
/DESIGN: fostl groupsexgroup"sex.
Poglavlje22: Analizakovarijanse
312
2. sex
UnivariateAnalYsisof Variance
95o/. Confldence
Mean
sex
Dscriotive Statistics
Varlablefear of statstrme2
Dependent
tvpc ol class
qql
1 maths skrlls
1 male
2 female
Total
2 confidence building
1 male
2 female
Total
l
male
2 female
Total
Total
3t.25
38.'14
3 7. 6 /
40,57
34,50
37.33
5.491
3,436
4 515
38.80
36,20
3750
s,596
4.475
5.151
JO,UUY-
37.242:a
7
B
l5
sex
l3
tvoe of class
,b4t)
2 confidence buildrnq
1 malhs skills
2 coniidence buildinq
39,4854
,693
39,5173
34.9664
.696
.644
95% ConfidenceInterual
Lower Bound
UpperBound
35,202
38.058
38,083
33,639
37,862
40,912
40,950
36.294
Sro
dt2
112
3
Tcststhc nullhypothcsrs
thal lhe errorvarranccof thc dependcnlvarlablrs cqualacrossgroups
'
+group+sex+groupsex
a. Desrgn:Intercepl+fosl1
dfl
2.2lJ4
Tests ot Between-Sub.iectsEffects
Dependent Variable feal of stats tlme2
Partial Eta
df
Source
lvtoo
ouo,/ zu1
Interpt
4,137
fostl
1
545,299
group
1
4,739
1
sex
4.242
'l
gro0p" sex
104.966
25
Error
42,772
Total
30
42957,OOO
to
CorrectedTolal
769,500
a. R Squared= .892(AdlustedR Squared= ,875)
gorrectff
1 7 1,682
4,137
545,299
4,733
4.202
104.966
3.311
51,854
1.250
164.698
1,431
1,269
3'1.703
Sio
UUU
.2:74
.000
,243
.000
,048
,86B
.054
.048
.559
.o
o
o
Esa
(E
'4,
ct 37
=
E
EstimatedMarginalMeans
(g ^^
Eoo
.E
o
uJ
1. type of class
DependentVanable fear of stals trme2
95o/" Conhdence Inlerval
mathsskrJls
2 confidence
bL
Std.Eror
a- Covariales appearing in the model are evaluated at the followingvaluesr fear of stats timel = 40,17
Variablefear of stalstime2
Oeoendent
'l
Mean
I t
30
2 female
ivpe ol class
36,261
lnterual
Uooer Bound
38,989
38.222
15
J | ,Uad
476
I
7
4.781
5.B76
Lower Bound
a. Covarlales appearing in the model are evaluated at the iollowing values fear of stats time'l = 40.17
Std. Dcvration
Mcan
I lrlatc
2 female
Std. Error
4 t6
Mean
5E,024'
37 .2264
Std. Error
47?
I ower Bound
lJooer Bound
J/,UCJ
3 8 . 19 7
36,255
.471
a. Covanales appeaing in the model are evaluated al lhe follolving values: fear of stats timel = 40,1 7
male
female
313
314
Tumadenierezultatadvofaktorskeanalizekovarijanse
ANCOVA
Poglavlje22: Analizakovarijanse
315
U toj tabeli se moZe oditati io! i uticai kovarijata. Pronadite red sa imenom kovarijata (npr. strah od sratistike izmeren u trenutku 1, tj.
FOST1)i proditajtebroj u odgovarajuioj ieliji kolone Sig. On kazuie
da li postoji znadajna veza izmedu kovarijata i zavisne promenljive.
kada se ukloni uticaj nezavisne promenljive (group). U redu Fostl
(naieg kovarijata) pi5e da verovarnoia Sig. iznosi 0,000 (5to zaptavo
znadi manje od 0,0005). To je manje od 0,05, pa je na5 kovarijat znaeajan. U stvari, on je objasnio dak B7 procenata varijanse u zavisnoj pro_
menljivoj (parcijalni eta kvadrat od 0,87 pomnoZen sa 100).
U odeljku Estimated marginal means ANCOVA daje korigovane sred_
nje vrednosti zavisne promenljive za svaku grupu, date za svaku nezavisnu promenljivu zasebno i potom zajedno.'Korigovane' znadi da je
uticaj kovarijata statistidki uklonjen. PoSto je uticaj interakcije znatajan, najzanimljivija je treia (poslednja) tabela rezultata zajednidkog
uticaja dve nezavisnepromenljive, naslovljena 3. sex'r type of class.
Kao neobavezan dodatak,zatraLrla sam da se nacrta dijagram korigovanih srednjih vrednosti rezultata ispitivanja straha od statistike, zasebno za muikarce i Zene i za obe intervencije. (Ne brinite ukoliko se va5
dijagram razlikuje od prikazanog: naknadno sam modifikovala dilagram da bi se lakSeditao kada se oditampa. Uputstva za modifikovanje
dijagrama videti u 7. poglavlju.) Na ovom dijagramu jasno se vidi da
postoji interakcija izmedu te dve nezavisne promenljive. Za mulkarce,
izmeren strah je bio najmanji nakon poduke iz maremaridkih veStina.
Kod Zena, strah je bio najmanji nakon izgradnje njihovog samopouzdanja. Rezultati jasno ukazuju na to da muikarci i Zene razlltito reaguju
na sprovedene intervencije i da prilikom projektovanja intervencija,
npr. programa obuke, morate voditi raduna o polu udesnika.
Upozorenje: ne uzbudujte se mnogo kada dobijete zna(ajanrezultat. Morate stalno imati u vidu cilj analize. Primera radi, ovi rezultati ne kazuju da
je kurs iz matematiikih veitina koristio suim muikarcima, niti da ie izgradnja samopouzdanja koristila suim i.enama. Ne zaboravite, poredimo
prosednerezultate grupe kao celine. Uprosedavanjem rezultata za celu grupu, neizbeZnogubimo deo informacija o pojedincima. Prilikom vrednovanja
programa treba razmotriti dodatne analize da bi se istraZilo koliko je ljudi
kojima su koristili, u odnosu na broj onih kolima su 'Sretili'.
Premda se nadamo da intervencije namenjene da pomognu ljudima nijednom udesniku neie naikoditi, ponekad se to ipak dogada. U oblasti upravljanja stresom, neka istraZivanja su pokazala neoiekivano poveianie nivoa
anksioznosti udesnika nakon odredenih vrsta trermana (npr. treninga
o p u i t a n j a / r e l a k s a c r j e )U. t a k v o i s i t u a c i i i t r e b a u r v r d i r i z a i t o s e t o d e s i l o n e kim osobama i prepoznati dodatne moderatorske promenliive.
316
Predstavljanjerezultatadvofaktorskeanalizekovarijanse
Dodatak
Pojedinosti
o datotekama
S podacima
ovaj dodatak sadrii informacijeo Sestdatotekas podacima,dostupnihna
prateioj Web lokaciji knjige (pojedinostio rome videti na str.xi):
1. survey3ED.sav
2. error3ED.sav
3. experim3ED.sav
4. depress3ED.sav
5. sleep3ED.sav
6. staffsurvey3ED.sav
Prveietiri datoteke slui,eza praienje postupakaopisanih u raznim poglavljima ove knjige.Poslednjedve (sleep3ED.sav
i staffsurvey3ED.sav)
dodatne su datoteke za veLbanje, s podacima iz raznih naudnih disciplina.
Sleep3ED.savsadrZi podatke zdravstvenei medicinske prirode, dok
staffsurvey3ED.sav
sadrZipodatke relevantneza poslovno okruZenje.Na
kraju nekih poglavljadatesu preporuieneveZbes podacimaiz tih datoteka.
Da bistemogli korisriti te datotekes podacima,morateposetitinavedenu
\7eb lokaciju i, prateii uputstva na ekranu, preuzetiih nzrdvrsti disk, CD ili
USB.Zatim bi trebaloda pokreneteSPSS
i otvoriteonu datotekus podacima
koju nameravateda koristite. Takve datotekemogu da se otvore samo u
SPSS-u.
U ovom dodatku je za svakudatotekudat Sifarnik,sa svim pojedinostimao promenljivamai prate6imuputstvimaza Sifrovanje.
Survey3ED.sav
Ovo su stvarni podaci, saLetrizjedne studije koju su sproveli moii postdiplomci psihologije obrazovanja. Studiia je trebalo da istraZi dinioce koji
utidu na psiholo5ko prilagodenje i opite raspoloZenje ispitanika. Pripadajuia anketa je ot'ruhvatalarazne validirane skale za merenje konstrukata, za
koje bi se po obimnoj literaturi o stresu i njegovom prevazilai,eniu moglo
smatrati da utidu na subjektian doZivliaj stresa.Pomoiu tih skala mere se samopo5tovanje, optimizam, subjektivno doZivljen stepen samokontrole, tj.
upravljanja sopstvenin-riivotom, subjektivno doZivljen stres, pozifivna i
318
Error3ED.sav
Podaciu ovoj datotecidobijenisu modifikovanjemdatotekesurvey3ED.sav,
tako ito su u nju namernoubaienegreSkekole trebaotkriti postupcirnaobjaSnjenimu 5. poglavlju.ViSeo njenimpromenljivamaitd. videti u opisudatoteke survey3ED.sav.
Experim3ED.sav
Ovo je skup izmiSljenih podatak:r, naprarvljen d:r bi se dobilo neito prikladno
za ilustraciju statistidkih tehnika kao 5to su t-test za ponovljena merenja i jednofaktorska ANOVA ponovljenih merenjir. Taj skup podataka upuiuje na
fiktivno istraZivanje uticaja dve razlidite intervencije koje pomaiu studentima
da se izbore sa sopstvenom anksioznoSiu u vezi s predstojeiim kursom iz statistike. Podeljeni u dve jednake grupe, studenti su (u trenutku 1) popunili nekoliko testova. To su bili testovi za ispitivanje straha od statistike (Fear of
Statistics),samopouzdanja u vezi s polaganjem ispita iz sttrtistike(Confidence
in Coping with Startistics)
i depresije(Depression).Potom je jedna od tih grupa
(grupa 1) pohadala vi5edasovni kurs matematiakih veitina; druga grupa
(grupa 2) udestvovalaje u programu izgradnje sarnopouzdanja u polaganje
ispita iz stzrtistike. Nakon zavrSetka oba programa (u trenutku 2) opet su
popunjavali iste testovekao pre programa, i ponovo tri mesecakasnije (u trenutku 3). Bile su izmerene i niihove performanse na ispitu iz sratistike.
Depress3ED.sav
Ova datotekaje priloZenaza prikazivanjeodredenihtehnika u 16. poglavlju. Obuhvatanekoliko klluinih promenljivihiz jednestvarnestudije,koju
je jedan od mojih postdiplomacasproveoisrraiujuii tinioce koji utiiu na
opSteraspoloZenje
prvorotki. SadrZirezulratedobijenena viSerazliiitih psiholoSkihskalaprolektovanihza merenjedepresije(pojedinosti
videti u 16.
poglavlju,o rneri podudaranjakapa).
Sleep3ED.sav
Stvarni podaci, saLetiiz studije sprovedene radi istrazivanja rasprosrranjenosti i uticaja problema sa spavanjem na razne rrspekreLivota. Univerzitetsko osoblje iz Melburna u Australiji popunilo je upitnik s pitanjima o broju
sati no6nog sna koje uspevaju da ostvare, problemima sa spavanjem (da li
319
Staffsurvey3ED.sav
stvarni podaci, saieti iz studije sprovedene radi istraZivanja stepena zztd,ovoljstva osoblja jedne obrazovne ustanove sa ograncima u viie mesta po Australiji. osoblje je popunilo krarak anoniman upitnik (dat u nasravku
dodatka), u kojem su dali svoja miiljenja o raznim aspektima organizacije i
tretmana kojem su bili podvrgnuti kao zaposleni.
Referenca
S c h e i e rM
, . F . & C a r v e r ,C . S .( 1 9 8 5 ) .
Optimism, coping and health: An
assessment
and implications of
g e n e r al i z e do u t c o n r ee x p e c t a n c i e s .
Health Psychology,4, 219-47.
Scheier;M.F., Carver,C.S. & Bridges,
M.\)(/.( 1994). Distinguishing
optimism from neuroticism (and trait
anxiety,self-masteryand self-esteem):
A re-evaluationof the Life
Orientation Test.Journal of
Personality and Social Psychr>logy,67,
6,1063-78.
Mastery Scale
Skala subjektivnogoseiaja
upravljanja sopstvenimZivotom
(sedamstauki)
Positive and Negative Affect Scale
(PANAS)
Skala pozitivnih i negativnih
oseianja (duadesetstauki)
P e a r l i n ,L . & S c h o o l e rC
, . ( 1 9 7 1 1 )T.h e
structure of coping. tournal of Ilealth
and Social Behauior 19.2-21.
'Warson,
D., Clark, L.A. & Tellegen,A.
( 1 9 8 8 ) .D e v e l o p m e n a
t nd validation
of brief measuresof positive and
negativeaffect: the PANAS scales.
Journal of Personality and Social
Psychology, 5 4, 1063-7 0.
PerceivedStressScale
S k a l as u b j e k t i v n od o Z i v l j e n o g
stresa (deselstat,ki)
Self-esteemScale
Skala sarnopoStovanja
(desetstauki)
322
pn1 do pn20
Puno ime
promenljive
Ime promenliive
u SPSS-u
Uputstvo za Sifrovanie
Skala pozitivnih i
negativnihoseianja
(PANAS)
lifsatl do lifsatS
Identifikacioni broi
id
Skala zadovoljstva
Zivotom
1-nimalo se ne slaZem
7-potpuno se slaZem
Pol subjekta
SEX
1=muSkarci,Z=zene
pssl do pss10
Starostsubiekta
age
u godinama
Skala subjektivno
doZivljenogstresa
marital
1=nevenaan(a),2=stalan Partner'
3=Zivi s partnerom, 4=Prvi Put
v e n d a n ( a )5, - p o n o v o v e n d a n ( a ) ,
6=Zivi odvojeno od suPruZnika'
7 --razv eden(a), 8=udovac/
Skala
samopouzdanja
sestl do sest10
Bradno stanje
1=nimalo se ne slaZem
4-potpuno se slaZem
Marlowe-Crowne
skala za merenie
sklonosti ljudi
da se predstave
u druitveno
poZeljnomsvetlu
m1 do m10
1=taino, 2=netadno
Skala subjektivno
doZivljene
samokontrole
stania
unLrtraSn,ih
(PCOTSS)
pc1do pc18
l = n i m a l os e n e s l a Z e m ,
s=potpuno se slaZem
Sifarnik za surveY3ED.sav
udovica
Dete
child
l=da,2=ne
NajviSazavriena
Skola
educ
1 = o s n o v n aS k o l a
2=deo srednjeSkole
3=celasrednjaSkola
4=vi5a Skola ili dodatna obuka
5=dodiplomskestudije na
univerzitetu
6 = p o s t d i p l o m s kset u d i l en a
univerzitetu
source
Puiai
smoke
1 = d a ,2 = n e
Broj popuSenih
cigaretasedmiino
smokenum
Skala optimizma
op1 do op6
1 = n i m a l os e n e s l a Z e m ,
5-potpuno se slaZem
Skala subjektivnog
oseiaja upravlianja
sopstvenimZivotom
mastl do mastT
1 = n i m a l os e n e s l a Z e m ,
4=potpuno se slaZem
323
324
survey3ED.sov
koiesudeodololeke
noskolomo
rezuhofi
Ukupni
P u n oi m e
promenljive
Ukupanoptrmtzam
toPtlm
Ukupan subjektivni
osecaj upravljanja
sopstvenim Zivotom
Ukupna pozitivna
osecanja
tposaff
Ukupna negativna
osecanja
tnegaff
Ukupno
samopouzdanje
tslfest
Ukupnasklonosti
osobe da se predstavi u druitveno
poZeljnomsvetlu
tmarlow
Nove obrazovne
kategorije
educ2
Starosnagrupa,
3 kategorije
agegp3
325
Kopijo
upihiko
upotreblienog
survey3ED.sov
u dototeci
Na sledecimstranicamanavelasam samo deo upitnikaupotrebljenog
za prikupljanjepodatakau datotecisurvey3ED.sav.
Na prvojstranicisu demografska
pitanja,zatimtest optimizma/ livolne orijentacije(6 stavki)i skalapozitivnihi
negativnih
osecanja(20 stavki).U spiskuu prethodnomdelu dodatkadate su
sve pojedinostio referencama
iz kojihsu preuzeteskalekori5ceneu upitniku.
Upilnik
'1.
O muSki
fl 2enski (oznaditeodgovarajuce polje\
(u godinama)
2. Starost:_
(oznaiite
3. VaSbradni status:
odgovarajucepolje)
fl 1:nevendan(a)
D 2:stalni partner
D 3:Zivim s partnerom
a 4:prvi put vendan(a)
0 b:ponovo vendan(a)
tr 6:Zivim odvojenood supru2nika
D 7:razveden(a)
D 8:udovac/udovica
Pol:
326
malo
umereno
prilidno
45
12
1 .-zatnteresovano
2.-uzrvlano
3.-prestravljeno
4.-ponosno
5.-posramljeno
6.-odluno
7.-aktivno
8.-ucveljeno
9.-snaZno
10.-odbojno
1 |.-razdrailjivo
12.-nadahnuto
13.-pazljivo
14.
lme
Duie opisnoime Uputstvoza Sifrovanje
promenljive promenljive
u SPSS-u
u SPSS-u
broj
ldentifikacioni
id
id
Pol subjekta
sex
SEX
1:mu5karci, 2:2ene
Starost sub.jekta
a9e
age
u godinama
Grupa
group
type of class
1:matematidke veStine,
2:izgr adnla samopouzdanja
izuzetnomnogo
15.-uzbudeno
16.-kaokrivac
17.-oduSevljeno
18.-dilo
19.-nervozno
20.-usPlahireno
327
Depresija
u trenutku1
depressl
1988.
/zvor:Watson,Clark& Tellegen,
Test za rspitivanje fost2
slraha od statistike
u trenutku2
Verau ovladavanje
conf2
statistikom
u t r e n u t k u2
Depresija
u
trenutku
2
depress2
identifikacionibroj subjekta
Rezultatimerenja na skali
depresije,dobijeniu trenutku1.
Opseg mogucih vrednostiod 20
do 60. Vece vrednosti pokazuju
vecu depresiju.
328
P u n oi m e
promenljive
il
Starost: A isPod 20
O21 do30
ff 31 do 40
a41do50
3 preko 50 god.
Verau ovladavanjeconfS
statistikom
u trenutku3
Depresija
u trenutku3
depress3
Rezultati na isPitu
iz statistike
exam
329
Zaposlen:
t-l stalno
O privremeno
Pomocu sledecih skala, za svaki od navedenih aspekata ocenite svoj stepen slaganja s njim i njegovu vainost.
Slaganje: 1:nimalo, 2:malo, 3:umereno, 4: mnogo, S:veoma mnogo
VaZnost:1:nimalo, 2:malo vaZno,3:umereno va2no,4: veomavaZno,S:izuzetno va2no
Slaganje VaZnost
1.
1234 5
12345
2.
12345
12345
3.
1234 5
12345
4.
12345
5.
12345
12345
6.
12345
12345
7.
12345
12345
8.
12345
12345
9.
12345
12345
1234 5
12345
330
&
Opis promenliive
P6 stepen slaganja
06a
P6 stepen vaZnosti
06imp
P7 stePenslaganja
Q7a
P7 stepen vaZnosti
OTimp
P8 stepen slaganja
OBa
P8 stepen vainosti
OSimp
iifornikzusloffsurveY3ed.sov
Opis promenliive
ldentifikacionibroi
id
ldentifikacionibro.isubjekta
Mesto PrebivaliSta
zaposlencg
city
Starost zaPoslenog
age
1:ispod 20
2:21 do 30
3:31 do 40
4:41 do 50
5:preko 50 god.
Broj godina radnog staia u organizaciii
(staZkraci od 1 godine pisati decimalno,
npr. 6 meseci:0,S godina)
331
Status zaposlenog
employstatus
P9 stepen slaganja
09a
Pl stepen slaganja
01 a
P9 stepen vaZnosti
09imp
P1 stepen vaZnosti
Ol imp
Ol Oa
P1 0 stepen vainosti
01 Oimp
vazno
Preporuka
recommend
O:ne, 1:da
P3 stepen slagan.ia
O3a
Promenliivekoje se izradunavaju
P3 stepen vainosti
03imp
P2 stepen slaganja
P2 stepen vainosti
02a
O2imp
totsatis
Servicegp3
DuZinaradnog staZa u
organizaciji(3 grupe)
1 { i l i: 2 g o d i n e ,2 : 3 d o 5 g o d i n a ,
3:6+ godina
Log transformacija
duiine radnog staZa
logservice
Starost zaposlenog
reSifrovanau 4 grupe
agerecooe
P4 stepen slaganja
O4a
P4 stepen vaZnostl
04imp
P5 stePenslaganla
05a
P5 stepen vainostl
05imp
Ukuoanreaultatna skali
zadovoljstvaosoblja
1 : 1 B d o 3 0 g o d i n a ,2 : 3 1 d o 4 0
godina,3:41 do 50 godina,
4:50+ godina
332
Opis promenljive
Sifarnikza sleep3ED.sav
Opis promenljive
ldentifikacionibroj
id
Pol
sex
O:)enski, 1:mu6ki
Starost
age
u godinama
Bradni status
mantal
1:nevendan(a),2: vendan(a)i2ivi
s
partnerom,
3:razveden (a), 4:udovac/udovica
NajviSazavrSenaSkola
edlevel
TeZina(kg)
weight
uKg
Vsina (cm)
height
ucm
healthrate
lme promenljive
u SPSS-u
Uputstvo za Sifrovanje
'l:veoma
Zadovoljnikolidinomsna?
satsleep
nezadovoljan,10:u velikoj
meri zadovoljan
qualslp
stressmo
1:nimalo, 1 O:izuzetnomnogo
Pijetepiluleza spavanje?
medhelp
'l:da,
problem
rmpactl
1:da,2:ne
-l:nimalo,
1O:izuzetnomnogo
impact2
'I:nimalo,
1O:izuzetnomnogo
impact3
1:nimalo, 1O:izuzetnomnogo
impact4
1:nimalo, 1 O:izuzetnomnogo
1:nimalo, 1O:izuzetnomnogo
'I:nimalo,
1O:izuzetnomnogo
1:nimalo, 1O:izuzetnomnogo
1:veoma mr$av(a),10:veoma
debeo(la)
Da li pu6ite?
smoke
1:da, 2:ne
Kolikocigaretadnevno?
smoKenum
broj cigaretadnevno
Kolikoalkoholnihpica
dnevno?
alcochol
bro.jpica na dan
Kolikokofeinskihpica
dnevno?
caffeine
hourwnit
impactT
2:ne
1:da,2:ne
Nemirno spavate?
restlss
drvsleep
hourwend
hourneed
anxrety
TeSkozaspete?
trubslep
1:da,2:ne
trubstay
1:da,2:ne
oepress
Kolikonaporaste utro6ili
tokom proSlesedmice?
fatigue
1:nimalo, 1O:izuzetnomnogo
Budite se nocu?
wakenite
1:da,2:ne
niteshift
1:da,2:ne
liteslp
1:da,2:ne
1:da,2:ne
333
1:da, 2:ne
'l:da,2:ne
334
Opis promenljive
1:nimalo, 1 O:izuzetnomnogo
tired
1:nimalo, I O:izuzetnomnogo
sreepy
energy
stayslprec
0:ne, 1:da
getsleprec
O:ne,1:da
Kvalitetsna, reSifrovano
qualsleeprec
skala Sleepinessand
AssociatedSensations
(skalapospanosti
i pridruienih osecanja)
totsas
cigsgp3
1{:5,
Starost, reSifrovana
u 3 grupe
agegp3
probsleeprec
1d:37god, 2:38-50god,
3:51+ godina
0:ne, "l:da
2:6-15, 3:16+
Preporudena
literatura
Preporudenaliteratura
Bibliografija
Aiken, L.S. & West,S.G. (1991,).Multiple regression:Testingand interpreting interactiozs.Newbury Park, CA: Sage.
Association(2001).Publicationmanwal(5th edn).
AmericzrnPsychologic:rl
Association.
Washington:AmericanPsychological
Bartlett, M.S. (1954). A note on the multiplying factors for various chi
sqrrareapproximations.lournal of the RoyalStatisticalSociety,l5(Series
B),296-8.
Berry, W'.D.(1,993).Understandingregressionassumptiozs.Newbury Park,
CA: Sage.
Bowling, A. (1997). Researchmethods in health: Inuestigatinghealtb and
bealth seruices.Buckingham:Open University Press.
(2001). Measwringdisease(2nd edn). Buckingham:Open University
Press.
(20041.Measuringhealth:A reuiew of quality of life measurementsca/es.Buckingham:Open UniversityPress.
Boyce,J. (2003).Market researchin practice.Boston:McGraw-Hill.
Briggs,S.R. 6. Cheek,J.M. (1986). The role of factor analysisin the development:rnd evaluationof personalityscales.!ournal of Personality,
-54,10648.
Catell,R.B. (1966).The screetestfor numberof factors.MuhiuariateBehauioral Researcb,1. 245-7 6.
Choi, N., Fuqua,D. 6. N. Griffin, B.X7.(2001).Exploratoryanalysisof the
structureof scoresfrom the multidimensionalscalesof perceivedself efficacy.Educationaltmd PsychologicalMeasurement,6'L,47 5-89.
Cohen, J. \f. (198S). Statisticalpower analysisfor the behauioralsciences
(2nd edn).Hillsdale,NJ: LawrenceErlbaum Associates.
anaCohen,J. & Cohen,P. (1983).Applied mtiltiple regression/correlation
lysisfor the behauinralsciences(2nd edn).New York: Erlbaum.
Cohen,S.,Kamarck,T. & Mermelstein.R. (19U3).A global measureof perceivedstress.Jcturnalof Hectlthand SocialBehauior,24,385-96'
Cone,J. & Foster,S. (1993).Dissertationsand tbesesfrom start to finisb.
Associ:rtion.
\Tashington:AmericanPsychological
340
Bibliografija
Bibliiografrja
341
Bibliografija
SpisakterminakoriScenihu kniizi
oznaka tipa
ANOVA
repeated
file extension
datoteke
ponovljenih
medsures
posrepeno
merenla
stepwise
ANOYA
pravougaoni
skewness
box plot
asimetriia
dijagram,kutijasti
dijagram, grafikon grapb, chart, plc.tt
dijagram
dijagram rasturania scatterPlot
pilot
probni
desirable
poZeljan
socially
druitveno
promenljiva
uariable
response
odgovor
proradunskatabela spreadsheet
two-way
dvofaktorska
ANOVA
remetiladka
confounding
analizavariianse
promenljiva
uariable
faktorska teZina
factor loading
recoding
redifrovanje
grafikon, dijagram graph, chart, plot
case
sludaj
izdvajanje faktora factor extraction
mecln
pxuot
srednjavrednost
izveden
jednofaktorska
mean inter-item
srednjavrednost
one-way ANOVA
korelacijeizmedu correlation
analiza varijanse
stavki
eigenualue
karakteristidna
standard
standardno
vrednost
deuiation
odstupanje,
mixed betweenkombinovana
-within subjects
standardna
analiza varijanse
devijacija
ANOYA
degree of
stepenslobode
kutijasti dijagram, box plot
pravougaoni
freedom, df
stubidasti dijagram bar graPh
dijagram
codebook
Sifarnik
squdre root
kvadratni koren
indeDendentt-test nezavisnih
line grapb
linijski dijagram
-samplest-test
uzoraka
multiuariate
multivarijaciona
bar graPh
trakasti dijagram
analysis of
analiza varijanse
total score
uariance,
ukupan rezultat
MANOVA
matched Pairs
upareni subjekti
post-hctctest
naknadni test
interactioneffect
uticajinterakcije
outlier
netipiina taika
effect size
velidina uticaja
specificity
odredenost
zapisniika datoteka iournal
sensitiuity
osetljivost
sum of squares
zbir kvadrata
Indeks
)R)
)q')
Chart Editor,prozor,20,79-80
C-lassi
fication,tabela,| 77
CompareMcans,226,236, 240,247, 252
Compute,87-89
Factor, 187
Correlare,133,146
( l o x & S n c lR
l Square
{ p s c u d o p o k r z r r c l j fakror
v c l r i r n cr r r a k v e d r a t ) , 1 7 7
i z d v a j a n j e 1, 8 3 - j U 4
346
lndeks
rktorska analiza
potvrdna, 181
istraZivaika. 10-5,121,L81-202
i, koeficiicnt,220-221
ormat odgov<lra,8-10
r r c q u c n c i e s4,6 , 5 6 , 9 1
:ridmanov test,23 1-233
.-lcneralLincar Model , L04, 252-25 5 '
2 6 3 , 2 73 , 2 8 9 , . 1 0 3 ,- 1 0 - 53,1 0
qreika I v rsre' 207-208, 24 5, 281-282,
293
;reika II vrste, 207-208
Help,mcni, 21,23-24
hi-kvadrat tcst kvalitcta podudaranja,
215-217
lri-kvadrattcst nczavisnosti,1 12, 217-221
tristograrn,52,68-69
homogenostmatrlca
jansc,28-3,288,
varijanse-kovari
29',|
homogcnostregresije,283, 2U8
homogenostrcgresionihnagiba, 298,
Indeks
koeficijentdetcrminacije,1 3.5-l 36
koeficijentikontrasra tj. porcdcniagrupa'
252-254
Koenov pokazatelj d, 209, 238
kolidr-rikverovatnoie, 17 8-1.79
Kolmogorov-Smirnov,test za verifikaciju
ncpararnetarskihhipotcza,62
kombinovana analizavariianse,107, 1,16,
271-279
konvcrgentnavalidnost, 7
k o r c l a c i j a ,1 0 4 , 1 1 3 - 1 1 4 , 1 2 2 - 1 2 7 ,
r29-r48
korclacioni koeficijcnti
izmedu grupa promenllivih, 137-139
porederrjadve grupe, 1-i9-140
korigovana ki>relacijastavke i ukupnog
rezultata,100
korigovano R kvadrat, 161
k o s a r o t a c i j a ,1 8 5
kovarijati, 288, 29 6-298
Kramerov pokazateliV, 221
kriterijum diiagrama prevoia, 184
Kronbahov koeficijent alfa, 6, 97-l0l
Kruskal-Volisov test, 229-231
303-304
homogenostvarijansc,126, I29, I52, 159,
206,249,266,277,297
Hosmer-Lemeshow,pokazateli kvaliteta
podudaranja, 176-177
imena promenljivih 12-13, 32, 38
ispravljanjegreSakau datotecis podacima,
49-51
izbor odgiovarajuiihmernih skala, -5-7
izbor prikladnih statistiikih tehnika,
103-120
izborpromenljiv
th,22-23
izmena SPSS-ovihopciia, 28-29
izraiunavanjeukupnih rezultata,84-88
jednofaktorskiranalizir varijanse,106, 1 15,
245-260
Kajzer-Mcjer-Olkinovpokazatelj
a d e k v a t n o s tui z o r k a , 1 8 3 , 1 8 7 , 1 9 1
Kajzerov kriterijurn, 184, I92
k n n o n s k ak o r c l a c i l a ,1 0 5
kapa, mera slaganja,221-223
karakteristic=ne
vredn<>sti.
1 84, 188,
192-194
kategorijskepromcnljive, I 09
karuzalnost,123-124
KMO. Vi deti Kaizer-Mejer-Olkinov
pokazateljadekvatnostiuzorka
NagelkerkeR Square(pseudopokazatelj
_ vrednosti r na kvadrat), I 77
r.raknadni(post-hoc)tesrovi, i06,
. 208-209, 23.t, 233, 246_257, 267
ncdostaiuip
i o d a c i ,5 9 , 8 7 , 1 2 6 - 1 2 7 , I 3 4 ,
210-2r1
203_206,2t3
Pirsonovkoeficijentlinearnekorclacije,
1.0
4, 1.21,127, 129_144
PivotThbleEditor,20
planiranaporedenja,
208-209,245,
25I_2.t4
podeladatotekes podacimana grupc,41
podelancprekidne
promenljive
u grupe,
92-93
pokretanjeSPSS-a,
1-5
poludelinriinikoeficijentikorelacije,
162
poredcnje
korelacionih
koeficijenata
dve
g r u p e ,1 3 9 - 1 4 0
pouzclancrst,
6-7, 97-101
pravljenjedatoteke s poclacima,t/-{?
pravljenjenove (praznc)datoteke za
podatkc, lT
347
159_l5r
Split File, 41
spljoitenost raspodele, 58
SPSS-oviprozori, lT
sredny'avrednost, 57-58
srednja vrednosr izratunata bez gornjih i
donjih .5% sluiajeva (Trimmed
Meanl,61-62
Staffsurvey3ED.sav,3 19, 329-331
standardizovanikoeficijenti regresiie,161
standardno odsrupanje, .1.5-58
strukturno modelovanje,10.5
stu biiasri dijagr ami, 69-7 I
survey3ED.sa
v, 3 17-3 1.8, 320-326
Syntax Editor,20-21
Sefeovtest, 209
Sifarnik, 11-74, 322-323, 332-3 34
Sifrovanjeodgovora, 13
itampanje rezultata, l9-20
t-te:^tovi, 106, 23 5-244
nezavisnihuzoraka, 235-239
pretpostavke, 205-207
uparenih uz.oraka.239-243
Tolerance,pokazatelj,158, 170
Transform, 8-t, 87-89, 92
transformacijapodataka, gg_91
rranstornracqapromcnljivih, g3_9.5
348
lndeks
226, 228,231.
, 295
r49-\68
1'50,'l'63-1'67
hijerarhijska,
p o s t e p e n a1, 5 0 - 1 5 1
standardna,150, 1-54-163
vremenska stabilnost (pouzdanost) skale, 6
vrste promenljivih (atribut Typel, 32
Web lokacija, ix
zasebnu
i t i c a i i ,1 0 7 , 2 6 1 , 2 6 6 , 2 7 3 , 2 7 8 ,
31.4-31.5
23
zatvaranjeSPSS-a,
znadajnost,praktiina u odnosu na
statistiiku, 124