Professional Documents
Culture Documents
Spss Prirucnik Za Prezivljavanje150743399 PDF
Spss Prirucnik Za Prezivljavanje150743399 PDF
Olga Nlilanko
Sadrlal
Glavni urednik
Redaktor S t e l aS p a s i i
Tehniiki urcdnik S a n j aT a s i i
Slog SanjaTasii
Nataia Pavlov
Mikro knirga
P. fah 20-87
-t1030 tseograd
t e l :0 11 / 3 5 4 0 - 5 4 4 Predgovor .......x
pismaomikroknj iga. rs DatotekespodacimaiWeblokaciiu... ....... xi
Survival Manual' Third Edition'
Autoriz-ovanprevod sa engleskogjezika knlige SPSS Uvodipregled ..xiii
N i i c , d o z v o l l e n Jor r t e d : nd e o o v c k n i i g cI ' u d e Strukturaknjige ..xiv
C o p y r r g , hOr 2 0 0 9 M i k r o k n i i g a ' S v r p r r v r z a d r 2 r n r '
.--.^.t,,Lnvrn ili ernrrovf,n f . i i e l . t t . o n r k l ' l i m c h a n i c k i .u k l i u . u j u i i t o t o k o p i r a n i c '
Kakokoristitiovuknjigu ....... xiv
lli*il,i.i'iir"'k;;i';".;;i;i;,.;,r
"r'iii" b . l"".z, .i L
n ri ", .. b c z p r e r h o . l n ep i s r n c n cd o z v o l ei z d a v r c r '
SavetizasprovodenjeistraZivania... .... xvi
entitled SPSSSurvivalManual: A Stcpby Step
Authorized translation from the Englishlanguageedition, Dodatni resursi . . .xvii
Using SpsS for windows (Version 15 ), Third Edition, by Julic Pallant,published
Guidc to Data Analysis 'Copyright
Uy ,ttt.n & Unwin' @ 2007 Julie Pallant'
Pomisao da moraju da ude neki statistiiki predmet ili da prirnene statistiku Kroz celu knjigu sretaieteprimere istraZivanjauzeteiz nekoliko datoteka s
u svom istraZivanju) za mnoge studente ie izvor velikog stresa i frustracije. podacima (engl. data files) objavljenih na prateioj Web lokaciji originalne
Prvo izdanje ove knjige (i22000. godine) trebalo je da posluZi kao jednosta- verzrje ove kn j i ge, www. allenandunwin.com/spss.
van postupni vodid kroz proces analize podataka pomoiu SPSS-a.Za razli- S te lokacijemoZetepreuzetipodatkena dvrstidisk, disketuili fleSmemo-
ku od drugih knjiga iz statistike, on se nije bavio matematidkom osnovom riju; biie dovoljno da slediteuputstvakoja ie seprikazatina ekranu.Zatim
statistidkih tehnika, vei prikladnom upotrebom SPSS-akao alatke. Od po- bi trebalo da pokreneteSPSSi otvorite te datotekes podacima.One semogu
javljivanja prva dva izdanja ovog priruinika, dobila sam stotine e-poruka otvoriti samou SPSS-u.
studenata zahvalnih za pruLenu pomo6 (ili spas). Datoteka survey3ED.savsadrZipodatke dobijeneu istraZivadkompro-
Isti, jednostavan pristup zadrLan je i u ovom, treiem izdanju, zasnova- jektu jednogod mojih odeljenjadiplomaca.Da bistestekli ose6ajza istraLi-
nom na verztji 15 SPSS-a.Oduprla sam se iskuienju i pozivima mnogih stu- vadki procesod podetkado kraja, u dodatak sam sravilakopiju upitnika
denata, predavada i recenzenatada obuhvatim mnogo novih tema, vei sam pomoiu kojeg su ti podacidobijeni,i Sifarnik(engl.codebooA)pomoiu ko-
umesro toga nadogradila i proiirila postoje6i materijal. Sva poglavlja su jeg su ti podaci Sifrovani.zahvaliuiuci rome, moZerei sami obaviti sveana-
aLurirana tako da odgovaraju verziji 15 SPSS-a,mada je ve6i deo materijala lizeprikazaneu ovoj knjizi i daljeeksperimentisati s drugim promenljivama.
podesan i za korisnike verzija 1,3 i 14. Na traZenje brojnih korisnika prva Druga datoteka s podacima (error3ED.sav)sadrZi isto 5to i survey-
dva izdanja, dodala sam opise jo5 nekih moguinosti SPSS-a,kao 5to su spa- 3ED.sav,ali sam u nju namernododalagreike da bisteu poglavlju5 mogli
janje datoteka, upotreba skupova i upotreba komandnih datoteka. Dodati da veZbatepregledanjei ispravljanjepodataka.
su odeljci o statistidkom merenju velidine uticaja i o naknadnim testovima' Treia datoteka (experim3ED.sav)sadrZiizmiiljene podatke i ilustruje
Poglavlje o neparametarskim tehnikama proiireno je primerima njihove
upotrebu viSetehnika obradenih u petom delu knjige (npr. r-testauparenih
upotrebe u mnogim oblastima, narodito u zdravstvu, medicini i psihologi;i. Sloraka,analizevarijanse(ANOVA) ponovljenihmerenja).U toj datotecisu
Unekim drugim poglavljima (npr. u onom o faktorsko j analizi), tekst je iz-
o9d.u,l.promenljiveza veZbanje veirinakoje se udena drugimmesrimau
I
KnJrzr. SamonemojtepreviSeda se obradujeterezultatimakoie iete dobiti i
menjen da bi preporuieni postupak bio u skladu s literaturom i sa smernt-
ne pokulavajteda ih ponovireu nekomsopsrvenom isrraZivanju!
cama za oblavliivanie u nauinoistraZivaikim dasopisima.
Ova knjiga ne obuhvata sve moguie statistidke postupke koje SPSSpo-
depress3ed.sav je ditvrta datotekaupotr.bll..rn u primerima iz knjige. Nju
,
Korlstrmou poglavlju 16 o neparametarskimtehnikama,kako bismo ilu-
drLava,niti odgovora na sva pitanja koja bi istraZivadmogao imati u vezl sa
strovalinekemetodekoje seupotrebljavajuu medicinskimistraZivanjima.
statistikom. Umesto toga, osposobi6evas da poinete istraZivanjei da stekne-
Date su joi dve datoteke,pa moZeieda uraditejoI poneito s podacimaiz
te samopouzdanie prilikom kori56enja SPSS-a.Postoji ioi mnogo odlidnih
na njih u sva- razliditihdisciplina.Datotekasleep3ED.sav sadrZi.tuurn"pod"tL. izistraLi-
udZbenika iz statistike kole bi trebalo da proditate; upuiujem
'Web
je na prateioj lokaciji; po;ecli- vanla uticaiaporemeiajasna ,ru Ziuot osobakoje pate oj njega.
kom poglavliu knjige. Dodatni materijal Datoteka
stuttsurvey3ED.sav potideiz anketeo zadovoljstvuzaposlenih,sprovedene
nosti o tome date su u narednom odeliku. u
leonojvelikoiausrralijskoj obrazovnojusranovi.
xI Datotekes podacimaiWeb lokaciia
. upotrebaWindowsovihpadajuiih menija;
d o b i t i o d g o v o r e i n a i i n u n a k o j i i e t e i h f o r m uza
lisati.MorateZnatikoiestiltl- . upotrebalevogi desnogtasteramiSa;
po"olt'ii;';;:;;;odata\a su niih prikladne'a koie ne'
stiike tehnit. (npr'
primenite--odabranustatistidkutehniku . biranietekstatako 5to ga pritisnetei prevudetemiSempreko njega;
Morate umed da i'p'-to umeSno da
tai rezultattreba . spuitanjei podizan;e,to jest minimiziranjei maksimiranjeprozora;
t-test)i da protumatit;"1;; \li'"d' pitaniima i predstaviteu svom
dovedeteu vezu t pt;;bi;;; "t'olt^t'
istraZivaikim o pokretanjei zatvaranieprograma iz menija Start ili iz \Tindows Explo-
pitania
(Kada ," p"b"i-o na kulinarstvo' tome bi odgovarala rera;
izve5taiu. ili sa sladole-
treba li kolad s d"k";-J;; prelivom da posluzitesa ilagorn . prelazakiz iednogprogramau drugi kada su istovremenootvoreni;
i Seiemomtl"':tt'T.-1):-^ . offaranje, snimanje,preimenovanje,premeltaniei zatvatanjedatoteka;
dom, ili moZda , i"g;l;t;"/malinama
podutaka ne moZetesamoizme5atisvesasto;-
Ni u kulinarrrt" "l " "l*il'i o rad s viSedatotekaistovremenoi prelazakiz jedneu drugu istovreme-
seda ie rezukatbiti dobar'Na-
ke, gurnuti ih u r.rt''t'(l;;;;;;'sPis1,i ""dati bolje razumetepostupakanaiize no otvorenudatoteku;
da malo
dam seda ie vam "r; l;i;;;;omoii . kopiranjedatotekasa disketeili flei rnemorijena Ivrsti disk ili obrnuto
i veitine potrebnedobrom "kuvAru"'
podatakai dati vam t"*"?t"taanje pomoiu Windows ExPlorera;i
. pravljenjedirektorijuma(foldera,fascikle,omotnice)i prelazakiz ied-
Strukturakniige L- .r-.. ceo po-
nog direktoriiumau drugi u Windows Exploreru.
priruinik za i'iZl'tio'o'ie rma22 poxlavlia' koia obuhvatalu Pretpostavliase d:r ste vei nauiili osnove
SPSS:
io analizepodatakai pred- Ova knjiga nije sveobuhvatn2l.
-"tJ itt"i"fttovanja udZbenik.Treba da imate predstavuo
stupak istraZivanla poieti) sraristike i da imate odgovaraiuii
je na pet dtlova' Prvi deo (Kako
"uiilt
stavlianjarezultata' lodellena Sifarnika (engl' co- tome 5ta SPSS radi ispod povriine. SPSS je izuzetnomoian softverskipaket
studiie,pripremu
obuhvataono uvoono: prolekrovanje datoteke s poda' za analizupodataka,koji ume da obavlja veomasloZenestatistidkeprocedu-
d"'gom delu\iriprema
debook)i opor,tnu""f" 5pi's "' u greSke re. U ovom prirudnikusene objainjavajusvestatistiiketehnikekoie tai pro-
Jatoteka' unosepodaci i pronalaze gram podrZava;obradenesu samo one koje se najie56ekoriste. Knjiga bi
cima) nautie turto'";;:-1 su poglav-
"t. su u treienrd.1.,k''1ig",iija
u njoj' Preliminarn.n.'ntl,. ot,radene sta' trebalo da vam omoguii da samostalnozapodnetestatistiiku analizu i da
lja posveienup.i-"ii'lp""if., ,i"ti.tiikih pokazat.elia(engl.descriptiue steknetesamopouzdanje u koriS6enluSPSS-a.
i postupcimaprovere pouzdanosti
tistics) i diiagrama, doradi podataka teZak U zavisnostiod podatakakoje imate i istraZivadkihpitanja (hipoteza)na
vask;;k po ttot"t kroz katkada
mernihskala.Osrmtoga' proveiiu utt podatk e' koia traZiteodgovor,moZdaiete morati da upotrebiteneku od sloZeniiih
it f''ni ttn p ri k Iad nih'u d
zadanki zbora r,, ti medu- analizau SPSS-u. Ima mnogo dobrih knjiga o raznimstatistiikimtehnikarna
""i'"ftift' ,oristidke tehnikeza ptonalaLenie podrZava.Cit"|t" sve5to vam padne5aka.Prelistaitekniigena po-
u iervrrom d.l" ;;;;;;:iuut;.n" koje SPSS
zavisnosti(npr.korelacija,delimii'nakorelaciia'vi5estruka'regresiia'logistii- sledede: licamabibliotekau koje steudlanjeni,potraZiteone koje statistikuobiaSnja-
ti- pogi"utli^u sazetole opisano
ka regresijai faktorskaanaliza).u rezultate'
vaju (baremdelimidno)razumljivim jezikom! Prikupite sav ta;'materijalu
pr?toor,uuke,kako dobiti
namenasvaketehnike,njene polazne celinukoju 6etekoristiti u svim stirtistiikim predmetimai svom istraZivai-
ptedsta"iti u nauinom radu ili izveStaju'
kako tumailri ,."'t'u'" ikako ih kom projektu.Umesno!e prikupiti i ilanke iz struinih dasopisau koiima se
;;l;ik" za poredenjesrupa' Medu obja5njavalustatistiike aialize i predstavljalunlihovi rezultati. One vam
U petom d.1,, ,.'rl'r"-"ir";,,ijritridk; ana-
t-testovi' anal\zavariianse(ANOVA)' mogu posluZitikao uzor za pisanjesopstvenogizveitaja.
njima su neparamet;;sketehnike' -
(muliivariiacionaanaliza MANoVA) SPSS:priruinik za preiiuliauanje prrkladanje i kao udZbenikza rad s pre-
liza varijans",is. oa au" pro-"r-riii.r" .
clavadem
i analizakovariianse(ANCOVA)' koji obyainiayaraznevidove istraZivadkog postupka,i kao knjiga
za samostalnoudenie,za one koii treba samostalnoda realizujuneki istraZi-
vadki proiekat. Kada budete ucili, ne propustiteda veZbarekoriSienie
Kako koristiti ovu kniigu da upotrebit3kao,lodii kroz SPSS' SPSS-a za analizupodatakakoji se-ogtr p..ureti s prateie Web lokacije ove
Da biste ovu kniigu mogli delotvorno U uputstvima t Knllge.(Pojedinostio rome dare su na str.xi.) Najbolje se udi uz rad, a ne
veitine 'uio tu radunaru' samoditaju6ikako
morate por.do"n'i "tk"-o"toute PC raiunar' n:r- to drugi rade. Pre nego 5to poinete da obradujetesop-
da ve6umeteda koristite
primerima pol"zlm "-Jn1*"31"vke datoteke poigrajtese onima iz koiih su uzeti primeri u
rfirot potrebnihveitina'ukoliko l*"3.. s podacima,
roiito.windowsovefunkcije.u nast"vku-i-e ovoj kniizi. Tako i dobiti priliku da proverite
pot.rlo6a, potraZitenediiupomo6: iete stediveie samopouzdanje
s bilo koiom od narednihradnli i-or" oa Ii ispravno
radite analize.
xvl Uvodi pregled
Uvodipregled
Ponekad6e vam sedesitida dobijetedrugaiiji rezultatod onogau kn;izi. o pzj1c-sebido-voljnovremena.IstraZivadkipostupak uvek traje
To ie se verovatnodogoditi ako budeteupotrebljavalidmgu verzijuSPSS-a duze
nego 5to se odekivalo,pogotovo unoienje i inaliia podataka, pa za t;
od one koja je koriSienau ovoj knjizi (SPSS za Windows, verzija 15). SPSS 2[giyrtostiplanirajtedostavremena.
je
sestalno aLurirai to odlidnosa aspektapobolj5avanjaprograrna,ali zbu- o Radite s priiateljem. Tokom analizepodataka traLite emocronalnu
njuje studentekoji na ekranusvogradunarane vide rezultatnavedenu knji- i
prakridnupomoi od drugih stndenata.podrika drugih je odlidnazadti_
zi. Razlika obidno nije velika, pa ostanitepribrani i poigrajtese detektiva.
6as6l stresa!
MoZda je informacijazapravopred vama,samou drugom obliku. Informa-
cije o promenarnaSPSS-a za WindowspotraZitena pratedojWeb lokaciji.
Dodatniresursi
U ovoj knjizi obradenoje viSeoblasti- od podetnogprojektovanjastudije,
Savetiza sprovodenjeistraZivanja sastavljanjaupitnika, osnovnihstatistidkihtrhnikn (t-iestovi,korelacija),pa
Evo joi nekoliko savetaza onekoji knjigu koristekao vodid kroz sopstvene
svedo sslih statistiikih alatki (analizavarijanseviSepromentliuit-,,futio.rl"
istraZivadke projekte.
analiza).po celoj knjizi posejanesu preporuke za dodatnu lireraturu. Po-
. Pailiivo isplanirajteprojekat.Neka vam postojeieteorijei istraZivanja ku5ajtela iitate 5toviSemoiete,naroiito ako sebudetebavili sloZenijimsta_
posh"riekao uzor prilikom planiranja sopstvenogprojekta. Morate tistidkim p()stupcima.
shvatiti5ta pokuiavateda dobijete,i zadto.
. RazmiSliajteunapred. Odekujte i predvidite potencijalneproblerne,
poito ih svakiprojekatima! Upoznajtestatistidkipostupakkoji name-
ravateda primenitei pomoiu tih informacija oblikujte materijaleza
prikupljanjepodataka.Postarajtese da, kada dode vremeza primenu
statistidkih metoda analize,imate vrstu podataka koji se njima mogu
analizirati.
o Organizuitese.PaZljivovodite beleikeo svim relevantnimistraZivanji-
ma, referencamaitd. Smislitedelotvoran sisternarhiviranja gomile
strudnihdlanakakoje iete prikupiti i, kasnije,rezultataSPSS-a. Uopite
nije teiko izgubiti se u gomili papira i broiki.
e Voditedobrebeledke.Kada pomoiu SPSS-a budeteanaliziralipodatke,
paZljivopiSiteStaradite.Svim studentimapreporudujemda u svescisa
spiralnimpovezomvode beleikeo svakojsesijikoriSienjaSPSS-a. Za-
piSitedatum, imena promenljivih koje ste napravili, analizekoje ste
sprovelii imenadatotekau koje stesnimili rzlaziz SPSS-a. Kada naide-
te na problem ili sedatotekas rezultatima na misteriozannadinodteti,
instruktor ie vas pomoiu tih vaiih beleiakaspasiti!
r Ostanitepribrani! Ako prvi put analiziratepodatke pomo6u SPSS-a,
deiavaieseda seosetitebespornoini.Udahnitenekoliko puta duboko
i sami sebireciteda sveide dobro i da 6e svebiti dobro. Mislite samo
o koraku koji neposrednopredstoji- dozvolite sebi da ponekadpo-
greiite i da ne znatesami kako da nastavite.Kada vam bude svegado-
sta i l)revi5e,prekinite, pro5etajtei razbistrite glavu pre nego 5ro
pokuS;rteda nastaviterad. Veiina studenatalako koristi SPSSkada ga
upozn:rju.Kao.sasvakimdrugirnudenjem,trebasamo prevazitipoiet-
nu zbrrnjenosti nedostataksamopouzdanja.
DEOI
Kakopoceti
Analizapodataka je tek jedan deo procesaistrazivanja.Mnogo roga treba
da sedesipre nego 5to budetemogli da pomoiu SpSS-aanaliziratepodatke.
Prvo,treba da isprojektujeteistraZivanjei odabereteodgovaraju6asredstva
za prikupljanje podataka. Kada sprovedeteistraZivanje,dobijene podatke
treba(pomo(utzv.Sifarnika,engl.codeboo&)pripremiti za unoienjeuspSS.
Da bistepodatkemogli da unesete,morate znati kako SpSSradi i kako da s
njim komunicirate.Svi ti koraci su objainjeniu ovom, prvom delu knjige.
u poglavlju1 su savetii preporukeza projektovanjeitudije kojom r. d"-
bijaju podaci dobrog kvaliteta.U poglavlju 2 objalnjenaje priprema iifar-
prevodenjenenumeriikih podataka iz studije.u foi,,'nt prikladan za
ii\1ri
SPSS'Poglavlje3 je putovanjekroz spss; razmotrenesu osnovneve5tine
kofe..ievam biti potrebne.Ukoliko vam je ovo prvi put da koristite SpSS,
proditajtepoglavlje 3 pre nego ito predete.tu nrr"lir. prlkazane u nastavku
knjige.
f,*t''\
fi -I \ Projektovanje
studije
66,"il -i
-tm\
{'.,..&}
*r- -j
\,ttRnf
Planiranjestudije
Dobro istraZivanje nije moguie bez paLllivog planiranja i sprovodenja studije.
() proiektovanju istraiivanja
napisano je mnogo odliinih knjiga, koje ie vam
pomoii tokom tog procesa: od pregleda literature, formulisanja hipoteza,iz-
oora projekta studije, izbora i dodele subjekata (ispitanika), beleZenja opa-
zan;a (opservacija)i prikupljanja podataka. Odluke koje se donose u svakoj
oc tth faza utiiu na kvalitet podataka koji
ie se analizirati i na nadin oba-
vlia.nja.istraZivanja, jest
traZenja odgovora na istrai-ivadkapitanja. Prepo-
to -Itedite
ruiila bih u"-
iu ne vreme prillkorn projektovanja stu,lile i da le
Deo l: Kakopo6eti
Poglavlje 1 : Projektovanjestudije
L-_
znaka na crtu? VaS upitnik moZe biti prvi koji ispitanik popunjava u svom
Zivotu. Nemojte pretpostaviti da ispitanici vei znaju kako se odgovara. Daj- PriPrema
sifarnika
te jasna uputstva - po moguistvu i primer - i uvek sprovedite probno ispiti-
vanje one vrste ljudi od kojih ie se va5 uzorak sastojati. Pre nego Sto ffi k
L",;.MF'
razdelite stotine upitnika, uklonite sve moguie izvore zabune. Kada sasta-
vljate pitanja, uvek razmislite o tome kako bi sve ispitanik mogao da shvati
to pitanje i razmotrite sve moguie odgovore koje bi neko na to pitanje mo-
gao da d6. Na primer, hteli biste da saznateda li osoba puii ili ne. Pitanje bi
moglo da glasi:
Da li puSite?(ozna6itepolje) D Da D Ne
Kada bude popunjavao upitnik, ispitanik bi se mogao zapitati da li se Pre nego 5to podneteda unositeinformacijeiz upitnika, intervjuaili ekspe-
rimentau SPSS, treba da pripremiteSifarnik(engl.codebooA).To je zbir in-
misli na cigarete,lulu ili moi.dana marihuanu?Da li je dovoljno znati samo
puii li osoba?Treba li da saznatei koliko puii (dve-tri cigareteili dve-tri strukcijaza pretvaranjeinformacijadobijenihod svakogsubjektaili sludaia
paklicednevno),koliko destopuSi(svakidan ili samou izuzetnimprilikama, (engl.case)u numeridki format razumljiv SPSS-u,tj. u brojeve.U ovom
u druitvu)? Smisaoovogaje da razmisliteo svakompitanju: koje informa- poglavljupokazaiemo korake od kojih se ta priprema sastoji,i to na pri-
cije ie vam dati a koje neie, a potrebnesu vam. meru datotekes podacimakoju je osmislilagrupamojih postdiplomaca. Ko-
piju tog upitnika i Sifarnik napravljen za nieganaii iete u dodatku na kraju
knjige.Datoteku s podacimamoZetepreuzetis prateie \7eb lokacije.Kada
Sastavljanjepitanja imate sav taj materijal,moZeteda sagledateceo postupak- od sastavljanja
Za sastavljanje jasnih i dobro sroienih pitanja u upitniku zaista treba ume-
upitnika do pravljenja zavrine datoteke s podacima, spremneza analizu.
ie. Iako ne postoje jednostavna pravila kako se to dobro radi,znaju se gre- Iako samza ilustracijukoraka u razvojuSifarnikaupotrebilaupitnik, postu-
5ke koje sigurno vode do loiih upitnika. Poku5ajte da izbegnete: pak je sliian i u eksperimentalnim istraZivanjima.
r dugaika, sloZenapitanja; PripremaSifarnikaobuhvata donodenjeodluke (i dokumentovanje)kako
o dvostruke negacije; iete:
r dva pitanja u jednom; . definisati i nazvati svaku promenljivu; i
. Largon i skraienice; . dodelitipo jedan broj svakomod moguiih odgovora.
. pojmove i izraze dije se znadenjemenja zavisno od kulture kojoj osoba Svete informacijetreba zabeleLitina papiru ili u datoteci.DrZite to na ne-
pripada; kom bezbednommestu;nema niStagore nego vratiti se datotecis podacima
o viSeznadneredi; koju neko vreme niste koristili i onda se pitati 5ta znaie unete skraienice i
. pitanja koja navode na odgovor; i brojevi.
. reii koje pobuduju jaka oseianja. U Sifarniku bi trebalo da navedetesve promenljive iz upitnika, skra6ena
imena promenljivih koja 6eteupotrebljavatiu SPSS-ui nadin na koji 6ete
U odgovarajuiim sludajevimatrebalo bi da razmislite o ukljudivanju kate- Sifrovatiodgovore(pridruZitiim brojevekoje ie SPSSstatistidkianalizirati).
gorije ,,Ne znam" ili ,,Nije primenljivo". Dalje preporuke o tome kako se U ovom poglavlju dati su pojednostavljeniprimeri koji ilustruju svaki ko-
piSu pitanja videti u knjigama koje su napisali De Vaus (2002) i Kline (2005). rak. U prvoj koloni tabele2.1 navedenoje ime promenljive(na srpskom,a
ne radunarskomjeziku).U drugoj koloni je skradenoime promenljivekoje
ie se upotrebljavatiu SPSS-u(videti dolenavedenukonvenciju),a u treioj
koloni piSetebroj (5ifru)koji iete pridruZitisvakomod dobijenihodgovora.
L-
lmenapromenljivih Prva promenljiva u svakom skupu podataka trebalo bi da bude ID, tj.
Svako pitanje ili stavka u upitniku mora imati svoju promenlyivu jedinstvenog jedinstven broj koji identifikuje svaki analizirani sludaj. Pre nego 5ro postu-
imena. Neka od tih imena jasno ie pokazivati o kakvoj se informaciji radi (re- pak unoienja podataka podne, prodite kroz sve upitnike odnosno zapise
cimo, pol, starost). Druga pitanja, kao 5to su vrednosti od kojih se sastoji podataka i svakom od njih dodelite jedinstven broj. ZapiSite taj broj ditko na
neka merna skala, mogu biti identifikovana odredenom skra6enicom (npr. prednjoj korici. Kasnije, ako u skupu podataka pronadete gredku, pomoiu
opl, op2, op3 kao imena stavki od kojih se sastoji skala optimizma). jedinstvenih brojeva iete lako otkriti onaj s gredkom.
>-
1. upoznateSPSS,razne njegoveprozore i okvire za dijalog, te kako se
otvaraiu i zatvaraiudatoteke.
2. formirate datoteku s podacima pomoiu informacija koje ste pripremi-
li u Sifarniku.
U poglavlju3 opisanisu osnovnastrukturaSPSS-a i pravila koja u njemu
vai.e,a u poglavlju 4 - postupci izradedatotekei unoienie podataka.
PokretanieSPSS-a
SPSSse moZe pokrenuti na viSe nadina:
. Najjednostavnije je potraLiti ikonicu SPSS-ana radnoj povr5ini u'Win-
dowsu. Postavite kursor iznad te ikonice i dvaput je pritisnite.
. SPSSmoZete pokrenuti i tako 5to iete pritisnuti dugme Start, dovesti
kursor do stavke Programs, i zatim preii u spisak dostupnih programa.
Prelazite po tom spisku naviSei naniZe dok ne nadete SPSSfor Windows.
. SPSSie se pokrenuti i kada dvaput pritisnete neku SPSSdatoteku s
podacima prikazanu npr. u Windows Exploreru. Te datoteke imaju oz-
naku tipa (engl. extension) .sav.
Kada pokrenete SPSS,moZda ie vas dodekati sivi podetni prozor s pr-
tanjem ,,'Sfhat would you like to do?" (Sta biste hteli da uradite?) Lak5e 1e
zatvoriti taj prozor (pritiskom na dugme oznaieno sa x u gornjem desnom
uglu) i naviii se na upotrebu SPSS-ovihmenija. Kada zatvorite podetni pro-
zor, prikazaie se prazna proradunska tabela (engl. spreadsbeet). Da biste iz
ovog prozora otvorili neku od postojeiih SPSSdatoteka s podacima, pritis-
nite File i zatim Open u meniju koji 6e se prikazati na vrhu prozora.
L
Otvaraniepostoiecedatotekes podacima Prilikom prvog snimanja nove datoteke s podacima, moraiete da zadate
Ukoliko ho6ete da otvorite postojeiu datoteku s podacima (npr. survey3ED, njeno ime i direktorijum u koji ie biti snimljena. Izaberite direktorijum i
'Web
koja je, izmedu ost:rlih, dostupna na prateioj lokaciji - videti srr.xi), pri- upiSite ime pod kojim dete snimiti datoteku. SPSSsvim datotekama s poda-
tisnite File u glavnom rneniju na vrhu prozora, zatim Open u padajuiem me- cima koje snima automzrtski daje oznaku tipa .sav,zato Sto samo tako ume
niju koji ie se otvoriti i najzad Data. U okviru za dijalog Open File pretraZite da ih prepozna. Ne menjajte tu oznaku, inaie sPSSne6e umeti da pronade
direktorijume na radunaru dok ne pronadete datoteku u kojoj su podaci datoteku kada je sledeii put budete traLlli.
smeiteni.
Datoteke s podacima uvek treba otvarati sa ivrstog disktr raiunara. Ako Otvaranjedruge datoteke s podacima
su vam podaci na disketi ili na USB disku, prebacite ih u direktorijum na ivr- Kadazavriiterad na jednojdatotecii zatrebavam druga,samopritisniteFile
stom disku pre otvaranja. Potom pronadite odgovaraiuiu datoteku na dvr- izatim open, te pronaditedirektorijum r"rkojem je ta druga datotekasadu-
stom disku i pritisnite Open. Ne zaboravite da sve SPSSdatoteke s podacima vana(snimljena).PritisniteZeljenudatoteku,pa onda dugmeopen. u verziji
imaju oznaku tipa .sav.Datoteka 6e se otvoriti u prozoru Data Editor (vi5e 15 sPSS-atako iete otvoriti drugu datotekus podacima,dok ie prva osrari
o njemu kasnije). otvorena u zasebnomprozoru. Bilo bi dobro da zatvoite sve datoteke na
kojima trenutnone radite,poito viSeotvorenihdatotekaume da zbuni.
Savet Podatke s kojima nameravateda radite uvek najpre prebacite na dvrsti disk
radunara.Na krajuradnesesije,kopirajtete datotekenazadna USB disk ili disketu.
Pravlienjenove datotekeza podatke
u sPSS-ufe lako napravitinovu)praznu datoteku.PritisniteFile,pa u pada-
KoriScenjedatotekas podacima juiem meniju pritisnite New i najzadData.od tog trenutka moZetedefinisati
U verziji 15 SPSS-amoZeteimati vi5e istovremenootvorenih datoteka s nove promenljive i unositi podatke. Medutim, pre toga treba da upoznate
podacima.To ume da budekorisno,ali i da zbuni.U svakomtrenutkumora- sPSS-oveprozore i okvire za dijalog.Razmotridemoih u narednomodeliku.
te imati otvorenu barem jednu datoteku s podacima.Ako pokuSateda za-
tvorite datoteku, SPSSie vas pitati Zelite li da je snimite pre zatvarania.
Ukoliko je ne snimite,izgubi6etesvepodatkekoje ste u toi sesijiu nju uneli SPSS-oviprozori
i nove promenljivekojima steprorneniliSifreili izradunalinakon posiednieg u SPSS-uiete uglavnom koristiti prozore Data Editor, Vieweq pivot Thble
otvaranjadatoteke. Editor, chart Editor i Syntax Editor. ovde iemo ih prikazati saZero,a u na-
stavku knjige mnogo detaljnije.
Kada podnete da analizirate podatke, imaiete viie tih prozora istovreme-
Snimanjedatotekes podacima no otvorenih. Pojedine srlrdente to zbunjuje, ali je zapravo sasvim jednostav-
Trebalobi da snimitedatotekus podacimakad god je izmenite(recimo,ako
no kada shvatite zaito su otvoreni. Prozor Data Ediior je uvek otvoren zato
ste definisalinove promenljive)ili dim je napravite.Datotekese ne snimaju
Sto sadrZi datoteku s podacima koje analizirate. Prozor viewer se otvara
autonatski, kao u vetini programa za obradu teksta.Ukoliko ne steknete
kada treba prikazati rezulrate analize; u njemu se prikazuju rezultati svih
naviku da povremenosnimatedatotekuna kojoj radite, a nestanestruja ili analiza,navedeni redom kojim su analize obavljane. Molim vas, zapamtire:
sluiajno pritisnetepogreiantaster(i to se deSava), izgubiietesveStoste ra-
ovaj prozor se neie otvoriti dok ne pokrenete neku analizu.
dili. Da se ne biste nervirali,redovno snimajte.Kada unositepodatke,sni-
Prozori na ekranu raiunara ,o kuo pardiii papira na stolu - moZete ih
majte svakihdesetminuta, ili nakon svakihpet ili desetunetih upitnika. premeltati, nekad je jedan odozgo, a nekad drugi. Svaki otvoren prozor ima
Da bistesnimili datotekuna kojoj radite,otvoritemeni File (u gornjemle- svoje dugme na dnu ekrana. Kada zatreba da predete u odre<leni orvoren
vom uglu) i u njemu izaberiteSave.Ukoliko vam je tako lakie, na paleti sa prozor' pritisnite njegovo dugme na dnu. Mogli biste i
alatkamagore levo pritisnitedugmesa sliiicom diskete.Iako je na sliiici di- da pritisnete win-
o:ws u glavnom meniju, kako bi se prikazla lista svih otvorenih prozora;
sketa,kada je pritisnetesnimiietedatotekuna onaj disk na koiem trenutno pritisnite u toj listi prozor koji hoiete da prikaiete
radite.To bi uvek trebaloda budeivrsti disk, zato 5toje rad sadisketerecept ispred svih ostafih.
za katastrofu!Godinamami studentidolazeuplakaninakon 5to svoju dato-
teku s podacimaupropasteradeii na disketiumestona ivrstom disku.
\-
Ponekad prozori koje SPSSprikazuje ne prekrivaju ceo ekran. Bi6e vam
lakie kada prozor Viewer (sa svim rezultatima) uveiate tako da prekrije ceo
ekran. Da biste to uradili, pogledajte gornii desni ugao ekrana. Tamo bi tre- ,,,.H re,:; ii jG n b,, l;,, 6
balo da su prikazana tri mala dugmeta. Pritisnite srednje dugme da biste l'.:' : _' :.r ?Ql*
prozor uveiali do kraja (tako da prekrije ceo ekran). Kada poZelite da ga po- 1:'dpd trrFi,IlF!I'_ I ti
'J.{P
l.t! L l:i-se N
novo smanjite, opet pritisnite to srednje dugme. ffi.rs
F!Piren{rei /1iFn8F=
l3l tiJ,qL'ti: I:j
r{: Ir1}-!
fi rcr;:
ProzorData Editor * Frequencies
ProzorData Editor prikazujesadrZaidatotekes podacima,i u tom prozoru ot-
varate,snimatei zatvaratepostojeie datoteke,pravite nove datoteke,unosite Il!$ls3et l] (l:'rf,arLuren!B
ter
li lalril ,ttt
ilr$$riiq 0
'i,'' i,.l & & ";'" '''' ?* 8: ff, "f- f- H#;; S
'I li6
: id
s6x
66153 52 i jrrnula!!*
FrertU{ Pef| enl ';3lr!1F tf{ tit
5lt7 2 46 32 FFrrFit
unlrd I I'tA.LF'i 139 ,l.i' 1
341 2 30 EI
: F€I{AIE'J 1?g ,it r00[
JEf, I AI 41 TDtBI 418 't[8 B JCBO
Snimanjerezultata Stampanjerezultata
Da biste snimili rezultatesvojih analiza,ispred svih ostalih prozora morate u levom oknu prozora viewer izaberitesvedeloverezultatakoie hoiete da
imati otvoren prozor Viewer. Pritisnite File u glavnom meniju na vrhu tog Stampate. To seradi tako 5topritisneteprvi deo koji ho6eteda itampate,za-
prozofa. tim pritisnetei zadrLitetasrer ctrl na tastaturi, i porom proizvoljnim redo-
sledompritisnetesveostaledeloverezultatakoje toiete da itampate.Kada
\-
ste izabrali sve Sto hoiete da Stampate,pustite taster Ctrl, pritisnite meni File posebno koristan kada treba da ponovite mnogo analiza ili (pomoiu SPSS-a)
(na vrhu prozora) i izaberite u njemu stavku Print. SPSSie vas ipak uvek pi- naqtate viSe slidnih dijagrama. Upotrebite uobidajene SPSS-ovemenije da
tati Zelite li da Stampate samo odabrani deo rezultata ili sve. zadate osnovne komande odredene statistiike tehnike i zatim ih prenesite u
Syntax Editor (slika 3.4). U njemu se komande mogu kopirati i prenositi;
ProzorPivotTableEditor mogu se i modifikovati komande koje je generisao SPSS.U njemu se mogu
Tabele rezultatakoje se prikazuju u prozoru Viewer,SPSSnaziva izvedenim napisati veoma sloZene komande za sofisticirano reiifrovanje (eng|. reco-
(engl.piuot) tabelama,zato 5to ih moZetemenjati i modifikovati kako god ding) i obradu podataka. ViSe informacija o komandama potrazite u SPSS-
vam odgovara.Da biste modifikovali tabelu,dvaput je pritisnite,pa ie je -ovom meniju Help, stavka Command Syntax Reference. Sve izdate koman-
SPSSprikazatiu prozoru Pivot TableEditor.U njemu semoZepromenitiiz- de iuvaju se u zasebnoj tekstualnoj datoteci sa oznakom tipa.sps.
gled tabele,njena velidina,fontovi, Sirinakolona, a redovi i kolone tabele Komande prenete u Syntax Editor ne izvrSavaju se automatski nego tek
mogu zamenitimesta,Stose nazivatransponovanje. 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
ProzorChart Editor datoteku komandi slobodno dodajte komentarel komentar je svaki red koii
Kada od SPSS-azatraLiteda napravi histogram,trakasti dijagram (engl.bar podinje zvezdicom (slika 3.4).
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 File Edat Vies Dali Transform Analyze Grdphs Utilities Run Windoa
Help
SPSSotvoriti u prozoru Chart Editor. U njemu se moZe promeniti izgled i
.,'. : :: l& ffi ,', ff E* [': d{ f;21::1:'.
* @'t':':::,
format dijagrama,fontovi, boje,teksturapozadinei markeri (slika3.3). Po-
stupakpravljenjadijagramai upotrebeChart Editora detaljnijeje objainjen ' R e c o d en E q a l i l i ewl yo r d e di t e m si n t o
differen
vat riibles
u poglavlju7.
* r e c o d eo p t i n i i s m
items
RECODE
o p ?o p 4o p E
Eile Edit [iew Qptions EleEents Llelp (t=5) F=l) F=3) {4=2) (5=1) l[]To Ropl Rop4 Rop6.
q,'e -ixYls:fr1 ." lLb.. Ebttrt HHU.,: E. EXECUTE.
t; - r e c o d em a s t e r yi t e m s
W kr l,1iyr "i,',,r,-k L X
REcoDEl
nrastl mast3mast4mast6mast/ (1=4) P=3) (:=Z) (a=1)INTO
Slika 3.3 ProzorChart Editor. R m a s t lR m a s l 3F m a s l 4R m a s t 6R m a s t l
EXECLJTF
>-
Okviriza dijalog -
strelicom(trouglom). Prom.enliiveie preii u desnookno. Ako po-
Nakon Stoizaberestavkumenija,korisnikobidnon-rorada di joi informaci;" fn Aneo,esa
jliho&te da uklonite promenljivu iz spiskaVariable(s),samo obrnite
To se radi u okvirima za drjalog.Na primer, kada od SpSS-azatraltted. :E;;;
.ii- promenljivukoju hoiete da uklonite izaberiteu listi Variable(s),
kreneanalizuFrequencies, prikazaie seokvir za dijalog u kome *.u" an .,i]_ f"rr"prLt (trouglom).Ona ie sevratiti u prvobitnu ii-
beretepromenljivedijeudestalosti (frekvencije) fi priiirniri dugmesa strelicom
hoiete da dobijetetrl,ku r.ii 'riirro. trougla na dugmetu.odgovara smeruprebacivanjapromenlji-
Smer
q. pokamje da li se promenljiveprebacuju u lisru Variable(i)ili iz nje
"it,
ui^e^iuu levo okno'
4, Vanable[s]
4,0 l - l f*-. ' ]
d us" d sexlserl I
I Pu.t"l
Dugmadu okviruza diialog
i"eln^ okvira za dijalog sadrii standardnudugmad (OK, paste,Reset.Can-
st*Lrs
a$,nriaritat [mo*
s child[cnrld]
,1 | hrl3hert educ .-om6 | |
F.:", f
r":--*:'"r cel,Help; slika 3.5). Evo opisanamenetih dugmadi:
4S,sorrrceofstress
ls, L""|!!LJ . OK: Pritisniteovo dugmekada ste odabrali promenljivei spremniste
qt"';nol,er{;nrokel
{*l"f i
da pokreneteneku analizuili postupak.
{:]'.oo"n"^
. Paste:Ovim dugmetom se komande koje je generisaoSPSSprenoseu
ll Dispiay
frequency
tables
SyntaxEditor.To je podesnokada hoiete da zabelei,ire izdatekomande
ili viSeputa ponovite odredenu analizt.
r Reset:Ovim dugmetom briSeteiz okvira za dijalogsvekomande
Slika3.5 Okvirza dijalogFrequencies. izd:lte
tokom prethodnogkoriSienja.date analizeili postupka.Time dobijate
moguinost da novu analizu obavite bez ikakvog ,,"il.d..rog stanja,od
odavde 6ete otvoriti jo5 nekoliko okvira z.a diialog, u kojima se zadaju nule,s drugadijimpromenljivama.
statistidkeanalize,dijagrami koje treba nacrtari i format u kojem treba pred- o cancel:pritiskom na ovo dugme zatvarate
okvir za dijalog i otkazujete
stavitirezultate.Na raspolaganjusu razliiiteopcije,u zavisnostiod postup- svekomande izdateu vezi s datom analizom ili postupkom
ka ili analizekoju treba obaviti, ali su osnovnanaiela upotrebeokvira za o Help: Pritisniteovo dugmeda biste
dobili informacije o datoj alalizi ili
dijalog ista i sadaiemo ih razmotriri. postupku koji nameravateda sprovedete.
Mada sam kao primer okvira za dljarogna slici
lzbor promenliivihu okviru za diialog 3.5 prikazala okvir Fre-
quencies,svi spSS-oviokviri
za drjarogiunkcioniiu-p'o irro* osnovnom
Da bistenaznadilikoje promenljivehoiete da obradite,izaberiteih tako 5to principu.svaki okvir za dijalog
ima niz dugmadis ,rrriditi- opcijamakoje
iete ih pritisnuti miSemu levom oknu, pa porom pritisnuti dugmesa srreli- seodnosena konkretan porr.riuk
ili analiir. pomoiu te dugmadi offaraju
com (trouglom usmerenimudesno); izabranepromenljive ie preii desno,u sepodokviri u kojima
koiit"ik t"a
"..-- aie analizekojetreba obaviti ili statistiike
prazno okno Variable(s).Promenljivese mogu birati jedna po jednar(ito podatkekoje treba
prik";;i.
znadida svaki put treba pritisnuti strelicu)ili grupno. Ako su promenljive
koje Zeliteda izaberetesusedneu listi, pritisnitesamo prvu, zatim pritisnite
i drZitetaster Shift, i potom driite taster sa strelicomnadole pritisnut sve Sqto zatvoritiSpSS
dok ne izabereresve potrebne promenljive.Pritisnitedugme sa strelicorl \aoa zavrsire
rad u Spss-ui hoiete da zatvoriteprogram,
u gornjemhu:T pritisniremeniFile
(trouglom),i sveizabranepromenljivepreii ie u polje Variable(s). uglu prororr. u p"d";.riem menijLrkoii
ttsnitestavku ie se otvoriti pri-
Ukoliko promenllivekoje hoiete da izaberetenisu susedneu levomoknu, t*i,. Spsi c"" da pre zatvaranjasnimire
podacima olrir,' datotekus
pritisniteprvu promenljivukoju Zelire,pa pritisnitei drzite tasterc-trl,po- "",
i daroteku:-;";;i#;a.
crugadiju Svakoj od tih datoteka spss daje
meritekursor nanticdo slede6e promenljivekolu ielite i nju pritisnite,i t.rko otnutr".rifn,
uatoteka ri"imah vidi o kojoj vrsti informacijaje rei.
na.stavite(drzeii pritisnut taster Ctrl) dok ne tzaberetesvepromenljive kole t
qatoteka ood".irriJl"d;l'"ll
"r."i"
s komandama ripn .saq datoteka s rezurtarima.spo, a
Zeliteda obradite. Kada su sve porrebnepromenljiveizibrane, pririsrrire .sps.
Kako dobiti pomoc
U sluiaju da vam zatreba pomoi ili da ne znate na 5ta se odnosi neka od po_
nudenih opcija, pomozite se menijem Help. Kada u glavnom meniju p.iti_
snete Help, pojavi6e se viSe opcija: mogli biste potraZiti odredenu rem,,
proditati odgovarajuie uputstvo (Tutorial) ili pozvati u pomoi instruktoi
(Statistics Coach). Ovo poslednje je zanimljiva novost u SPSS-u,zaro ito
istraZivaiima i studentima statistike koji se ne snalaze moZe posluZiti ka.,
mEoII
Pripremadatoteke
s podacima
odliian vodii. Proveiie vas korak po korak kroz postupak izbora statisticke
analize koja odgovara vaiim potrebama. To ne moZe zameniti udZbenik iz
statistike, ali moZe da pomogne.
U svakom od glavnih okvira za dljalogpostoji i dodatni meni Help, sa in-
formacijama o izabranom postupku. PotraZite u njemu objainjenje raznih
opcija koje se nude u pomo6nim okvirima za dtjalog. Dovedite kursor na ne-
poznatlr opciju i pritisnite je desnim tasterom mi5a. Prikazaie se mali okvir pripremadato.tekes podacima za analizuobuhvata viSekoraka. Prvo sena-
s kratkim oblainjenjem te opcije.
oriuipr^rn^ datotekai u nju unesupodaci dobijeniu istraZivanju,u obliku
i.finit"""* u Sifarniku(objaSnjeno u poglavlju2).Zatim u datotecis poda-
cimatrebapronaii eventualnegreSkei ukloniti ih. U drugom delu kniige raz-
matraiu se upravo ta dva koraka. U poglavlju 4 obradeni su postupci za
pravljenje datotekei unoSenje podatakau nju. U poglavlju5 objalnjenje po-
stupak uklanjanja greiaka iz datoteke s podacima.
datoteKe
Pravljenje
\
za podaikei uno5enje
podataka
j?.'^",,ixil
postupak',* j:*Ti:;jT:ff :,"liT#'::l'"'"Tt:Xf;
toKa,prr:"'-i'1.:::r.:-":;:;;
raka.Dliagram i ;;.r,,,.,,t pravljenia
,,.ruli.nia daroteke
pogravliuproveiiu vaskroz postupak
korake.U ovom SPSS-a'
i""f..i" podatakay,liu Romodu u pripremi datotekes podacima:
*'1t'd"u koraka
Oblasniiemot"
potrebi,izmenaopcija (tr prethod-
. Korakl. Prvi korak je pregledi, po
,e p..fer.n.e) koie SPSSkoristi za pri-
nim verzijamuspis u ,uui-. ,,,
i-irru ^ni"' podataka i dobii enih r ezlhara
.Korak2.Slede6ikorakjeizgradnjaStrukturedatotekespodacimade
finisanjemPromenliivih'
koju ie
. Korak3. poslednjikorak je unoSenjepodataka,ti..vrednosti
svakojpromenliivojdodelio svaki udesnikili ispitanik'
Navedenepostupkeiemoilustrovatinaprimerudatotekesurvey3ED.sav,
nu-
opisanoi,, dodutku. U dodatku ie i Sifarnik pomo6u kojeg su dobiieni
meridkipodaci za analiz,rrezultata.
Datolke s podacimamogu se uvesti i iz drugih programa za tabelarne
proraiune (npr. iz Excela).TL moie umnogome da olakSapostupak unoSe-
nia podataka,naroditostudentimakoii naivojim radunarimanemaiuSPSS'
U E*..lu korir.rik -o i.eda napravipraznu daioteku i da u nju unesepodat-
ke na svomkuinom rudrrnar.r.Kadu to zavrli, datoteku uvezeu SPSSi obra-
du i analizupodatakanasraviu njemu. Pri kraiu poglavlja biie navedena
uputstvaza unoienje podataka u Excelu.
rl
Dijagram toka procesa analize podataka
PripremaSifarnika(poglavlje2) Da biste otvorili prozor Options, pritisnite Edit u glavnom meniiu na
vrhu ekrana, pa izaberite stavku Options. Otvoride se prozor prikazan na
II slici 4.1. Tu je navedeno mnogo opcija; veiinu ne6etemorati da menjate. U
V nasravku fu opisati samo kljutne opcije, podeljene po karticama na kojima
Pravljenjestrukturiranedatoteke za podatke (poglavlje
4) se nalaze. (S kartice na karticu prelerzitepritiskom na jezidak one na koju
hoiete da predete.) Nemojte pritiskati OK dok na svim karticama ne izme-
Y
l nite sve opcije koje nameravate da izmenite.
l
Y General
Data
Viewer DraitViener
tiunency
DutputLabels
i Scripts
Chartr_.lnteraeti?e PivolTables
'lsrirbleLisl: Iuip{t
lstraiivanje podataka pomocu opisnih statistidkih
i-{ Oirploylabels i-,r Drsplaynames No scienhficnotationlot sm€lnumher!
tehnika i dijagrama (poglavlja6 i 7) *Fl tn tdbles
{.}Alphabetical i!)File
I ..lournal
5 es:ir-,n ViBWer
lype at Startup:
i B FecordsyntarinJounal
tll'Append {., Overwrite
1:l Eesular i".: Dreft
KarticaGeneral
lzmenaopciiau SpSS-u Kada dode vremeza obavljanjeanaliza)promenljivemogu biti poredaneabe-
Prenego5ronapravitedatotekus podacima,biro bi dobro cednoili redom kojim sepojavljuju u daroreci.Ja uvek koristim redosledpo-
da prouiite opcije
(postavke)SPSS-a od kojih zavisinadinprikazivanjapod"trku'irezultata.To javljivanjau datoteci,zato 5to je on jednak redosledusravkiu upitniku i u
su opcije za defi'isanje nadinaprikazivanjapro-"r,ljiuih, Sifarniku.Da bi se promenljiveprikazivalepo redosledupojavljivanjaurda-
velidinedijagr:r-
ma, vrstetabelau kojima 6erezultatibiti prikazanii mnogih toteci, pritisnite kruZii pored opcije File u odeljku VariableLists (gore levo).
drugih
ta programa.MoZda ie vam spodetkanelto od ovoga "rp.ln- U pododeljkuNotificationodeljkaOutput (doledesno)trebada su powrde-
bit] nerazumljivo, ali
dim podneteda unositei analiziratepodatke u SpSSlu, na polja Raiseviewer window i Scrollto new output. Tako ie senakon svake
-oi"t. se vratiti na
ovaj odeljak. analizeautomatski otvoriti prozor Viewer i prikazati novi rezultati.
ukoliko radunarna kome je instaliranspss delite s drugim U odeljku Output (goredesno),treba da izaberetepolje No scientificno-
korisnicima
("pl' u radunarsko;'laboratoriji),morareznariove postavkeiato sto ih drugi tation for small numbers in tables. Tako 6ete sprediti pojavljivanje nekih
str'rdentimogu promeniri, a to ie uveliko izmeniri izgredprograma. veomadudnih broieva medu rezultatima vaiih statistidkih analiza.
Tiebalo
bi da znatekako da vrariteopcijeu sraro,poZeljnoJtnrri..
\-
U odeljku SessionJournal treba da je potvrdena opcija Append. To obez- Stilove tabela moZete menjati koliko god puta hoiete, samo ne zaboravite
beduje da se u zapisnidkoj datoteci (spss.jnl) beleZesvi postupci koje oba- da stil treba promenttipre analize. Kada se tabele vei pojave u rezultatima,
vljate u SPSS-utokom svake sesije.Kada pritisnete dugrne Browse, moZere
viSeim se ne moZe menjati stil, ali se mnoga njihova svojstva (recimo, veliii-
da izaberetedirektorijum u koji ie ta zapisnidka datoteka (engl.lournal) biti na fontova, Sirina kolona) ipak mogu menjati u prozoru Pivot Table Editor.
smeStena. Otvoriiete ga kada dvaput pritisnete tabelu koju treba izmeniti.
Nakon 5to izmenite sve 5to Zelite na raznim karticama iz okvira za dijalog
KarticaData Options, pritisnite OK. Zatim moZete preii na definisanje promenljivih i
Na kartici Data su opcijekoje odredujunaiin prikazivanjadatotekes poda- unoSeniePodataka.
cima. Obaveznopotvrdite polje Calculatevaluesimmediately.Time postiZe-
te da SPSSodmah izraiuna i prikaZesverezultate.
Ako promenljives kojima radite nisu decimalnevrednosti,mogli biste Definisaniepromenliivih
promeniti format prikazivanja svih promenljivih. U odeljku Display format Pre nego 5to podnete da unosite podatke, SPSS-umorate saopititi kako vam
for new numeric variables,za broj decimalnih mesta zadajte0. To znadi da se promenljive zovu i dati mu uputstva za 5ifrovanje (kodiranje), tj. pretva-
se decimalnamesta neie prikazivati ni za jednu novu promenljivu. Time ranje vrednosti promenljivih u brojeve. To se naziva definisanje promenlji-
smanjujetedatotekus podacimai pojednostavljujete njen izgled. vih, a obavlja se u prozoru Data Editor (slika 4.2). Od verzije 10 SPSS-a,
prozor Data Editor se sastoji od dva razlt(ita prlkaza Data View i Variable
View Iz jednog u drugi prelazite tako 5to pritiskate jeziike nlihovih kartica
KarticaOutput Labels na dnu ekrana, s leve strane.
Opcije u ovom odeljku slui.eza prilagodavanjenaiina prikazivanja obiinih Svaka kolona u prozoru Data View odgovara po jednoj promenljivol
imena i duiih opisnih imena promenljivih u rezultatima.Na samom dnu, u (engl. uariable) i nosi ime uar. Ta imena ie biti zamenjena imenima promen-
odeljku Variablevaluesin labelsare shown as, u padajuioj listi izaberiteVa- ljivih koje ste naveli u svom Sifarniku (slika 4.2). DuZ leve srrane su brojevi
luesand Labels.Tako iete u tabelamagenerisanimu SPSS-ovom prozoru Vi- 1.,2, 3 itd. To su redni brojevi analiziranih sludajeva, koje SPSSdodeljuje
ewer mo6i da vidite i numeridkevrednostii dui.a,opisnaimenapromenljivih. svakom redu s podacima. To nisu vaii brojevi za identifikaciju sludajeva;
osim toga, brojevi redova se menjaju kada sortirate datoteku ili je podelite
KarticaCharts da biste podatke analizirali u podskupovima.
Na ovoj kartici su opcije koje odreduju nadin prikazivanja dijagrama. Mogli
biste promeniti opciju Chart Aspect Ratio tj. podrazumevani odnos Sirine Postupakdefinisanjapromenljivih
i visine dijagrama. Pored toga, tu se zadaju fontovi, boje i druga svojstva Da bistedefinisalisvepromenljiveod kojih sevaii podacisastoje,najprepri-
dijagrama. tisnite jezitak kartice Variable View na dnu ekrana. U tom prikazu (slika
4.3), duL levestranesu navedeniredni brojevipromenljivih,a duZvrha nji-
KarticaPivotTables hovi atributi (ime, tip, Sirina,broj decimala, dui.eopisno ime itd.).
Veiinu rezultata statistidkih analizaSPSSprikazuje u izvedenim tabelama.
Na kartici Pivot TablesmoZeseu opseZnimlistama izabrati format tih tabe-
la. Stil koji vam najviSeodgovaranaii iete eksperimentisanjem. Kada tek
podnem s nekom analizom, upotrebljavam stil smallfont.tlo. U ovom stilu
slova su sitna, pa se Stediprostor na ekranu (i papir prilikom Stampanja).
Medutim, taj stil nije prikladan za uvoz u dokumente koji moraju biti
usaglaSeni sa APA stilom (obaveznimza publikacijeiz psihologije),zato 5to
sadrZi vertikalne linije. Kada budete spremni da formatirate tabele u svom
izveitaju o istraZivanju,mo6i iete da izaberetei neki od APA stilova (bilo
koji od formata academic.tlo).
\-
Va5 je zadartakda sve promenljive definiSetetako 5to iete navesti potreb- width
ne informacije za svaku od njih u Sifarniku. Deo tih informacija morate sami Podrazumevana vrednost Sirine je 8. To je dovoljno za veiinu numeriikih
da obezbedite (npr. ime); ostale automatski dodeljuje SPSS,to su podrazu- podataka. Ukoliko vaia promenljiva moZe imati veoma velike vrednosti ili je
mevane vrednosti. Naravno, te vrednosti se mogu menjati po potrebi. U na- u pitanju tekstualna promenljiva tipa string, promenite podrzrzumevanu
stavku 6emo navesti osnovne neophodne informaciie. Upotrebila sam vrednost. U protivnom, ostavite je na 8.
zaglavlja koja odgovaraju zaglavliima kolona prikazanim u prozoru Varia-
ble View. Sledi opis jednostavnih koraka od kojih se postupak sastoji; medu- Decimals
tim, postoje i brojne predice koje 6ete moii da koristite kada upoznate Podrazumevanavrednost zabroj decimalnih mesta (koju sam zadala na kar-
postupak. Njih navodim kasnije, u odeljku ,,Opcione predice"' Najpre treba dci Options opisanoj u prethodnom delu poglavlja) jeste 0. Ako va5a pro-
upoznati osnovne tehnike. menljiva ima decimale, promenite ovu postavku kako god vam odgovara.
Label
KolonaLabel (duZeopisnoime) sluZida promenljivojdateduZiopis od onog
9
aEel
5tostaleu osamslovnihznakova,koliko le iznosilamaksimalnaduZinaimena
promenljivedo 12.verzijeSPSS-a. Dui.a,opisnaimenapromenljivihnavode
se u rezultatima svih SPSS-ovihanaliza.Primera radi, promenljivof kratkog
imenaUMAST mogli bistedodeliti duZeopisno ime Ukupno mastera.
Values
Slika4.3 VariableView.
U koloni Values definiSeteznadenjebrojeva kojima ste Sifrovali tekstualni
sadri.ajpromenljivih, tj. zamenili ga. Pokazaiu taj postupak za promenljivu
pol (sex)u drugom redu tabelena prethodnojslici.
Name
U ovu kolonu upiSitekratko ime svake promenliive navedeneu 5if:lrniku. Po-
tri ta6kena desnojstranicelije(napresekukoloneValuesi drugog
1. Pritisnite
moiu imena ie svaka promenljiva u datoteci s podacima biti identifikovana.
redatabele).Otvoricese okvirza dijalogValueLabel.
Imena treba da su Sto kra6a i da ne prema5uju 64 slovna znaka (od 12. verzrje
2. Pritisnite
poljeValuei u njegaupiSite7.
SPSS-anadalje), odnosno osam slovnih znakova (raniie verzlie SPSS-a).Ime-
na moraju zadovoljiti SPSS-ovukonvenciju o imenovanju (objainjenu u 3. Pritisnite
poljeValueLabeli u njegaupi5ite,,mu5ki".
poglavlju 2). Imena moraju biti jedinstvena,poieti slovom, i ne smeiu sadrLa- dugmeAdd. U zbirnompoljupisace'l:mu6ki.
4. Pritisnite
ti razmake (beline) niti specijalneznakove. Primere dobrih imenarza promen- 5. Ponoviteza Zenskipol:za Value upi5ite2, za Value Labelupi3ite,,2enski".
ljive proiitajte u Sifarniku u dodatku. Tamo su navedena imentr promenljivih Pritisnite
dugmeAdd.
koje su koriSiene u datotekama s podacima nirpravljenim za ovu knjigu. (Po- defini5ete svebrojevenavedene pritisnite
u Sifarniku, dugmeContinue.
jedinosti o tim datotekama videti na str. 12.)
Type Missing
Kada upiSeteprvo ime promenliive,u koloni Type ie seautomatskipojaviti PonekadistraZivadikoriste odredenebrojevekako bi pokazali da podatak
podrazumevana vrednosttipa promenljive- Numeric.To ie vam odgovarati nedostaje, svakupraznuie-
tj. ne postoji.To ne morateda radite,poito SPSS
za numeridkepromenljive,ali za tekstualneinformacije (recirno,prezime) liju tumaii kao nepostojanje podatka.Dakle,ukoliko nameravateda ostavi-
tip treba promeniti u String. Tip promenljive menjatetako 5to pritisnetede- te praznomestokada neki deli6informacijanije dostupan,u kolonu Missing
snu stranuielije; trebalobi da sepojavi okvir s tri tadkei da vam seprikaZu prikazaVariable View ne treba niStada upisujete.
dostupneopcije. U istom prozoru moZese podeiavatiSirinapromenljivei S drugestrane,ako nepostojanjevrednostinameravateda kodirateodre-
mesta.
broj nienih decin-rah-rih denimbrojem (npr.99=nemavrednost),morategir upisatiu odeljakMissing
Values,inadeie ga SPSSu svim statistidkim analizamasmatrati za legitimnu
vrednost.U tom sludaju,izaberitestavkuDiscretemissingvaluesi upi5itetaj
broj (npr.99)u predvidenopolje.Mogu sezadarido rritroia koia ukazuju Kopiranjeatributaiz definicijejedne promenljivena vise drugih
na to da vrednostine postoje.Ukoliko upotrebljavatetakveposebnebrojeve Promenliivih
(5ifre),bilo bi dobro i da im dodeliteodgovarajuiaduZaopisnaimenau ko-
1. U prikazuVariable View pritisniteceliju sa atributomkojitreba kopirati(npr.
loni Values. Sirinu,Width).
2. Otvoritemeni Edit i u njemu izaberiteCopy.
Columns
3. Pritisniteceliju istog atributakoja pripadaprvoj promenljivojna koju ga treba
Podrazumevana Sirinakolona obidnoje B i to je dovoljno za veiinu nanena.
primeniti,zadrlite levitaster miSapritisnuti prevucitekursorniz kolonu bira-
Izmeniteje samo ukoliko odekujeteogromne vrednostiili dugaika imena jucitako sve promenljivena koje taj atributtreba primeniti.
prornenljivih.
4. Otvorite meni Edit i u njemu izaberite Paste.
Align
Vrednosti u kolonama obidno su poravnate ulevo. Nema potrebe da to
menjate.
Zadavanje istih atributa nizu novih promentjivih
Kada podaciobuhvatajuskalekoje sesasrojeod vile pojedinadnihsravki,od-
Measure jednom napravitesvere nove promenljivei definiiite njihove atribute.Kao
Zaglavlje kolone Measure odnosi se na naiin merenja svake promenljive po- primer,slediopis tog postupkaza Sesrstavki (op1 do op6) skaleoptimizma:
jedinadno. Podrazumevana vrednost je Scale,5to znadi da se koristi interval-
na merna skala, pogodna za neprekidne (kontinualne) podatke. Kada se 1. u prikazuvariabfeview definisiteatributeprve promenrjive (opl) prema
promenljiva sastoji od kategorija (npr. pol, bradno stanje...), pritisnite tu ie- prethodnim uputstvima. Trebalobi da zadatei duia opisnaimenakojaodgo-
liju i zatim dugme sa strelicom koje 6e se pojaviti. Zakategorijske podatke varajumogucimiznosimate promenljive: 1:nimalo se ne slaiem,2:ne
izaberite nominalnu skalu (Nominal), a za one za koje je vai.an poredak mo- slaiem se, 3:neutralno,4:slaZemse, S:potpuno se sla2em.
guiih vrednosti, izaberite ordinalnu skalu (Ordinal). 2. Dokje izabran variableview,pritisnitebrojredau komese promenljivanala-
zi (trebalobi da se timeizabereceo taj red).
3. OtvoritemeniEdit i u njemuizaberite Copy.
Opcionepredice
Kada datotekas podacimaima mnogo promenljivih,opisanipostupakume sledeciprazanred.
4. Pritisnite
da bude zametan.ImaviSepredicapomo6ukojih ga moZeteubrzati.Ukoliko 5. OtvoritemeniEdit i u njemuizaberitepaste Variables.
vise promenljivih ima iste atribute (npr. tip, Sirinakolone, broj decimala), 6. u okviruza dijalogkojece se pojaviti,upisitebrojdodatnihpromenljivih
koje
definiSiteprvu promenljivu a zatim njene atribute kopirajte na ostale trebanapraviti(u ovomsludaju5), njihovprefiks(op)i rednibrojkojimnove
promenljive. promenljive trebada podnu(u ovomsludaju,2). pritisnitedugmeOK.
I
I
Korak 1: zadavanjeimena promenljivih Kada dode vreme da analizirate te podatke u SPSS-u,
treba da otvorite
U prvi red praznog Excelovog radnog lista upiSite imena promenljivih. Th oznakom tipa .sav, a ne Excelovu datoteku sa oznakom
spss datoteku sa
imenir treba da su usaglalena sir SPSS-ovimpravilima za imenovanje (nave- tiPa .xls'
denim u poglavlju 2). (objedinjavanja) datoteka,obaveznonapravitenjihovu
Uoozorenje Pre spajanja
kopiju.Spojene datoteke 6uvajte u drugom direktorijumu.Proveriteda li
:;;;^t
Korak2: unoSenjepodataka podatakauspelo,tj. da li su dobijenipodaci jednakionima u prvobitnim
iJ
"p"i""i"
1. Unesitepodatke zaprvi analizirani
sludaju neki red Exceloveproradunsketa- datoteKama'
bele, pazeci da oni odgovarajukolonamau koje ih upisujete.
2. Ponoviteza svaki od preostalihsludajeva.Nemojte koristitiformule niti druge Spaianiedatoteka omoguiava
Excelovefunkcije.Ne zaboraviteda redovnosnimatedatotekutokom uno5enja. Deiuua se da zatrebaspojiti SPSSdatotekes podacima.SPSS
3. PritisniteFile, Save. U polju Save as Type treba da stoji Microsoft Excel datoteka dodavanjemredova (tj. analiziranih na kraj
sludajeva)
"naianie
Workbook. U odgovarajucepolje upi5ite ime pod kojim ie datoteka biti ntrtoi.i. datoteke,i dodavanjempromenljivihza svakiod postojeiihsluia-
je
snimljena. i.uu. npt kada postanudostupnineki novi podaci.Ova druga moguinost
naroiiio podesnakada imateExcelovedatotekes podacimana viSelistova,
koie treba spojiti na osnovuidentifikatora(ID-a) sludajeva(redova).
Korak 3: pretvaranjeu format SPSS
Spajaniedatoteka dodavaniemsludaieva
1. KadazavrSite uno5enje podataka,
snimitedatotekui zatvorite
Excel. Ovo je postupak spajanjadatoteka koje sadrZeiste promenliive,ali razlidite
2. Pokrenite SPSS i u prozoru
Data Editor,u glavnom menijuizaberiteredom analizftanesluiajeve;na primer, kada se isti podaci prikupljaju na dva mesta
File,Open,Data. (recimo,u dve bolnice)ili ih unosedve osobe.Obe datotekemoraju imati iden-
3. U odeljkuFilesof TypeizaberiteExcel.Excelovedatotekeimajuoznakutipa tidnaimenapromenljivih,madadrugi podaciu datotekamamogu biti razliiiti'
.xls.Pronadite je takoda se njenoime
va5udatotekus podacima.Pritisnite Ukoliko su ID broievi u datotekama koje treba spojiti isti (sludajevi
pojaviu poljuFile name. podinjusa ID = L,2, 3 itd.), moraieteih u iednoj ili drugoj datoteciizmeniti
4. PritisnitedugmeOpen.Pojavice se prozorOpeningExcelDataSource.U pre spajanja,tako da nakon spajaniasvaki analizirani sludai zadrLi svoj
poljuReadvariablenamesfrom the first row of data trebada stojikvadi- jedinstvenID broi. Evo kako seto radi: otvorite jednuod datoteka,otvorite
ca. Pritisnite
OK. meni Transform i u njemu izaberitestavku Compute Variable. U polie Tar-
get VariableupiSiteID, a u polje Numeric ExpressionID + 1000 (odnosno
ID + broj veii od postoje6eg broja sludajevau datoteci).PritisnitedugmeOK
DuZ vrha prozoraprikazaieseimenapromenljivihiiji su podaciuvezeni.
i zatim ponovo OK u okviru za drialogkoji ie vaspitati Zeliteli da promenite
tu promenljivu.Time ie novi ID brojevi u toj datotecipoieti od 1001, 1002
Korak4: snimanjeSPSS datoteke itd. ZapiSiteto u svoj Sifarnikda bi se znalo ubr.rduie.Sadaje svespremno
1. U glavnommenijupri vrhu prozoraizaberite
Filea zatimstavkuSaveAs. za spajanjedatoteka.
2. Upi5itenekoprikladnoime datoteke.U poljuSave as Typetrebada stoji
SPSS (*.sav).Pritisnite
dugmeSave. 1. Otvoriteprvudatotekukojutrebaspojiti.
3. U prikazuVariableView prozoraData Editor sadatrebada zadatesadriaj 2. Otvoritemeni Data, izaberiteu njemustavkuMerge files i potom Add
poljaVariablelabel,Valuelabel,Valuesi Measure(tj.duZaopisnaimena Cases.
promenljivih
i njihovih
mogucihvrednosti,
samete vrednostii njihovtip;videti An externalSPSS data file i zatimizaberite
3. U okviruza dijalogpritisnite da-
prethodnodatauputstva). totekus kojomtrebaspojitionu otvorenu.(Akoje vec otvorena,bice nave-
denau poljuAn open dataset.)
Continuei zatimOK. Novudatotekusnimite(File,Save As) pod
4. Pritisnite
nekimnovimimenom.
Spajanje datoteka dodavanjem promenljivih podeladatoteke s podacimana grupe
Ovo je postupak spajanjadatoteka koje sadrZeiste sludaieve.ali razlidite
pon"k"d datotekutreba podelirii zasebnoanaliziratitako dobiieneSrupe
promenl;'ive
(pri demuodgovarajuiisluiajevimoraju imati isti ID broi). obe Time datotckuneietetraino izmeniri;to ie opciia
i...i*o, mu5karcei Zene).
datotekemoraju poieti promenljivom ID ili nekom drugom zajednidkom i iskljuditi.Medutim' promeni6ese redosledprikazi-
f^i, r. moZeukljuditi
promenljivom,npr. prezimenomili bolniikim brojem. sludajeva. Datoteku vra6ateu prvobitni redosledsorti-
l^niu u"nt;tiranih
Sort Cases'
raniempo ID-u, komtrndom
1. sortirajteobe datotekerastucimredosledompo polju lD. (otvoritemeni
Data,u njemuizaberite stavkuSort CasesizatimlD.) stavkuSplit File'
1. U menijuData izaberite
2. u menijuData izaberite stavkuMergeFilesi pritisniteAdd variables. Compare
2. Pritisnite groups po kojojtreba grupisati
i zadajtepromenljivu
3. U okviruza dijalogpritisnite
An externalSPSS data file izatimizaberite da- OK'
(npr.sex)'Pritisnite
totekus kojomtrebaspojitionu otvorenu.(Akoje ve6 otvorena, bice nave-
denau poljuAn open dataset.)
Nakon podeledatotekena grupe (u ovom sludaju,muSkarcei Zene),sve
4' U poljuExcludedvariablestrebada je navedenapromenljiva lD, zatosto obavljajuza svakugrupu zasebno.Kada zavrSiteanalize,vratitese
analizese
postojiu obe datoteke, pa je dovoljnopreuzeti
je izjedneod njih,tj. ne treba
je preuzimati i iskljuditeoPcijuSPlitFile'
dvaput.Ukolikosu tu navedena imenajoi nekihpromenrjivih,
promeniteim imenapritiskomna dugmeRenameda bi sve promenljive u stavkuSplit File.
1. U menijuData izaberite
spojenojdatoteciimalejedinstvena imena.
prvu
2. Pritisnite tadku(Analyzeall cases,do not creategroups).Pritisnite
5. Pritisnitepromenljivu lD, potom polje Match cases on key variablesi
nlzad dugmesa strelicom.
oK.
Timece promenljivalD preciu poljeKeyVaria-
bles. To znadida ce biti objedinjenipodaciza analiziranesludajeve ozna-
deneistimlD bro.yevrma.
6. Snimitenovudatoteku(File,SaveAs) pod nekimnovimimenom. lzbor sludaieva
Za neke analizemoraiete da izaberetepodskup celog uzorkir (npr. samo
muikarce).
\
1. Otvorite meni Data i u njemu izaberitestavkuSelect Cases. Komentariu datotecis podacima
2. PritisnitestavkuAll cases. PritisniteOK. U meniju Utilities, SPSSima i opciju snimanja opisnih komentara u datoteci
s podacima'
TraZenje_
g resaka u vrednostimakategorijski
promenljivih h marital status
I
}
Rezultatipostupkasu podeljenina dva dela.U prvol tabeli je kratak pre- 3. Pritisnitedugme Options. Ovde se moZe izabrativi5e statistidkihpokaza-
gledsuih traZenihpromenljivih.U preostalimtabelama,za svakupromenlji- telja; glavni su srednja vrednost (engl. mean), standardno odstupanje,tj.
vu pojedinadnodati su raSdlanjenirasponi odgovora. (Navedeni su i standardnadevijacija(engl.sfandard deviationili skracenoSTDDEV),mini-
tekstualniopis kategorijskevrednostii njemu odgovarajuiaSifra(broj); ta- mum i maksimum.Pritisnitepokazateljekoje SPSS treba da izraduna.
kav prikaz rezultatasedobija kada postavke(Options)izmenitepremapre- 4. PritisniteContinue izatim OK (iliPaste da biste sve snimiliu Syntax Editor).
porukamadatim u prethodnomdelu poglavlja.) Prethodnipostupakdaje ove komande:
. PogledajtenajniZei najviSevrednosti.Imaju li smisla?Jesuli unutar
rasponamoguiih vrednostidatepromenljive?U prvoj tabeli (nazvanoj DESCRIPTIVES
Statistics)vidi seda je za promenljivuPol minimum 1, a maksimum3. VARIABLES:starost
Ta trojka je neispravna,po5to bi najveia vrednosttrebaloda bude 2 - /STATISTICS:MEANSTDDEVMIN MAX
pogledajteSifarniku dodatku.Maksimalnavrednostza najviSuzavrie-
nu Skoluje 22 i to je pogreino,poStobi maksimumtrebaloda iznosi6. Opisani postupakdaje sledece rezultate:
o Proveritekoliki je broj valjanih (engl.ualid) i nedostajulh (engl.mis-
Descriptive Statistics
slzg) sluiajeva.Ukoliko nedostaju6ihsludajevaima mnogo, zapitajte
se zaito je tako? Da niste greiili prilikom unoienja podataka, npr. N Minimum Maximum Mean Std- Deviation
pobrkali kolone prilikom upisivanja?Deiava se da na dnu datotekes age 4JV z 82 ?7 ?A 13,2V3
Valid N (listwise) 43S
podacimabude praznih redova,nastalihtako 5to dovekgreSkompre-
dalekopomeri kursor i nenamernonapravi prazne6elije.Ako vam se
to desilo, otvorite prozor Data Editor, predite u red koji na sadrii
podatke,pritisniteosenienuieliju s brojem praznogreda,pa pritisnite Proveriteiznoseminimuma i maksimuma.Imaiu li smisla?U ovom slu-
taster Delete na tastaturi. Ponovite postupak Frequenciesda biste do- daju,raspongodina starosti1eod2 do 82. Minimum 2kazuje da je do5lo
bili ispravnevrednosti. do gredke,polto bi uzorak trebalo da sadrLisamo podatke o odraslim
r Ostaletabeles rezultatimaodgovarajupo jednojispitivanojpromenlji- osobama.
voj. U njima sevidi koliko je analiziranihsludajevaupalo u svaku od le- Ima li iznos srednjevrednosti (engl.mean) smisla?Svaki broj izvan ra-
gitimnih kategorija.Takodesevidi u koliko sludajeva(redova)postoje sponadozvoljenihvrednostikvari srednjuvrednost.Ako seradi o pro-
vrednostikoje su izvan opsega.Tu je jedansludaju kome je Sifrapol:r menljivojkoja semeri na nekoj skali,da li je srednjavrednostu skladu
3 i jedna osoba koja za najviSuzavrienu Skolu ima Sifrt 22. Te greike s vadim odekivanjimana osnovu prethodnih istraZivanjaobavljenih uz
svakakotreba pronaii i ukloniti, ali mi iemo najprepokazatikako se koriS6enje istemerneskale?Da li je srednjavrednostna srediniraspona
greike tral.eu promenljivamas neprekidnim (kontinualnim) vrednosti- dozvoljenihvrednostiili je bliZajednom kraju raspona?To seponekad
ma u datotecis podacima. deSavakada semereobeleZjakao 5to su anksioznostili potiStenost.
analize
3ED.sav. U nju su namerno ubadenegreike da biste zaista imali 5ta da traZi-
te. Ispravne vrednosti svake promenljive navedenesu u dodatku, u Sifarniku
za datoteku s podacima survey3ED.sav.
Ukoliko vam treba viSe informacija o pronalaZenju i uklanjanju greiaka
Preliminarne
u podacima, preporudujem poglavlje 4 u knjizi koju su napisale Tabachnik
i Fidell 2007\.
. \ Opisnistatistidki
pokazatelji
i$"ftjff:"::fIiTimru::
u i,etvrtom i petom
*:#"ffi:i:;,:,"ffi
i";Tiffi
delu knjige.;
""'
t s p t t t v a n j eh i p o t e z a ( p r e t p o s t a v k i )
. o b i i n o p o d r a z u m e v ad a s u o p i s n i s r a -
l,f'jl'*:"::3:1t"ti1
-'Lqrrusr,standardno n'o*.r'iltuih vei izraiunati.Medu njima su srednja
odstupanje,rasponvrednostiprorr..r,iiiuih,asimetrija
lengl'sftstaaess)
i snljoitenost_
statistidki 1engr.[rriorlgraspodere. U spss-u seopisni
pokrrrt.lii mogu dobitl ,r" urs" nadina,
iz udesralosri(Frequen-
I'iif:::1'llh vrednosti
ili po-o.',, funlciiaDescriptives
ili Exprore.Sve
po.,uii t"1"?]1l::rnmeniju Analyze,sravka.Descriptive
Statistics.Medutim,
li*,l,lt' fr:iixx;'l.#rn##irr,',T
du..,;^if",'lltl"l
ho-il"jra
nrJep'menl;rv na kategoriiskepromenl;'ive.
prrkazaiemo razliditepristupeka.tegoriiskim
U naredna
i neprekidnimpro_
Ako biste Zelelida i iami na ,adu'ar., pratite pri^.r. iz ovog
p""ill]:*".
r-6ravlla, otvorite
datoteku survey3ED.sav.
KategoriiskePromenliive Tumadenjerezultatadobiienih iz udestalosti
opisnih statistidkih pokazateliakategoriiskiDpromenljivih
noiedinihvrednosti
Za d,obr1lan1e
niihovih vrednosti.Tako iete saz.ati L nrikazanihrezultatavidimo da u uzorku ima 185 muikaraca (42,1'pro-
udestalosti(Frequencies) ukupno tine 439 ispitanika.Treba
"p"*.trii. Zenskogpo- *ilrl i 254 Lena(57,9 procenata),koii
k;liill"-"roba dalo koli odgo.'or(npr.osobarnu5kogodnosno ispitanika u raznim podskupovima uzorka. U nekim analiza-
stanienemasmisla lf,VorcZnibroj
la).Zalategorijsk" pro-.,'f;it'e kao 5to su polili braino lakSeje kada su grupe (podskupovi)pri-
itd' ,n" tt u" ito je, iecimo, ANOVA)
izraiunavatfrr.dttlu vrednost,standardnaodstupania prikladne za grupe diie sevelidine
;fr;" jednakevelidine.Neke analizenisr-r
grupe male'
rnogo razlikuiu,naroditokada su
Postupakdobiianjaopisnih statistidkihpokazatelja
kategorijskihPromenljivih NeprekidnePromenliive je upotrebiti funkciju Des-
1.Ug|avnommenijunavrhuProzorapritisniteAna|yze,zatimDescriptiveSta. Za neprekidnepromenlfive (npr. starost) lakie
tistics, pa Frequencies. criptiues,kclja ie izradunati ,,zbirne" statistidkepokazatelie kao 5to su sred-
2.|zaberi|ekategorijskepromen|jivekojevaszanimaju(npr.po|)'Prebaciteihu nia vrednost(engl.mean),medijanai standardnoodstupanje(engI.standard
poljeVariables. d'euiation).Ne treba izlistavatisvevrednosti,postoih nekepromenliiveima-
pritisnite (ilidugmePasteda biste snimiliu
komande
3. continue i zatimoK ju vise storina.Opisni pokazateliisvih neprekidnihpromenljivih mogu se
Syntax Editor). dobiti jednimpotezon; ne trebaraditi jednu po jednu promenliivu,negosve
Prethodnipostupakgeneriseove komande: promenljiveod interesazaiednoprebaciteu polje Variables.Medutim, uko-
iiko i-ut. mnogo promenliivih,spisakrezultata6ebiti veomadugadak;tada
FREOUENCIES ie lakie raditi jednu po jednu grupu promenljivihi tokom postupkabeleZiti
UO*,O31-E5:pol 5taje uradeno.
/ORDER: ANALYSIS
Postupakdobijanjaopisnih statistidkihpokazatelia
je:
RezultatprethodnogPostuPka za neprekidnepromenljive
Statistics 1. U glavnommenijunavrhuprczorapritisnite Analyze,zatimDescriptiveSta-
tistics, pa Descriptives.
2. lzaberite neprekidnepromenljive (npr.starost,ukupansubjektivno
do2ivljen
N valid 435
stres)za koje2eliteda dobijeteopisne pokazatelje.
statistidke Prebaciteih u
Missing 0
poljeVariables.
1
XIMUM
3. PritisnitedugmeOptions. Potvrditepoljamean,standarddeviation,mini-
mum, maximum,skewnessi kurtosis (6imeste izabralida se izradunaju
srednjavrednost,standardno odstupanje, minimum, maksimum, asimetrijai
spljoStenost raspodele,redom).
4. PritisniteContinueizatimOK (ilidugmePasteda bistekomandesnimiliu
SyntaxEditor).
Prethodni postupakgeneriseovekomande:
DESCRIPTIVES
VARIABLES:starostusudstres
MEANSTDDEVMIN MAX KURTOSISSKEWNESS
/STATISTICS:
Rezultatprethodnogpostupkaje: Nedostaiucipodaci
Opisni slatisliakipokazatelji
Kada seradi istraZivanje, pogotovoono s ljudima,retko seza svakiispitiva-
N Minimum Maximum Mean std. Skewness Kurlosis ni sludajdobiju potpuni podaci.Uvek treba pregledatida li u datotecine-
Statislic Statistic Statistic Stalistic Statistic Slatistic Std. Eror Statistic Std. Eror
439 18 82 37,44 13,20 ,606 117 ,203 ,233
dostajuneki podaci.Pokrenitefunkciju Descriptivesi za svakupromenljivu
Jkupansubjeklivno utvrdite koliki procenatpodatakanedostaje.Kada pronadetepromenljivu
lo:ivljenstes 433 12 46 26,73 117 ,234
kojoj neodekivanonedostajemnogo podataka, zapitajte se koji je razlog
,245 ,142
vaju na pretpostavci da je raspodela rezultata zavisne promenljive normal- Statistic Sld Error
na. Normalna raspodela je simetridna, zvonolika kriva s najve6im brojem lotal PerCetVedstress Mean to,t J , 2 41
95o/oConfidence Interval Lower Bound 26,18
rezultata u sredini i manjim brojem rezultata prema krajevima (repovima) for Mean Upper Bound
27,28
zvona (videti Gravetter i \fallnau, 2004, str. 48). Normalnost se moZe do-
5% Trimmed [4ean 26,64
nekle proceniti na osnovu izradunatih vrednosti asimetrije i spljoitenosti Median 26,00
34,194
zvona,5to je opisano u prethodnom odeljku. Medutim, SPSSu meniju Des- Variance
5,848
Std. Devialion
criptive Statistics ima i stavku Explore koja nudi druge nadine. Opisaiu taj Minimum
Maximum 46
postupak na primeru procene normalnosti raspodele rezultata za promenlji- Range 34
vu Ukupan subjektivno doZivljen stres u celom uzorku. Na raspolaganju InterquartileRange
Skewness ,245 117
vam je i moguinost da to uradite zasebno za razne grupe u uzorku, tako 5to Kurtosis .182 .234
iete u spisku Factor List unutar okvira za drjalog Explore zadati jod jednu
dodatnu kategorijsku promenljivu (npr. pol). Extreme Values
mandesnimiliu SyntaxEditor).
Navedenipostupakce generisati sledecekomande: Tumadenjerezultatafunkcije Explore
NavedenirezultatisadrZeobilje informacija.To ume da uplali dovekadok
EXAMINE ne naudi 5ta da traLi.U ovom odeljku protumadidemote rezultatekorak po
VARIABLES:usudstres korak.
/lD: id
o U tabeli Descriptivesdati su opisni pokazatelji i druge informacije o
/PLOTBOXPLOTHISTOGRAMNPPLOT
/COMPAREGROUP analiziranimpromenljivama.Kada se u spiskuFactor List zada neka
/STATISTICS DESCRIPTIVESEXTREM
E promenljivagrupisanja,informacijeie biti izradunatezasebnoza sva-
/CINTERVAL 95 ku grupu, a ne za uzorak kao celinu.Deo tih informacijaiete svakako
/ M I S S I N GP A I R W I S E prepoznati(mean,median,std deviation,minimum, maximum itd., tj.
/NOTOTAL. srednjavrednost,standardnoodstupanje,minimum, maksimumitd.).
MoZda ne znate5taje 5% Tiimmed Mean. Da bi dobio taj broj, SPSS
zanemarigornjih i donjih 5% sludajevaibez njih izradunanovu sred-
nju vrednost.Kada uporediteprvobitnu (26,73)i novu srednjuvred- Histogram
nost (26,64), shvatiiete da li ekstremnevrednosti mnogo utiiu na
srednjuvrednost.Ako sete dve srednjevrednostimnogo razlikuju,mo-
Ldabi ekstremnetadketrebalododatnoispitati.ID brojevinajekstrem-
nijih sludajevaprikazanisu u tabeli ExtremeValues.
Medu rezultatimasu i asimetrija(skewness) i spljo5tenost(kurtosis),
koji opisuju raspodelu rezukata unutar dveju grupa (videti opis
o
znatenjatih pokazateljadat u prethodnom odeljku). o
U tabeli Tests of Normality dati su rezultati ispitivanja normalnosri
L
raspodelekoje su izumeli Kolmogorov i Smirnov.Normalnost se po-
kazujestatistiiki neznadajnim(sludajnim)odstupanjemod normalno-
sti, tj. iznosomSig.ve6imod 0,05. U ovom sludajuSig.iznosi 0,000,
5to pokazujeda pretpostavkao normalnostiraspodelenije potvrdenir
i da je moramo odbaciti.To je sasvimuobidajenoza velikeuzorke.
tlean =:6,73
Stvarnioblik raspodelerezultatasvakegrupevidi sena njihovim histo- Sld.Dev.=5,848
l,l =431
gramima. U ovom primeru izgledakao da su rezultati prilidno normal-
no raspodeljeni.To potvrduje i izgled krive normalne verovatnoie,
Normal Q-Q Plot. Na njoj se opaZenavrednost rezultatacrta zajedno
saoiekivanomvrednoiiu kolu bi dala normalnaraspodela.Stoje linija
opaZenihrezultatabliZa pravoj liniji, to je raspodelabliZa normalnoi.
Kriva DetrendedNormal Q-Q Plot prikazuje stvarno odstupanjeopa- doZivljenstres
NormalQ-Q Plot of ukupansub.iektivno
ienih rezultataod horizontalnelinije koja predstavljanormalnu raspo-
delu.Trebalo bi da veiina tadakabude pribliZno simetridnorasporedena
oko te horizontalnelinije i da setadkenigde ne gomilaju.
. Na poslednjojslici je je pravougaoni dijagram(engl.boxplot) raspode-
le rezultataza dve grupe. Pravougaonikpredstavlia50 procenataslu-
dajeva, pri iemu repovi (linije koje izlaze iz pravougaonika) idu do
najveiih i najmanjih vrednosti. Katkada se vide i izolovani kruLiii iz-
6 l
E
o
van tog raspona;njih je SPSS razvrstaou netipidnetadke.Linija unufar z
pravougaonikaje medijana.U narednomodeljku, u kome se govori o o
GRAPH
BY star3grpBY pol
/BAR(GROUPED):MEAN(usudstres)
Malo modifikovanirezultatiprethodnogpostupka prikazanisu na slici. stubidastedijagrametreba tumaiiti paZljivo.Uvek pogledajteskalu Y
(vertikalne)ose.Ono 5to vizuelno izgledakao velika razllka,ponekadiznosi
je
pol iek nekoliko jedinica merne skale i zato Yerovatnomalo vaZno.To i"
odigledno i na gorniem stubidastom diiagramu. Kaclauzmeteu obzir njego-
l| MUSKT je razlika izmedu grupa sasvim mala. Razlika izmedu
uu ikrlr, videiete da
D ZENsr<l i viSe)i najveie vrednosti(iene sta-
naimanje(muSkarci starosti 45 godina
godina) iznosi samo tri jediniceskale.
roiti od 18 do 29
o
q)
Da bi seusranoviostatistidkiznaiaj razlikeizmedugrupa vidljivena diia-
.n sramu,trebaobaviti joI nekestatistidkeanalize.U ovom sluiaju, dvofaktor-
c26 Ika (e"gl. two-way) analizavariianse (uticai dva cinioca na rasturanie
o
rezultataoko srednjevrednosti)izmedu grupa (videti poglavlie19) otkriie
)N da li su te razlikestatistidkiznatajne.
o
!t
o
Liniiskidiiagrami
J
Q) 2d
Linijski dijagram prikazujesrednjuvrednostjedneneprekidnepromenliive
.cl zavt(erazliiitih vrednostinekekategoriiskepromenljive(npr.vreme 1, vre-
o me 2, vreme3). Linijski dijagramisu podesnii za grafidkoprikazivaniere-
(g zultatajednofaktorskei dvofaktorskeanalizevariianse(tj. uticaia jednog
odnosnodva diniocana rasturanierezultataoko srednjevrednosti).Oni su
CL
l<
neobavezandodatak rezultatima analizevarijanse(videti u poglavljima 18 i
(E^^ 19).U narednompostupkunacrtaiemolinijski dijagramza koji iemo kori-
o) zz
= stiti istepromenljivekoje smo prethodnoprikazaliu stubiaastomdijagramu.
Postupakcrtanjalinijskogdiiagrama
1. U glavnommenijuna vrhu prozorapritisniteGraphs, zatim Legacy Dialogs,
pa Line.
2. Potvrditepolje Multiple. U odeljku Data in chart are pritisniteSummaries
30-44 45+
for groups of cases. Pritisnitedugme Define.
starost:3 grupe 3. U polju Lines represent izaberite Other summary function. Pritisnite ne-
prekidnu promenljivu koja vas zanima (npr. ukupan subjektivno doiivljen
stres) i zatim dugme sa strelicom.Tako cete je prebacitiu polje Mean (uku-
pan subjektivnodoZivljenstres). To znadi da ce na skali subjektivnodoiivlje-
Tumadenjestubidastihdijagrama nog stresa biti prikazanesrednjevrednostiraznihgrupa.
Rezultatprethodneprocedureje saZetprikaz raspodelerezultatapo izabra- 4. Prrtisniteprvu kategorijskupromenljivu(npr.star3grp).Pritiskomna dugme
nim grupama (u ovom sluiaju, njih dine muikarci i i.eneiz razlltitih staro- sa strelicom prebacite je u polje category axis. Ta promenljivase prikazuje
snih grupa). Gornji dijagram navodi na pomisao da Zenepokazuju vedi na horizontalnojosi linijskogdijagrama.
stepensubjektivnodoZivljenogsrresaod muikaracai da je ta razlika izraLe- 5. Pritisnitedrugu kategorijskupromenljivui prebaciteje u polje Define Lines
nija u starijim dobnim grupama.U grupi osobastarih izmedu 18 i 29 godi- by:. Ta promenljivabice predstavljenau legendidijagrama.
na, razlikaizmeduodgovarajufihvrednostiza muikarcei iene vrlo je mala. 6. Ako dijagramuhocete da dodate stubice srazmerneodstupanjima,pritisnite
dugme Options.
7. PritisniteOK (ili dugme Paste da biste komandesnimiliu Syntax Editor).
Ovaj postupakce generisatisledece komande: o Mogli biste razmotriti i razliku izmedu muikaraca ii.ena. Sveukupno,
kao da muSkarci subjektivno doZivljavaju manje stresaod iena. Iako je
GRAPH razlika za mladu grupu veoma mala, ona raste s poveianjem starosti
BY star3grpBY pol
/LINE(MULTIPLE)MEAN(usudstres) ispitanika. Da li su te razlike statistidki znaiajne moZe se utvrditi tek
dvofaktorskom analizom varijanse (tj. uticaja dva dinioca na rasrura-
Malo modifikovanirezultatiprethodnog postupka prikazanisu na slici. nje rezultata oko srednje vrednosfi; videti poglavlje 19).
Prikazani rezultati navode na pomisao da uticaj starosti na subjektivno
doZivljen stres treba razmotriti u odnosu na pol ispitanika. U analizi varijan-
- MUSKI se, ta vrsta odnosa naziva se uticaj interakcije (engl. interactit>n effect). Iako
+-.,^,-,
linijski dijagram ne kazuje da li je taj odnos statistidki znatajan, on daje
- - - Ztrl\5Kl
q
o
mnogo informacija i postavlja mnogo novih pitanja.
o
o
pol
.u
>N - MUSKI
O27 - ZENSKI
!t
o
o
.z o
l< o--
o c
lt o
o )N
Cze
(E-- o
E,,
CL o-'
f c
.:<
= .z
J
(E o
o lt
J
= (,26
c
(g
CL
3
ll
f
c(E
25
o
=
!t
o '*f&leTffiff- o*
Kada Zelite,ur.b".r dijagram rasturanja za svaku grupu, zadaitekateg,o- o ([ *@ co &D€SO
c nBBD*lEf,_gHg) {D *
rijsku promenljivuu odeljku Panelby: umestou doleprikazanompoliu set
o
_!c[o@frx csD AD
za ceo uzorak (nc ptr _oo @ @ {BBDSjI {6 +
Markersby. ukoliko vam treba diiagramrasrurarria t(
o o +{ o {smmH@ B
grupama),prosto zanemarireuputsrvanavedena u odellku set Markers by' ct *
LA-AJ
@caD 6s@E8uB(BD *+
= -+rT {GlDffiEE*4rr O
at, r*9
r +19
0p
# + 6mqm ob -
* @+€8*-
c s _{o cnl so@ m #
o u_ O OOSffiSO
Postupakcrtaniadiiagramarasturania a.
:
20 oo^
LXJ
o +doqoo m
+ Om+ rI
1. U glavnommenijuna vrhu ptozotapritisnite Graphs,zatimLegacyDialogs' T
f oooo *
pa Scatter/Dot. o * *1 ooo
2. Potvrditepoljesimple scatter izatimpritisnite dugmeDefine. oooooo
.IO^O
prvupromenljivu
3. Pritisnite kojavaszanima; to je obidnoona kojusmatrate
zavisnom (npr.
promenljivom ukupansubjektivno stres).
dozivljen
promenljivu u
prebacili
dugmesa strelicomda bisteizabranu
4. Zalimpritisnite
poljei axis.Ta promenljivace biti prikazana osi'
na vertikalnoj 50 60 70
Doradadijagrama
N
o
CL
o
Pre nego 5ro se dijagram itampa ili stavi
o- u izveitai, katkada treba doraditi
: natpise,mark-ereitd._Naprimer,neke od dijagrama
?0 :l:q:l: u ovom
zanrh l1.love. prika_
poglavljudoradilasamda bi postalijasniji
samlinije kojima je dijagramiscrtan podebrjara
l.ecirr-ri,
ili promenilapopunu stubidastogdija-
gf?l]:.?:'"qr.amisedoradujuo p.ororuChartEattir,k;ii;;;,r"ra tako
koji prikazai"," ,.,,r,,prozors
il:1,1t_::lntrsnete,diiagram trebadoraditi.
dodarnimopcijamamenijai ikonicama(slika7.1).Trebalo
;ji,::,119:"-om,
-":ji p:oz?r Properties,
koji sluZiza d,orad,u
dijagrama.
;,.:'":t-lt]il f, pritisnite
r\\u se ne poJavl'
Pol dijagram desnim tasterom mida i u priruinom
meni j u iza berite properties
Wind"ow.
Zdravstvo
Pojedinostio datotecivideti u dodatku.
Datotekas podacima:sleep3ED.sav.
L. Nacrtajtepomoiu SPSS-a histogramkojiprikazuie raspodelurezultata
na Epvortovojskali pospanosti(ess).
2. Nacrtajtepomoiu SPSS-a stubiiasti diiagram koji poredi rezultatena Nakon dro uneseresvepodatke i uklonite
and AssociatedSensations
skali Sleepiness Scale(rotSAS)za tri staro- greike iz datotekeu kojoj su
smesteni,sledefi korak je prevodenje oni
snegrupe (agegp3)muSkaracaiLena (gender). sirov"ihpoaurut n u podesanza
obavljanje analizai ispitrvanjehp"t.ru. "ur'.
diiagramrasturaniakoji prikazujeodnosre- uj1:ilr;i-"i
3. Nacrtajtepomofu SPSS-a nih obelezja(promenljivih) i vrste istrazivadkih o"ir"ua, ispitiva_
zultatana Epvortovoj skali pospanosti(Epworth Sleepiness Scale,ess) pi;;;;"';; traLiteodgo_
vore,raj procesbi mogao da obuhvati:
and AssociatedSensationsScale(rolSAS).MLr-
i na skali Sleepiness ' sabiranjerezurtatadobijenih
5karceii.ene (gender)obeleLiterazliiitim markerima. za stavke(promenljive)od kojih
svakamerna'skara,kako bi sedobio sesastol.i
4. Nacrtajtepomoiu SPSS-a pravougaoni(kutijasti)diiagramkoji prika- rk';pr;;;;;rr"ii."gr bturscore)
na skaramana kojima se meri ,nmopo.touanje,
zuje raspodelurezultatana skali Sleepiness and AssociatedSensations no dozivljenstresi sr.spsSto radi optimizam,subjektiv-
Scale(rorSAS)za osobekoje su naveleda imaju/nemaiuproblema sa br.zo,r"k" i ;"d;;;;.." , pomiiljajte
da to radite rudno za svakogirpiturrika
spavanjem(problent). ,"r"l.roi"'"'
' rransformisanje asimerriinihpromenljivihradi
5. Nacrtajte pomo6u SPSS-alinijski diiagram koii poredi rezultatena hodno d a rezultari bl'rdu rrorrir"lno-raspodel anariza za k<>jejeneop-
and AssociatedSensations
skali Sleepiness Scale(rorSAS) za razne sta- j eni;
' svodenjeneprekidnih
rosnegrupe (agegp3)muSkaracai Lena(gender). promenljivih (npr. srarosr)
menljive(npr. mradi,siedoved,ri na kategorijskepro-
i ,t".i) ,uai ^n.ti^k;;:r" je anariza
varijanse;i
o smanjenjebroja
kategorija odredene,kategorijske
promenljive (npr.
statusana samoduekuteg"ori",
;::,q:i'bradnog ;;J; vezi,,/,,niieu
*t^"^,|t9ni" procedurapomocu
nao 5toje vei_SPSS
biroobjasnjeno,'
opcije Syntax
p"gri'rir:, spss;;;;r";ilnr"*
u koiemse mosu zabeleiiti Editor
r."*"tia. gJ..rirurr. pomoiu
menijau svakoj
1.,.:..9rri. Komiandama
odel - re prn"*Ci
prisrupa 'J;::;
Icimauk;;;,
pritisnitepaste.
opisani pos,; Xl!::; ff
o.',,11 tLTiT;,7
otvoriie se .ro'p.ort, sy.rru* Editor sa svim
komandama
koje ste prethodno zadali. Na slici 8.1 prikazan ie deo komandnog prozoral Treba razumeti skale i mere uporrebljene u istraZivanju. Proverite (u
upotrebljenog za relifrovanie stavki i izraiunavanje ukupnih rezultatir u da- uputstvu za skalu ili u ilanku u kome je skala bila objavljena) ima li na nloj
toteci survey3ED.sav. Cela komandna datoteka (surveysyntax3ED.sps) stavki koje treba obrnuti i kako se izradunava ukupan rezulrat na nioi. Neke
mo|e se preuzeti s prateie'Web lokacije ove knjige. Komande prenete u Syn- skale se sastoje od viSepodskala koje treba (ili ih se ne sme) sabrati da bi se
tax Editor ne izvriavaiu se automatski, ved treba vi da ih pokrenete' Da biste dobio ukupan rezultat. To se mora tadno uraditi, a mnogo je lakle uraditi
izvrSili odredenu komandu, izaberite ie (ukljuiujuii i tadku koiom svaka ko- ispravno prvi put nego kasnije ispravljati pa ponavljati analize.
manda zavrSava)i pritisnite Run u glavnom meniju ili strelicu (ti. trougao
Upozorenje Pre sprovodenjaovih postupaka,uvek napraviterezervnukopijuda-
iije ye teme okrenuto udesno) na paleti sa alatkama. Komandnoj datoteci toteke s Podacima.
treba dodati komentare; to su redovi koji podinju zvezdicom (slika 8.1). Pre
i posle svakog reda komentara treba ostaviti po jedan prazan red' NakonSto dodate nove sludajeveili izmenitepodatke,SPSS nece automatskina-
novo izradunatirezultate.Naredne postupke sprovodite tek kada napraviteko-
nadnuverzijudatotekes podacima,kako zbog promeneskupa podatakane biste
morali da ponavljatesve analize.
File Edit Viet4, Dala Transform Anal},ze Graphs Utiliiies Run window
Help
Korak1: obrtanjenegativnoformulisanihstavki
& 6 '- ne k df, h O Da bi se spreiio uticaj na ispitanike, na nekim skalama su odredene stavke
negativno formulisane. To se vidi na skali optimi zma u anketi. Stavka 1 je po-
* F e c o d en e g a t i u ewl yo r d e ditemsintt diflerent
variables zitivno formulisana, pa velike vrednosti rezulrata pokazuju ueliki optimizam:
,,U nesigurnim vremenima obiino odekujem da ie mi se desiti ono najbolje',.
"rec,rdeoptimisrnitems
Medutim, stavka 2 je negativno formulisana, 5to znadi da velike vrednosri re-
RECODE zultata pokazuju mali optimizam: ,,Ako iSta moZe da mi krene po zlu,
op2op4 op6 krenu6e." Negativno su formulisane i stavke 4 i 6. Pre izradunavanja ukup-
(1=5)€=4) (3=31(a=21 INTO Rop2 Rop4 RopE
nog rezultata za ovu skalu, negativno formulisane stavke treba obrnuti tako
EXECUTE
da velike vrednosti svih stavki pokazuju veliki optimizam. Posrupak obrtanja
*recodernasteryitems
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
REC0DEI
rnastl mast3mast4ntast6mast/ (1=4) E=3) l3=2) mogu biti u rasponu od 1 (nimalo se ne slaZem)do 5 (potpuno se slaZem).
Rmastl Rmast3Rmast4RmastERmast/ Iako promenljive dije su formulacije obrnute mogu zadri,ati dotadadnja
EXECUTE imena, traLi(emo da SPSSod njih napravi nove promenljive, umesto da nove
podatke upiSe preko starih. To je mnogo bezbednije, a i osravlja prvobime
Slika8.1 ProzorSyntaxEditor. podatke neizmenjenim.
Ukoliko Zelite da pratite i odmah sprovodite dolenavedena upurstva, ot-
za svakusPSS-ovuproceduru opisanu u nastavku,prikazaiemo i pri- vorite datoteku survev3ED.sav.
padajuiu komandnu datoteku(sintaksu).
1. U glavnom meniju na vrhu prozorapritisniteTransform, zatim Recode, pa
ukupnihrezultatana skalama
lzradunavanie Into Different Variables.
Preobavljanjastatistidkihanalizaskupapodataka,trebaizradunafiukupne 2. lzaberitestavkekoje treba obrnuti (op2, op4 i op6) i prebaciteih u polje ln-
rezultatena svim skalama.To seradi u dva koraka: Put Variable-Output Variable.
. Korak 1: obrnuti svenegativnoformulisanestavke;i 3. Pritisniteprvu promenljivu(op2) izatim njeno novo ime upi5iteu odeljakOut-
put Variable na desnoj straniprozora.U postojecojdatotecis podatcima,ja
. Korak 2: uputiti SPSSda saberevrednostisvih stavki od kojih se pod-
sam joj dala ime Rop2. Ako hocete da joj date neko drugo novo ime umesto
s k a l ai l i s k a l as a s t o i i . navedenoga,upi5itega (npr. revop2 ili obrop2). Ponoviteto za sve ostale
promenljivekoje treba obrnuti (opa i op6).
4. PritisnitedugmeOld and new values.
U poljeValueu odeljkuOld valueupisite1. Postupakizradunavanjaukupnih rezultatana skali
U poljeValueu odeljkuNew value upisite5. (Takoste sve prvobitnevred- 1. U glavnommeniju na vrhu prozota pritisniteTransform, zatim Compute.
nostil pretvorili
u5.) 2. U poljeTarget variable upiSitenovo ime promenljive,,ukupanrezultatna ska-
5. PritisnitedugmeAdd da bistekomandu1e+5smestiliu poljeOld ) New. li'i Bilo bi dobro da svim ukupnimrezultatimadate prefiksU (odnosnoT ako
su imenapromenljivihna engleskom),jer cete ih tako lakSepronalazitiu abe-
Na primer:
6. Ponoviteistipostupakza ostalerezultate.
cednim spiskovimapromenljivihprilikomobavljanjaanaliza.Ja sam ukupnom
U Old valueupisite2; u New valueupisite4; pritisnite Add.
rezultatuna skalioptimizmadala ime ,,TOPTIM|skracenood ,,totaloptimism".
U Old valueupisite3; u New valueupisite3; pritisnite Add.
Vaino: Ne sme vam se desiti da za novo ime upotrebiteneko od vec posto-
U Old value upisite4; u New value upisite2; pritisnite
Add. jecih; time biste izgubilisve prvobitnepodatkekoji se odnose na promenljivu
U Old valueupisite5; u New valueupisite1; pritisnite Add. istog imena.Zato u Sifarnikuproveriteda li je va5e ,,novoime" zaistanovo.
7.Pritisnite (ili
ContinueizatimOK dugmePasteda bistekomandusnimiliu 3. Pritisnitedugme Type and Label. U polje Label upi5iteduZeopisno ime ska-
Syntax Editor).Nakonpreno5enjau Syntax Editor,izvr5icete je kadaje pri- le (npr.ukupanoptimizam).PritisniteContinue.
tisnetei u menijuizaberete
Run. 4. U spisku promenljivihna levojstrani,pritisniteprvu stavku skale (op1).
PrethodnipostupakgeneriSe sledecusintaksu: 5. Pritisnitedugme sa strelicom) da biste izabranustavku prebacili u polje
Numeric Expression.
RECODE 6. Pritisnite+ na kalkulatoru.
op2 op4 op6
7. Ponavljajteprethodni postupak dok sve stavke skale ne prebacite u to polje.
(1:5) (2:4) (g:g) (4:2) (5:1) INTORop2 Rop4Rop6
U ovom primerunajprebismo odabralineobrnutestavke (op3, op5), a zatim
EXECUTE. prethodnimpostupkomdobijeneobrnute stavke (Rop2, Rop4, Rop6), sme-
Stenena dno spiska promenljivih.
8. Dovr5en numeridki izraz trebalo bi da glasi:
Nove promenljivesa obrnutim rezultatimatrebalo bi da su na dnu dato- op 1+op3+op5+Rop2+Rop4+Rop6.
tekes podacima.U prozoru Data Editor proveriteda li ie tako - pritisniteje- 9. Ponovoproveriteda li je sve tadno uradenoi da li su znakovi* na ispravnim
zidak kartice Variable View i spustite se na dno spiska promenliivih. mestima.PritisniteOK (ili dugme Paste da biste komandu snimiliu Syntax
Vide6eteceoniz promenljivihkoje podinjuslovomR; to su promenljivekoje Editor), Da biste je izvr5ilinakon preno5enjau Syntax Editor, pritisniteje i u
samobrnula.Ukoliko stesproveliopisanipostupak,vaie promenliivebi tre- menijuizaberiteRun.
balo da podinju sa ,,rev" ili sa,,obr". Dobro je proveriti reiifrovanepro- Prethodnipostupakgeneri5eovu sintaksu:
menljive,videti promenu koju je reSifrovanieizazvalo.Za pwih nekoliko
sludajevau skupupodataka,trebazabeleZitirezultatedobijenes prvobitnin"r : op1+op3+opS+Rop2+Rop4+Rop6
COMPuTEtoptim
vrednostimapromenljivihi potom pogledatida li su odgovarajuiepreokre- EXECUTE.
nutepromenljiveisprevnoizmeniene.
Korak2:izraiunavanjeukupnihrezultatana skali
Na kraju skupa podataka napravili ste novu promenljivu TOPTIM.
Nakon obrtanjanegativnoformulisanihstavki na skali, spremnisteza izra-
Ukupni rezultati za svakog ispitanika na ovoj skali sastojaie se od zbira re-
iunavanjeukupnih rezuhatana skali za svakogsubjekta(ispitanika).To tre-
zultata za svaku stavku (promenljivu) - od op1 do op6, reiifrovanih gde tre-
ba raditi tek kada imate potpunu datotekus podacima.
ba. Tamo gde pojedinoj stavki nedostaje podatak, ne6e biti ni ukupnog
rezultata. To se vidi tako 5to u odp;ovaraju6oi6eliii datoteke s podacima ima-
te tadku umesro rezultata. Videiete u literaturi da neki istraZivadi idu korak
dalje tako 5to ukupan rezultat na skali dele ukupnim brojem stavki od kojih
se skala sastoii. Tako olakiavaju tun-raienjeukupnog rezultata na skali, zirto
5to je skala vraiena u prvobitni oblik upotrebljen za sve stavke (npr. od 1 do (npr.potiStenosti).Katkadaje raspodelanegativnoasimetridna;tu je veiina
5 za stavove od potpunog neslaganjado potpunog slaganja). I to se radi po- rezukatabliZavelikim vrednostima(npr.samopoitovanja).Po5tose mnogi
moiu SPSS-ovogmenija Transform, Compute. Novoj promenljivoj treba parametarskitestovimogu obavljati samo na normalno raspodeljenimre-
dati novo ime i upisati odgovarajuiu formulu (npr. TOPTIM/6).
zultatima,Stada radite sa asimetridnimraspodelama?
Ne zaboravite da pojedinosti o svim novim promenljivama upiSeteu 5i-
Jedno reSenjebi bilo da ne radite parametarsketestove(npr. pirsonovu
farnik. Treba upisati ime nove promenljive, Sta ona predstavlja i sve pojedi-
korelaciju, analizu varijanse), nego njihove neparametarskealternative
nosti o tome kako je izradunata. Ako je neka od njenih stavki bila obmuta, (Spirmanovukorelacijuranga,Kruskal-Volisovtest).u programskompake,
to treba navesti zajedno s detaljima o tome koje su stavke bile sabrane kako tu SPSSpostoji viSekorisnih neparametarskihtehnika, a razmotren",u u
bi se dobio ukupan rezultat na skali. U Sifarnik bi trebalo upisati i moguii poglavlju15.
raspon vrednosti nove promenljive (videti dodatak). Time ste sebi pripremili Druga moguinost (kada nemate normalnu raspodelu rezultata)jeste da
jasan vodid za prepoznavanje vrednosti koje su greSkom izvan dozvoljenog
transformiSetepromenljive. To znati da raznim matematidkim funkciiama
raspona. modifikujeterezultatedok raspodelupriblizno ne normalizuiete.Ima viie
Kada napravite novu promenljivu, pokrenite za nju proceduru Descripti- vrstatransformacijakoje seupotrebljavajuukoliko to prvobitni oblik raspo-
ves kako biste proverili da li su njene vrednosti odgovarajuie (videti pogla- delenalai,e.o ovom pristupu se vodi velika raspravau literaturi. Jedni zdu-
vlje 5). Tako 6ete steii i ose6aj za raspodelu rezultata nove promenljive. 5no zagovarajutransformisanjepromenljivih da bi se bolle zadovoliile
o Proverite u upitniku koliki je moguii raspon vrednosti koje se mogu polazneprerpostavkeraznih parametarskihtehnika (naideiie normalnosr
zabeleLiti? Za skalu sa deset stavki i ako se odgovori oznaiavaju bro- raspodele), a drugi navodezalroro nijedobro.Diskusijuo prisrupimarrans-
jevima od 1 do 4, najmanji mogu6i ukupan rezultatje 10, a najveii 40. formaciji i pitanjima koje ona pokreie imate u 4. poglavlju knjige koju su
Osoba koja na svaku stavku odgovori sa 1 imaie ukupan iznos 10 x 1 napisaliTabachnicki Fidell (2007).
= 10. Osoba koja na svaku stavku odgovori sa 4 ima6e ukupan iznos Na slici 8.2 predstavljenesu neke od uobiiajenih problematiinih raspo-
10x4=40. delai transformacijekoje za njih preporudujuThbachtri.ki Fid.ll (2007, str.
o Proveriterezultat procedureDescriptivesda ne bi bilo vrednosti izvan 87). Uporeditesvoju raspodelus prikazanimai utvrdite kojoj od njih je naj-
dozvoljenograspona.(Videtipoglavlje5.) slidnija.Uz svaku od predlozenihtransformacijadala sam i njenu formulu.
. Uporedite srednju (prosednu)vrednost ukupnog rezuhata dobijenog Ne plaSitese- to su samoformule koje sPSSupotrebljava za transformaciju.
Vi 6eteod SPSS-a dobiti gotovu, nadajmo se normalno raspodeljenu,novu
na skali sa odgovarajuiimsrednjimvrednostimanavedenimu literatu-
promenljivu za analize.u narednom odeljku upoznaiete Spss-oveprocedu-
ri. Da li ste dobili rezultatslidannjihovom?Ako niste,za5to?Da niste
re
pogreiili prilikorn reSifrovanja promenljivih?Ili je va5uzorakdrugadiji _zatransformisanje. Medutim, pre nego 5to sami pokulate da upotrebite
nektttransformaciju,trebadobro da proudite4. poglavljeknjigeauiorki rh-
od onoga upotrebljenogu drugim istraZivanjima?
bachnicki Fidell (2007) ili odgovarajuii deo n.kog slidnogudzbenika.
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 Postupaktransformaciiepromenljivih
spoljoitenija(kurtosis)od normalne.(Videtipoglavlje6.) 1. U glavnom meniju pri vrhu prozora pritisniteTransform, zatim Compute
o Napravite histogram rezultatai pogledajtenjihov raspon.Da li su nor- Variable.
2. Target variable. U ovo polje upi5ite novo ime promenljive.Poku5ajteda
malno raspodeljeni?Ako nisu, moZda bi za neke analizerezultatetre-
njime naznaditevrstu transformacijei prvobitnoime promenljive.Na primer,
balo da transformiSete. (To ie biti obiainienou nasravku.)
da sam iz promenljivetnegaff moralada vadim kvadratnikoren (engl.square
root), nazvalabih novu promenljivusqnegaff. Budite dosledni u primeni
Transformisanje promenljivih skracenica kojima oznadavatetransformacije.
eesto 6ete (na svoju Zalost!) prilikom pregleda raspodele rezukata na nekoj 3. Functions. U ovoj listije mnostvofunkcijaza normarizaciju (transformaciju),
skali, tj. pri nekom merenju (npr. samopodtovanja, anksioznosti) primetiti od kojih treba da izabereteonu najprikladnijuza svoju promenljivu.pogle-
da kriva raspodele nije ni lepa ni normalna. Ponekad su rezultati pozitivno dajte oblik svoje raspodelei uporeditega sa slikomg.2. Zapisiteformuluna-
asimetridni, tj. veiina ispitanika je odgovorila malim vrednostima na skali vedenu pored slike koja je najpribliZnija
va5oj raspoderi.Nju cete upotrebiti
za transformaciju.
4.Zatranstormacije u kojima se izradunava kvadratni koren ili logaritam.
U polju Function group pritisniteArithmetic, pa premotavajtelistu u do-
Kvadratni koren njem polju sve dok u njoj ne nadete potrebnufunkciju(npr.SORT ili LGl O).
Formula:nova promenljiva= SQRT (starapromenljiva) Pritisnitetu funkcijui potom strelicunavi5ekako biste izabranufunkcijupre-
bacili u polje Numeric Expression. Funkcijitrebasaopstitikoju promenljivu
Zeliteponovo da izradunate.Pronaditeje u listi promenljivihi pritisnitestreli-
cu da bisteje prebaciliu polje Numeric Expression. Ko hoce, moze sam da
upi5eformulu,a da uop5te ne koristiliste Functions i Variables.Jedinotre-
ba pazitida se ne pogre5iprilikompisanjaformule.
Logaritam 5. za transformacije u kojima se kriva raspodele preslikava. Treba da od-
= LG10(starapromenljiva)
Formula:novapromenljiva
redite vrednost K za svoju promenljivu.To je najvecavrednost koju ta pro-
menljivamoZe doseci (pogledajteu Sifarniku)+ 1. Upisite taj broj u polje
Numeric Expression. Dovrsiteostatak formule pomocu polja Functions ili
ga sami dopi5ite.
6. Za transformacije u kojima se izradunava reciprodna vrednost. Reci-
pro6navrednostse dobija deljenjembroja 1 sa rezultatom.Zatou polje Nu-
Reciprodnavrednost .l
Formula:nova promenljiva= 1/ (starapromenljiva) meric Expression upisite , zatim kosu crtu i ime promenljiveili ostatak
formule (npr. 1/ tslfest).
7. Proveritezavr5enuformuluu polju Numeric Expression. Zapisiteie u sifar-
nik pored imena novonapravljene promenljive.
8. Pritisnitedugme Type and Label. u polje Label upisitekratakoprs nove pro-
menljive(ili upotrebljenuformulu).
Preslikavanjei kvadratni koren
Formula:nova promenljiva= SQRT (K - stara promenljiva), 9. Proveriteu polju Target variable da li ste novoj promenljivojdali novo ime
gde je K = najve6amogucavrednost+ 1 (da nijezaostalostaro).Ako gre5komupi5etestaro,izgubicetesve prvobitne
rezultate.Zato uvek proverite dvaput.
10. PritisniteoK (ili Paste ako tu komanduhocete da prebaciteu prozorsyntax
Editor). Da bisteje izvr5ilinakon prenoSenjau Syntax Editor, pritisniteje i u
glavnommenijuizaberiteRun. Bice napravljenanova promenljivai dodata na
kraj datoteke s podacima.
Preslikavanjei logaritam
Formula:novapromenljiva = LG10(K - starapromenl.iiva), 11. PokreniteproceduruAnalyze, Frequencies da biste uporediliasimetridnost
gde je K = najve6amogudavrednost+ 1 i spljo5tenoststare i nove promenljive.Da li su se poboljSali(pribliZilinuli)?
12. Ponovo u meniju Frequencies, pritisnitedugme Charts i izaberiteHisto-
gram da biste pogledali raspodelu rezultataza novu promenljivu.Da li se
raspodelapopravila(pribliZila normalnoj)?Ako nije,treba da nadeteneku pri-
kladnijutransformaciju.
Preslikavanjei reciprodna vrednost
Formula:novapromenljiva = 1l (K - starapromenljiva)
gde je K = najvedamoguia vrednost+ 1 Ukoliko nijedna od ponudenih transformacija ne normalizuje raspodelu
dovoljno, razmislite o tome da za analizu podataka upotrebite neparame-
tarske tehnike (videti poglavlje 16). Druga moguinost zaveoma asimetriine
raspodelejeste da neprekidnu promenljivu podelite na viie diskretnih grupa.
Slika8.2 Raspodelarezultatai preporudene
transformacije.
Sledeuputstva kako se to radi.
L/eu lll. Tlclllllll lall le al lallze Poglavlje8: Dorada podataka 95
I
Obiainienjeprimera Scale: Life Satisfaction
Pokaza6uvam ovu tehniku na primeru datoteke s podacimaa survey- Case Processing Summary
3ED.sav,dostupnojna prateioj Web lokaciji knjige.SvepojedinostiistraZi- N
toteku survey3ED.sav. U narednompostupku ispituje se unutrainja sagla- a L,slwrse cleleton based on all vanables In the prccedure
snost jedne od skala u tom upitniku. To je skala Satisfactionwith Life Reliability Statistics
(zadovoljstvoZivotom)(Pavot,Diener,Colvin & Sandvik,1,991.), koja sesa-
Cronbach's
stoji od pet stavki. U datotecis podacima one su nazvanelifsatl, lifsat2, Alpha Based
on
lifsat3.lifsat4.lifsat5. Cronbach's Siandardized
lle,ns N of Jtems
.890 .895 5
Mu5karci Zene
,T.j: uditeag li ie priktadna parametarska
I ^u_._3klj
Srednjavrednostna skali optimizma ilt neparametarska statiatidkatehnika
Samoda bi studentimabiro teze,
-"r;rt" a"stupnih statistidkihtehnika
Pitanje3: Da li se starost razliiito utii'e na optimizam deljenoje u dveglavne-grupe: po-
paramerarske i neparametarske. parametarska
muskaraca ihena? statistikaje moinija, trripodiva
ris.-;;;;posravki, tj. njeneprerpostavke
oPl- podacimasu srroze'Na primeq""r"" o
Kada biste istraZivali zaiedniiki uticaj starosti i pola nzrvrednost na skali p"ion-.,.,arske metodepoi.ivaiuna prer-
grupe (ispod 30.
timizma, mogli biste podeliti svoj uzorak na tri starosne rezulrata n"nrir" u populaciji
iz koje je izvuden
31.49 godina i 50 i viSe). #:::i.l;l;Iraspodela
Svakaparametarskatehnika (kao ito su
t_tesrovi,ANOVA, pirsonova
korelacija)ima i svojedodatnep."rporrnuke.
Da Ii ,r.,o.r. r"-dorroty..r.iti ,r".
I vvf dvfJe I w, tLvvr [r I orquouv^u I tvilt ilKa I t\t
treba proveriti pre sprovodenja analiza. Za svaku tehniku obradenu u pre- u poloZajuda razmotriresve moguinosti. u narednom tekstu
ostalim poglavljima, bi6e navedene konkretne pretpostavke na kojima podi- saZelasarn
klf udneelementeosnovnih statistidkih anarizaskojima c.r. r. rr"tnti. prodi_
va. Sta ako pretpc,tstaukena kojima poiiua statistiika tehnika koju ielite da rc dtL rog spiska,naditeprimer vrsteistraiivadkogpitanja ,r" r.o;.
upotrebite nisu zadouoljene? Nai.alost, to se iesto dogada u istraZivanjima iz treba da
odgovoritei proveriteimate li svepotrebner"rto;k.. Thkocierazmislite
obiasti dru5tvenih nauka. Mnogi od atributa koje ho6emo da izmerimo irisu ima
li i drugih nadinana koje bistemogri posra.vitiisio pitanje; ,;rg"
normalno raspodeljeni. Neki su jako asimetridni, pri iemu veiina rezultata primeniti
drugadijistatistidkipristup. kraj poglavrjastavila,u- roi.*u taberu
ima maiu vrednost (npr. depresija); drugi su asimetriini tako d:r vedina re- )a
(e vam pomofi u procesuodluiivania. koj.
zultata ima veliku vrednost na skali (npr. samopoitovanje). potraLitedodatneinformacijeo tehnikama_za
koje ste se odluiili i po_
Kada pretpostavke na kojima poiiva statistidka tehnika koiu Zelite da starajte seda dobro shvatitenadelai pretposravkena kojima oe
upotrebite nisu zadovoljene, na raspolaganju vam je viSe mogu6nosti koje je dobro upotrebiti viderazliditihizvora: razni aurori f i vaju.za to
imaju iarlitrtlnJ*,;:
iemo sadapodrobno opisati. nja. Treba dobro da shvatitesporna pitanja - moLdaiete
dak morati da
opravdarekorilienje odredenestatistidketehnike u ,rrolof siiuaci]i_
1. mogucnost zato
obaveznomnogo toga proiitajte.
Mogli bisteipak upotrebititu parametarskutehniku i nadatiseda time niste
ozbiljno naruiili valjanostsvojih nalaza.Neki autori tvrde da je veiina sta-
tistidkihpostupakaprilidnorobusna,tj. da one dobro podnosemanjaodstu- osnovneosobineglavnihstatistidkihtehnika
panja od pretpostavki, narodito kada je uzorak pristojne veliiine. Ak<r Ovaj odeljakje podeljenna dva pododeljka:
odluditeda ipak uradite neku parametarskuanaltzu,to iete morati nekako 1' tehnike za istraLiu.anje veza (odnosa)izmedu promenljivih (obradene
da opravdateu izveitaju,pa prikupitepodesnecitateautora statistidkihknji- u
aetvrtom delu knjige); i
ga, prethodnih istraZivadaitd. koji podrZavajutakvu odluku. Proverite5ta , za istrai.ivanjerazlika izmedu grupa (obradene
kaZu dasopisio oblasti koju istraZujete,pogotovo oni dlanci koii opisulu i:llf: u perom delu
K nJlge).
upotrebuistih skala.Pominju li slidneprobleme?Ukoliko ih pominju, 5tasu
ti autori preduzeli?Jednostavani ditljiv prtkaz robusnosti raznlh statistidkih
testovaproditajteu knjizi Coneai Fostera(1.993).
lstraiivanjeveza(odnosa)izmedupromenljivih
Hi-kvadratza nezavisnost
2. mogucnost istraiivaikog pitania:Kakav je odnosizmedu
ItiT": pora osobei stopeodu-
Mogli biste modifikovati podatke tako da zadovolje pretpostavke na kojimar stajanjaod terapije?
podiva statistidki test (npr. normalnost raspodele). Neki autori predlaitr Trebavam:
transformaciju promenljivih dija raspodela nije normalna (videti poglavlje 8).
' jednakategorijska
MiSljenja o tome su podeljena, pa iete morati mnogo toga da proiitate kakcr nezavisnapromenljiva(npr.pol: muikarci/Zene);
i
' jednakategorijska
biste uspeino opravdali svoj postupak (videti Tabachnick & Fidell, 2007). zavisnapromenljiva(npr.odustajanje:Da/Ne).
Zanima vas brojosobau svakojkategoriji(ne
vrednostina nekoj skari).
3. mogucnost Dijagram:
Kada podaci ne zadovoljavaju pretpostavke parametarskih tehnika, moZete
umesto njih upotrebiti neku neparametarsku tehniku. Mnoge iesto koriSiene MuSkarci Zene
p a r a m e t a r s k et e h n i k e i m a j u s v o j e n e p a r a m e t a r s k ea l t e r n a t i v e .J o n c p o i ' i v e 1 u troustalanje
Da
na nekim pretpostavkama, ali manje strogim. Te neparametarskealternatrve Ne
(npr. Kruskal-Volisov test, Man-Vitniiev U test, hi-kvadrat) najde5iesu matric
moine, tj. manje osetljive prilikom otkrivania veza i razlika izmedu grupa. LI Korelacija
poglavlju 16 obradene su neke od uobidaienih neparametarskih tehnika. Primer istraiivaiko g pitania: postoji
li veza izmedu starosti i vrednosti na
skali oprimizma?Risie li optimizam
s poveianjemZivotnedobi?
Korak6: donoSeniekonadneodluke vam: dve neprekiclne promenljive(npr. starost,vrednosrina
Nakon 5to prikupite informacije koie se odnose na istraZivadkapitanja, nivo I It!"
trrnizma) skali op-
merenja ,',rih pro-"nljivih i karakteristike dostupnih podataka, konadno ste \de
-
--
t v' t've -
r"
ldllru al rqrr4s
ugo llt. rlclllllll
114
Tieba vam:
Dijagram: r jednakategorijskanezavisnapromenljivasa samodue grupe(npr.pol:
muSkarci/Zene):
o jednaneprekidnazavisnapromenljiva(npr.vrednostna skalioptimizma).
Subiektimogu pripadati samoiednoi grupi.
Optimizam **
*t( tr*
Diiagram:
** Mu5karci Zene
*t
Srednjavrednostna skalioptimizma
Starost
Neparametarskaalternativa:Man-Vitniiev test
korelaciia ranga
Neparametarskaalternadva:Spirnanova Ttest uparenih uzoraka (ponovljenih merenia)
Primer istraiivaikog pitanfa: Smanjujeli 10-nedeljnaobuka u meditaciji
Delimii,na korelaciia ti:Xf netainih, ali
i it""i"' *i\:: :\l^,?i
Pri-",istraiivadkog ;[::: optimizma t
anksioznostudesnika?Da li se nivo anksioznostimenia od vremena1 (pre
postolrlr l( :ff intervencije)do vremena2 (posleintervencije)?
dru5tvenopoZelinihodgovora'
zadovoljstva Zivotorn? Thebavam:
(npr' optimizam, zadovoljstvo Ztvo- o jedna kategorijskanezavisnapromenljiva (npr. vreme 1,I vreme2l; i
Trebavam: Tri neprekidnepromenliive
ali dru5tvenopoZelinih odgovora) . jednaneprekidnazavisnapromenljiva(npr.vrednostna skali anksioz-
a* ,u.r,to dauunj" netadnih'
alternativa:Ne postoii' nosti).
Neparametarska
Isti subiekti ispitani u dua zasebnanavrata: vreme 1 (pre intervencije)i vre-
ViSestrukaregresua me 2 (posleintervencije).
Primeristraiivadkogpitanja:Kolikideovarijansepriispitivanjuzadovoljstva
vanjansi) slede6egskupir Diiagram:
zivotom potiie "d #;;il tu. ,""2. biti pripisan
oromenliivih,rumopoitovan,e'optimizam'"'b1"k'iuutt'doZivljaisamokot.t- Vreme 1 Vreme2
tolie prei"ida'zadovolistvoZivotom?
irole? Koia od ovih pt""t"^fr*lh Srednja vrednost na skali anksioznosti
Subjektivando2ivljaisamokontrole
-J ' jednaneprekidnazavisnapromenljiva(npr.vrednostna skali optimizma).
Diiagram:
Ne postoji'
Neparametarskaalternativa: Starost
grupa lspod 3O 34-49 5O i viSe
lstraZivanierazlika izmedu Srednja vrednost na skali optimizma
I-fest nezavisni h uzoraka optimizmu od Zena?
Primer istraiivaikot J*t"i"t oa li su muikarci skloniii Neparametarska alternadva: Kruskal-Volisov test
Dvofaktorska analiza variianse razliEitih grupa M u ltiva rija ciona an a liza va riia
nse
Primeristraiivadkogpitania:Koliko starostutidena rezultatena skali opti-
pitanja: Da li su mu5karci bolje prilagodeni
miz.nraza muikarce i za Lene? l:'*::::f:lvad\op
opstem telesnomi duievnom zdravrju(meri se od Zenapo
u,rt riJrn*ti, depresijei
Sta vam treba: subjektivnodoZivlfenogsrresa)? "r"o
o dve kategorijskenezavisne
promenljive(npr.pol: mudkarci/Zene; staro- Treba vam:
snagrupa:ispod30/3149150i viSe);i ' jednakategorijskanezavisna
promenljiva(npr.por: mulkarci/iene);
r jednaneprekidnazavisnaprornenliiva(npr.vrednostna skali opfirnizma). r dve ili viSezavisnihpromenrjivih i
(npr. anksi,crnosr, depresija,subjek-
Dijagram: tivno doZivljensrres).
Starost Dijagram:
lspod 30 34-49 50 i viSe
Srednja vrednost na skali MuSkarci
optimizma
Zene
Subjektivno do2ivljenstres
Neparametarska alternativa: Ne postoji.
Napomena: analiza varijanse se moZe proSiriti tako da obuhvati tri ili viSe ne- Neparametarska alternativa: Ne postoji.
zavisnih promenljivih. (To se najdeiie naziva faktorskom analizom varijanse). Napomena:multivarijaciona analizavarijanse
moze sekoristitr uz jednofak_
rorsku (jednanezavisnapromcnrjiva),
Kombinovana analiza varijanse razliiitih grupa dvofakto.rk; i;";';ezavisne pro_
menljive)i videfaktorskuanalizuvarijanse.
iponovljenih merenja Moze se uzeri u ouri. r dejstvo
drugih promenljivih(kovarijansi).
Primer istraiivaikog pitanja: Koja intervencija (poveianje matematic'kog
znanjalrzgradnja samopouzdanja)delotvornije smanjuje strah uiesnika od Analiza kovarijanse
statistike,merenLltri navrata(preintervencije,odmah posleintervencije,tri Primer istraiivadkog pitanja: Postoji
Ii znahjna razlikau rezultatima ispiti_
mesecaposleintervenciie) ? vanjastrahaod statistikeizmedu
dlanovagrupekoja povefavamatematidko
Tieba vam: znaniei ilanova -.rli-.-k:li gradi
samopouzdanie, l"d" ,. oduzmeuticaj
njihovihprerhodnih rezufiatana
r jednanezavisnapromenljivarazliiitih grupa (npr.vrsta intervencije); rom resru?
r jednanezavisnapromenljivaponovljenihmerenjaistih grupa (npr'.vre- Treba vam:
me 1. vreme2, vreme3); i ' jednakategorijska
nezavisnapromenljiva(npr.vrsta intervencije);
o jednaneprekidnazavisnapromenljiva(npr.vrednostina testukojim se ' jedna neprekidna
r""]:n? promenljiva (npr. vrednosti
ispitujestrah od statistike). od statistikeu vreme2\: i na skali srraha
Koja intervencija(povecanje mate- Kombinovana Ne postoji .1ednanezavisnapromenljiva jedna neprekidna Dve ili vise grupa s
matidkogznanjalizgradnjasamo- ANOVArazliditih razliditihgrupa zavisnapromenljiva razliditimljudimau
pouzdanja)delotvornijesmanjuje grupai ponovlje- (dva i vi$e nivoa) Vrednosti na skali svakoj grupi, od kc
strah udesnikaod statistike,meren nih merenja ledna nezavisnapromenljiva straha od statistike se svaka meri u dv
u tri navrata? Poglavlje20 iste grupe (dva i vise nivoa) viSenavrata
Vrsta intervencije, vreme
Postoji li razlikaizmedu mu5karaca Multivarijaciona Ne postoji jedna ili vi5e kategorijskih dve ili vi5e poveza-
i iena, podeljenihu tri starosne gru ANOVA nezavisnihpromenljivih n i h n e p r e k i d n i hz a -
pe, u pogledu raznih merila (MANOVA) (dva i vise nivoa) visnih promenljivih
prilagodenosti(anksioznosti,oe- Poglavlje2.1 Sfarosna grupa, pol Vrednosti na skala
presije i subjektivnodoiivljenog
ma anksioznosti,
stresa)?
depresije i subjek-
tivno do2ivljenog
slresa
Postoji li znadajnarazlikau rezulta- Analizakovarijan- Ne postoji jedna ili vi5e kategorijskih jedna neprekidna
tima ispitivanjastraha od statistike se (ANCOVA) nezavisnihpromenljivih zavisnapromenljiva
izmedu pripadnika grupe koja po- Poglavlje22 (dva i vrSenivoa) Vrednosti na skali
vecavamatemati6koznanje i grupe jedna neprekidna,kovarijant straha od statistike
koja gradi samopouzdanje,kada se
na promenljiva u vreme 2
ukloni uticaj njihovihrezultata na Vrsta i nterven cije, vredn osti
tom testuu vreme 1?
na skalistraha od statistikeu
Literatura za dalie usavriavanie
Statistidketehnikeobradeneu ovom poglavljusamosu mali deo
naiina analizepodataka. Morate
velikog broja tehnika
biti
kako
svesni
biste
postojania
mogli da
i mogu6ih
izaberete
dostupnih
onu
naiina
najpri-
DEO IV
"prrr"rr" za vaiu situaciju.Citajte 5to viie moZete'
kiadniju
osnovne tehnike (t_iest, analizuvarijanse,korelaciju) udite
benikastatistikeili iz kniiga koje su napisali cooper i schindler
iz svog udz-
(2003); Gra-
Statisticketehnike
vetter i \Tallnau (2004); Peat, J' (2001); Runyon, Coleman
(2000);Norman i Streiner(2000).Podrobnijeinformaciie,.narodito
iivarijacionoi statistici,videti u knjigama Hair' Black, Babin'
i Pittenger
o mul-
Anderson i
za istraZivanje
veza
Tatham Q006\ ili Tabachnicki Fidell (2007)'
izmedupromenlj ivih
u poglavljimaiz ovog dela knjige, razmorriiemoneke spss-ovetehnikeza
istraZivanjeveza izmedu promenljivih. usredsrediiemo se na otkrivanie i
opisivanjetih veza.sve ovde objainjenetehnikezasnovanesu na korelaciji.
Korelacionetehnike 6estokoriste istraZivaii angai.ovaniu neeksperimental-
nim projektima- za razliku od eksperimentalnihprojekrtu, oud. se pro-
-vei
menljive namerno ne modifikuju niti kontroliiu, se opisuju u ,uo-
prirodnom stanju.Tim tehnikamasemoZe:
. istraZiti veza izmeduparova promenljivih (korelacija);
o predvidetivrednostijednepromenljivena
osnovuvrednostidruge (bi-
varijantnaregresija );
' predvidetivrednostizavisnepromenljive
na osnovuvrednostiviie ne-
zavisnihpromenljivih(videstrukaregresija);i
' identifikovari strukruru grupe povezanih
promenljivih (faktorska ana-
liza).
ovgm porodicomtehnikaresriramomodelei teorije,predvidamoishode,
.
t ocenjujemopouzdanosti valianostskala.
1
To su
Za rumadenjekorelacije potrebno ie znati odgovore na viSepitarnia' Postupakcrtanjadijagramarasturanja
tadaka, ograniienosti opsega uzorka' od-
uticaj neline"rnih u"r", netipidnih
(o."l".ije i praktidne znaiajnosti izra- 1. U meniju na vrhu prozorapritisniteGraphs, zatim Legacy Dialogs.
,ro, i kauzalnosti, i odnos statistiike
uvodu u ietvrti 2. PritisniteSimple Scatter i potom Define.
iunzrtih ko"ii.il.nnta korelacije. Te teme su razmotfene u
pogl:rvlia, trebalo bi da prodi- 3. Pritisniteprvu promenljivu(npr. Ukupan subjektivnodoiivljen stres, usud-
deo knjige. Pre nego 5ro nastavite iitanie ovog
tirte tal uvod' stres) i prebaciteje u poljeY-axis. (Ona ce biti prikazanadui vertikalneose.)
Po konvenciji,zavisnapromenljivaobidno se prikazujedu2 Y-ose.
4. Pritisnitedrugu promenljivu(npr. Ukupan SDSUS) i prebacite je u polje
ObiainieniePrimera vezanekih
X-axis. (Ona ce biti prikazanaduZ horizontalneose.) Tu se najdeSceprika-
Upotrebuktr"la.ile pokaza6una primeruistraZiva'iauzajamnih zuje nezavisnapromenljiva.
survey3ED.sav, s prateie Web
pi.-."fil"ih rnd.iut-tlhu datotecis podacima 5. U polje LabelCases by:stavite promenljivulD da biuz svakunetipidnutad-
iinioce
istraZi koji utiiu na
iokacijeove kniige.Ta anketaie proiektovanada ku bio njen lD broj.
ispitanika (celovitopis studiie
p'fr"f"Sf." prila[od.nost i opSteraspoloZenie 6. PritisniteContinue i zatim OK (ili dugme Paste da biste komandusnimiliu
uid.ti ,, doi"tk,r). U ovom primeru, hoiu da ocenim korelaciju izmedu Syntax Editor).
dozivljenog
oseianjasamokonrroleispitanikai niihovog nivo:rsubiektivno Ovaj postupak generi5esledecu komandu:
promenliive detaljno su opisane u sledeioi tabeli.
,*.r^. Dve upotrebliene
iodmah sprovoditenavedena uputstva, pokrenite
Ukoliko Zeliteda p."tit" GRAPH
SPSSi otvorite datotekusurvey3ED'sav' WITH usudstresBY id (IDENTIFY)
/SCATTERPLOT(B|VAR):usdsus
/MISSING:LISTWISE.
Kratak pregled korelaciie
primer istraiivaikog pitanja: Postoji li veza izmedu nivoa samokontrole Rezultatopisanog postupka prikazanje na slici.
rt"r,ii-" i njihovog nivoa subjektivnodoZi-
lju6i nad njihovim u-n,rtraSniim
doiivliavaiu
;ii;;"; ;.t;sa? Da li osobe'savisokim nivoom samokontrole
maniestresa ?
jednaneprekidna'a dru-
Stnro"r.,treba:Dve promenljive,obe neprekidne;ili
ga dihotomna (moie imati samodve vrednosti)'
o
pronrenllive.i
Stasepostiie:Korelaciiaopisujevezuizmedudve 'eprekidne : l n
(ro)'
Neparametarskaalternativa:Spirmanovakorelaciiaranga
r0 20
Korak 3: odredivanie smera veze izmedu promenliivih Rezultatprethodnog postupka (sa obe izradunatekorelacije,i Pirsonovomr
ili
Dijagramrasturanjakazujeda li ie vezaizmedudve promenllivepozitivna Spirmanovom)prikazanje u tabelama.
Kada bl se kroz tadkenacrralalinija, koji srnerbi pokazivala.-
,-r"goiiunu.
slJvanad.sno,da li bi pokazivalanaviSeili naniZe?tend naviSeprikazuje
tj. da velikim vrednostimaX odgovarajuvelikevrednostiY.
pozitivnu',rez.i,
Linila,tanizekazuieda seradi o negativnoikoreiaciii'ti'.da,malimvredno-
izgledada je kore-
stirnaX odgovarajuvelike vrednostiY. U ovom primeru'
lacija negativnai umerenoiaka.
I
I
I
Correlations Korak 2: utvrdivanjesmera veze
Drugo Sto.trebapogledrrtijeste smer veze izmedu prome'ljivih. Da li je
ispred vrednostikoeficijentakorelacijenegarivanpredznak?'Akojeste,io
znaii da izmedute dve promenljivepostoji negativnakorelacija(tj. ja velike
vrednostina jednoj skali prate rnalevrednostina druE;oj).Tumaienjeovoga
Sig. (Z-tatled)
N
semenjau zavisnostiod naiina dodeljivanjavrednostipromenljivama.Uvek
PearsonCorrelatron proverite5tapiSeu upitniku i ne zaboraviteda mnogeskaleimaju negarivno
T"tal PCoISS-.-----
Sig.(z{ailed) formulisanestavkekoje treba obrnuti pre dodeljivanjavrednosti.Stl ve[ki
N brol'evi(vrednosti)zapravo znate?To iesto zbunjuje sfudenre,pa vam mora
." C"rt-l"t'". '" .,snificantat the 0,01 level (2-tailed) biti savr5enojasnopre nego5to se usuditeda tumadite,"r,rltoi..
u ovom primeru,koeficijenrpirsonovekorelacije(-0,-iB)i spirmanovko-
Nonparametriccorrelations eficijentro (-0,56) negativnisu, Iro pokazuje.negarivnukoreiacijuizmedu
subjektivnodozivljenesamokontrolei stresa.Sto uiie samokontroleosoba
Correlations
oseia da ima, to manje stresamisli da doZivliava.
Total
perceived
-lolal
T o t a lP C O I S S Korak 3: utvrdivanjejadine veze
perceivedslress oorrelatlon Loellrcrent 1 000
Si6-1inails rio
,000
Treie ito treba pogledariu rezultatimajestevelidinakoeficijentakorelacije.
Sig (2-tailed)
N 433 426 on moZe imari vrednosrod -1,00 do 1,00. Taj broj pokazujejadinu
- -,556" 1,000
veze
izmedute dve promenljive.vrednost 0 pokazujeda nikakva veza(korelaci-
Sig. (2-tailed) ,000
43U ja) ne postoji; vrednost 1'0 pokazujeda je koreracijaporpuna
N 426 i pozitivna,
t.. Correiationis significantal the 0,01 level(2-tailed) dok_vrednost -1,0 pokazujeda je korelacijapotpuna
i negativna.
Kako tumaiimo korelacijedije su vrednosriizmedu 0 i 1? Razni
autori
daju razliditatumadenja;medutim, cohen (198g, str.79-g1)
daje slecleie
smerniceza veliiinu korelaciie:
Tumadenierezultatakorelaciie m a l ar = 0 , 1 0 d o 0 , 2 9
Rezultateobe korelaciie,i Pirsonovei Spirmanove,sPSSprikazuieu tabeli srednjar:O,30 do 0,49
L1z
koeficiienatakorelacije izmedu svakog para navedenihprome$ii1ih, v e l i k ar : 0 , 5 0 d o 1 . 0
nivo znadajnostii broi analizkanlhsludajeva(opservaciia) u uzorku. Rezul-
tati Pirsonovekorelaciiedati su u odeljku Correlation. Kada zatraziteda se
ti rezultati se prikazuju u odeliku NavedenesmernicevaLebez obzira na to da li ispred koeficijenta
izradunaSpirmanovkoeficiientro \rho), negativanpredznak.Ne zaboravite,negativanpredznak
r stoji
NonparametricCorrelations.Rezultatiobe vrste korelacije, i parametarske pokazujesmerveze,
a ne njenu,jatinu-
i neparametarske, tunade sejednako. laiina korelacijeje jednakaLa.ra s,, koeficijenti r=0,5 od-
nosnor=-0,5.Razlikujesesamo niensmer.
primer.u,izmedu dve promenljiveposroji jaka korelacija
Korak1: proverainformaciiao uzorku ,,_1,,*:t:l.m
0,5),,5togovori u prilog tvrdnje da vezaizmedu-subjektivno
U tabeliCorrelarionsnajpretrebapogledatiN, ti. broi sluiajeva(opservaciia) ].11n"o
vtlenesamokonrrole ie dozi-
dr i stresajaka.
u uzorku. Da li ie tai broi tadan?Ako mnogo podatakanedostaje'treba
utvrdite zalto je tako. Da nistezaboravilida potvrdite polje Exclude cases
pairwise.r od"i;k,, MissingData na kartici Options?Druga opciia (Exclude
k 4 : izradunavanie koeficijentadetermi nacije
flor.a
Koeficijent determi'acije.pokazuje kolikr je deo
iaseslistwise)znadida su iz svih analizaiskliudenisvi sludaievikoiima ttc- jednidki;jod se varijansedve promen ljiveza-
dostajevrednostbilo koje promenljive.Time seN destopreoitro (i nepotreo- kaze ,,koliki ie deo varijansejednepromenljiveobjainjen (ili
Prouzrokovan)varija'som druge". Zvudi impresiu.ro,a izra(unavasejedno-
no) smanjuje.U gornjem primeru imamo 426 sluiaieva sa vrednostimanir stavno;samokvadrirajtevrednostr (pomnoZite
obe skale'uporr.ill.n" ., ouoj analizi.Naravno, iz nje su morali da seizbace to pretvorili u 'procenatvarijanse',dobijeni
r sa samimsobom).Da biste
svi sludajevikojimanedostajepodatirkza bilo koiu od te due promenliive' proizvod pomnozite sa 100
(pomerite decimalnizarezza dva mesta udesno)' Na primer, dve promenljive Tabela1: Koeficijenti
Pirsonovelinearnekorelacijeizmeduizmerenih
vrednosti
-
s koeficiientom korelaciie r=Q,) imaju samo 0,2 x 0,2 = 0,04 4 procenta za- doZivljene
subjektivno samokontrolei op5tegraspoloZenja
iednidke varijanse.Te dve promenljive nemaiu mnogo veze. Medutim, kore- Skala
lacija r=0,5 znadive( 25 procenata zajednidkevarijanse (0,5 x 0,5 = 0,25). - , 5 8 1* * *" -- **
1 U k u p n aS D S U S ,484 ,456 ,373
U na5em primeru, Pirsonova korelacija iznosi 0,581; kada se digne n:r
2 . Uk.subj.doiiv. stres ** - , 4 4 2* * - , 4 9 4* *
kvadrat, dobija se 33,76 procenata zajednidke varijanse. Subjektivno doZi- ,674
vliena samokontrolaobjainjava gotovo 34 procenta varijarlseu odgovorimir 3 . Ukupnaneg.osecanja -,294-- -,316 **
ispitanika na skali subjektivno doZivljenog stresa.To ie sasvim pristojan decr 4 . Ukupnapoz.osedanja - ,415
**
objainjene varijanse,kada se uporedi s mnogim istraZivanjima sprovedelirn 5 . Uk.zadov.Zivotom
u dru5tvenim naukama. **p (,001 (2-triled).
Korak 5: ocenanivoaznadainosti
Sledeie 5to rreba pogledati je nivo znadajnosti (oznaden sa Sig. 2 tailed). Radunanjekorelacijeizmedu
Ovaj podatak se desto pogreSnotumaii, pa obratite paZnju. Nivo statistidke grupapromenliivih
znaiajnosti ne pokazuje jadinu veze izmedu dve promenljive (nju pokazuje r U prethodnomodeljku sa opisomposrupka pokazalasam kako se dobiiaiu
odnosno ro), nego s koliko poverenja treba posmatrati dobijene rezultate. koeficijentikorelacijeizmedudve neprekidnepromenljive.Kada imategru-
Na znadajnostdobijenog iznosa koeficijenta r odnosno ro jako utide velidina pu promenljivihi Zeliteda istraZiteuzajamnevezesvih njih, zadajteSpSS-u
uzorka. Iz malih uzoraka (npr. n=30) mogu se izraiunati umerene korelaciie da sve to uradi u jednoj proceduri - samo prebacitesve te promenljiveu
koje nisu statistidkiznataine na uobidajenom nivou p<0,05' Medutim, vei i polje variables.Medutim, tako bi se mogla dobiti ogromna matrica korela-
vrlo male korelacijeizradunate iz velikih uzoraka (N=100+) mogu biti stati- cije,koja setelko dita i tumadi.
stidki znatajne. Naravno da statistiiku znadajnost koeficijenta korelacije Ponekadje od interesasamo odredenipodskup svih moguiih veza.Na
treba navestiu izveitaju o istraZivanju, ali se usredsreditena jaiinu vezei ve- primer, zanima vas odnos izmedu vrednosti kontrole (Mastery, PCOISS)i
lidinu zajednidkevarijanse (videti korak 4). raznlh vrednosti prilagodenja (pozitivnih oseianja, engl.positiue affect, ne-
gativnih oseianja, engl. negatiue affect, zadovoljstva iivorom, engl. life
Predstavljanjerezultatakorelaciie satisfaction).Ne zelitecelu marricu korelacijezaro 5to bi ona sadrZalakoefi-
Rezultati Pirsonovekorelacijeu gornjem primeru mogli bi seovako predstat- cijentekorelacijesvih promenljivih,dakle i svakogpara mera prilagodenja.
Ukoliko trebada predstaviterezultateSpirmir-
o istraZivanlu.
viti u izveStaju Postojinadinda to ograniiite,tj. da odreditekoji 6esekoeficijentikorelacije
prikazati.To seradi u SyntaxEditoru (opisanomu poglavlju3). Slediposru-
nove korelacije,samozameniter vrednoiiu ro datom u drugoj tabeli.
pak pomoiu kojeg seu SyntaxEditoru odredujekoje ie koeficiientekorela-
cife SPSSizra(.unati.
Veza izmedusubjektivnodoZivljenesamokontroleunutra5njihstanja (kako je
meri skalaSDSUS) i subjektivnodoiivljenog stresa (merenog na istoimeno;
skali) istraienaje pomocu koeficijentaPirsonovelinearnekorelacije.Obavlje- Postupakizradunavanjakoeficijenatakorelacijeizmedu
ne su preliminarne analizeda bi se dokazalozadovoljenjepretpostavkio nor- dve grupe promenljivih
malnosti, linearnostii homogenosti varijanse.lzradunataje jaka negativna 1. OtvoritemeniAnalyzena vrhuprozora,izaberiteu njemuCorrelation,pa
korelacijaizmedute dve promenljive,r : -0,58, n: 426, p ( ,0005, pri 6emu pritisnite
Bivariate.
visoke nivoesubjektivnodoZivljenesamokontroleprate niski nivoi subjektivno 2. Promenljivekojevaszanimaju prebaciteu poljeVariables,najpreceluprvu
do2ivljenogstresa. grupupromenljivih (npr.tposaff,tnegaff,tlifesat),
a zatimdrugu(npr.tpcoiss,
tmast).
Korelacijomse destoistraZujuvezeunutar celegrupe promenljivih,a ne 3. U ispisurezultata,
prvagrupapromenljivih bicenanizana po vertikali
tabeleu
samo vezaizmedudve promenljivekao u gornjemprimeru.U takvim sluda- njenimredovima, a drugagrupapo horizontali u kolonama.
jevima, bilo bi nezgrapnou jednom pasusunavoditi sveizradunatekoefici- 4. DuZulistustavitena prvomesto;time spredavate da tabelazbog prevelike
jente.korelacile;bolje je prikazatiih u tabeli.Evo naiina na koji se to moze Sirinene mo2eda stanena stranicu.
uraortr:
vr ' rvr "J
vr
5. PritisnitePaste. Otvorice se Syntax Editor (videtiprimer na slici 1 1 .1). Kadir se rez'ltari predstave
na ovaj nac.irylako se poredi rerativna jadina
6. Postavitekursor izmedu prve grupe promenljivih(npr. tposaff,tnegaff,tlife- dveton,.or.,.,r.,r.
sat) i ostalih promenljivih(npr. tpcoiss i tmast). Upi5ite red ,,with" (tposaff I::t:.j1"^:oje.
Kom merom prilagodenja.
Ir"or pcorss,il;;iil;r,.ry) sasva_
tnegaff tlifesat with tpcoiss tmast). Time ste od SPSS-a zatralrlida izraduna
koeficijentekorelacijeizmedu promenljivihtmast i tpcoiss s jedne strane i
svih drugih navedenihpromenljivihs druge strane.Trebalobi da dobijeteko- Poredenjekoeficijenatakorelacije
m a n d uk a o n a s l i c i1 ' l. 1 .
dve grupe
U istrazivanjukoreracijeponekadtreba
uporeditijadinu koJcijenata
7. Da bisie izvr5ilitunovukomandu,izaberitesve - od CORRELATIONSdo tad- lacije dve zasebnegrup:. Na primer, zelite kore_
da p"d"i;;';;), ir_.d,, opti_
ke na kraju (ukljudujuii i tadku). Veomaje vaZnoda i ta taika bude izabrana. zasebno zamuika,c.r 2."". ir"ar opisjednog
8. Kada je taj tekst izabran,u glavnommenijupritisnitedugme (ikonicu)sa tro- ftrff #::i:T,lr:seianja
uglom koji pokazujeudesno P) ili otvoritemeniRun i u njemu izaberiteSel-
ection. Time ste SPSS-u naredilida izvr5idatu komandu.
Postupakporedenjakoeficiienatakorelacije
za dve grupe subjekata
Korak1: podeliteuzorak
File Edit View Oatd Transform Andlyze Gfaphs Utilities Run
Window Help 1' ProzorData Editortrebada je otvoren
i.u prednjempranu.(Akoje trenutno
, , , . : ,A, ,E, 'S ntuh S{ } O:, ii:i viewer,
otvorite
meniwindo*.i; ;;;; i."uu.itu
II
B,#iili:?'ir spss
CORRELATILlNS 2' U glavnommenijuna vrhu prozorapritisnite
tposafftnegafftlifesatwith tpcoisstmasl
I./ARIAELES= Data,zatimsprit File.
/FRINT=TWOTAILSIG 3. Pritisnite
CompareGroups.
/MISSING=FAlRWlSE 4' Promenljivugrupisanja(npr.pol)prebaciteu polje
snitedugmeOK. Groups basedon. priti-
>ts5) PrOCe5S(
Sledi rezultatkoji cete dobiti u SPSS-u kada zavr5iteopisani postupak. Korak 2: korelacija
1' Premapostupkuopisanomu jednom
Correlations od prethodnihoderjaka,zadalteizrad,u-
navanjekoreraciie':r1u' dve promenrjive
od interesa(npr.Totaroptimism,
T o t a lP C O I S S Total Mastery Totalnegativeafiect).ona ce biti
izraduiatai prikazana zasebnoza svakuod
lotal PositiveAffect Pearson
,456'. ,432"
dvegrupe.
Correlalion vazno:Kadazavrsitesa zasebnim
Sig. (2{ailed) ,000 ,000
pregredomstatistidkihpokazaterja za mu-
Skarcei zene,ne zaboravitea" i"r.rrre
N 429 436 iiu opcijusplit File.ona (poderauzor-
ka na grupe)ostaieda vazisve
ao[1" n" ;sktlueite. ro ,"rJi , jrozoru Data
Total Negative Affect Pearson -,484" Editorkojitrebada je u.predn"r'0,""r. pritisnite
Correlation prvodugme:Analyzeat Data,sprit File izatim
Sig. (2-tailed) ,000 ,000
cases,ao noi"r.ate groups.pritisniteoK (oa-
nosnodugmepaste da bistekomandu
N 428 435 snimiliu SyntaxEditor).
Ovajpostupakgenerisesledece
T o t a lL i l e Pearson 17a"
komande:
Satisfaction Correlalion
Sig.(2-tailed) ,000 ,000 SORTCASESBy oot.
N SPLITFILE
429 436
LAYEREDBy oot.
CORRELATIONS
C o r r e l a t i o ni s s i g n i f i c a nat t t h e 0 , 0 1 l e v e l ( 2 ' l a i l e d )
I /VARIABLES:toptimtnegaff
hi$s, /PRINT:TWOTAIL NOSIG
- /MISSING:PAIRWISE.
-'
14U L.rEU tv i vtsLrsrrvt\v
Proverastatistidkeznadajnostirazlike izmedu
PostuPakdaje ove rezultate:
Correlations
koeficiienatakorelacije
U ovom odeljku, ooisaiu postupak utvrdivanja da li se korelacijedveju
grupa z.natainorazlikuiu, tl. da li je ta razlika sludajnaili ne. Naialosr, to
SPSSjo5 ne ume da uradi, pa iete morati sami pomoc.ukalkulatora.I ako
vam slede6iodeljak bude izgledaonerazumljiv,sleditedati postupakkorak
po korak. Prvo iemo vrednostikoeficijenatakorelacijer pretvoriti u vred-
nosti z, zatim pomoiu jednadineizradunatiopaZenuvrednostz, tj. 2,,r,.Taj
T"t"iltl$;G Pearson broj iemo ocenitina osnovuutvrdenihpravila odludivanjai tako izraiunati
Correlation verovatnoiuda je razlika u korelaciyiopzrZena izmedudve grupebila posle-
Sig' (2-tailed) dica sludainosti.
N
Pearson
FEMAE-I"I opl'mG'.n
Correlation
Pretpostavke
Kao i uvek, najpre iemo proveriti pretpostavke. pretpostavlja se da su vred-
Sig.(2-tailed)
N
nosti korelaclje r za dve grupe dobijeni iz sludajnih uzoraka i da su grupe
Pearson
sludajeva(opservacijar)nezavisne(da isti subjekti nisu dvapur testirani). pret-
Tout N"g"tiu"
Correlatlon postavlja se da je raspodela rezultata za obe grupe normalna (videti histo-
Af{ect
Sig (2{ailed) grame za te grupe). Takode je neophodno imati najmanle 20 sludaieva
N ( o p s e r v a c i j a )u s v a k o j g r u p i .
-. level (2-tailed)'
Correlationis significantat the O'01
Korak1: pretvoritisvakuvrednostr u odgovaraiu6u
vrednostz
Prvi korak u procesuporedenjajestepretvoriti dve dobijenevrednostir u
grupe
rezultatakorelaciieizradunate=u1Y,"- (Total
Tuma6enie
standardanoblik, koji se nazivavrednosrz. To se radiiz viie matematidkih
razloga,prvenstvenozato da bi raspodeleuzoraka bile pribliZno normalne.
izmedu ukupnog
korelaciia -optimizma
U prethodnoi tabeli ""'tt"'", affect)za muikarce u prethodnonavedenojtabeli rezultaraoditaiteiznoie r i N za Gruou 1
(Total
optimism) i ukupnih negativnih-oseiania "tg"iiu"
veia' ']-0'39' lako ta dva bro- (muSkarci)i Grupu 2 (Lene).
bila ;e r---0,22dokie ,li"n"bila neznatno 1e Muik.: rt = -0,22
ja razlikuiu,da li je r" ;ik;d"toljno velika da semoZesmatratiznaiajnom' Zene, rt = -0,394
je opisaniedannadinprovere Nr = 184 Nz = 250
a ne sluiainom?U narel"n"- "atf;ft" podrobno
koefitiJttttu korelacije'VaZno1e
statistidke,nuia;nost'i"ra*r-f*"ir*.a" ta dva ko-
u tabeli11.1pronadirevrednosrzkoja odgovarasvakojod tih vrednostir.
imati u vidu da ," ,"ipttt"t
'i;lt '"'flf";" od proverestatistidkeznadajnosti Mu5k.: zt = -01224Zenetz, = -0,418
;" 'e"'.ltati {1i gornioi-tabeli'^GorePrikazatrt
eficiienata korelaciie', "
Sig' =,003; 'i,L"n"t Sis' = '000) daiu vero-
nivoi znadajnosti(za'mriikarce:
'
vatno6u nulte hipot ezeda ie koeficijent korelaciie non".l1c1l td:*tl)
oceniuie verovatnot"
Medutim, doleopisanitest znadajnosti
iZena)posledicagr:11;,;;il,
opuZ"rrlhior"lucilu r" a"t grupe (muik araca
vezeza muikarcetza aene'
dok u stvarinemarazlike'i1"3i"i ispitiv:rne
ruz
Tabela11.1:Transformacija Korak2: ubacitete brojeve
u iednaiinu za izraLunayanje
i::,f q;iiil L::Hilf *#r j;*: ub,:i,:r,'.'i
""".-,Jogo zoo
u",,iui,
.000 ,000 ,204 ,203 ,400 ,424 ,600 ,693 .800 1,099 ako ster,tti"".p.ipremili i ispisali (Bic<e
uo,rrlaks.
,005 .205 ,208 ,605 ,701 ,805 1,113
dirio i i.?[#tora'
.005 ,405 ,430
,010 ,010 ,210 ,213 ,410 ,436 ,610 ,709 ,810 1,127
,015 .015 ,215 .218 ,415 ,442 ,615 ,717 .815 1,142
-t - .z
,020 .o20 .220 ,224 .42A ,448 ,620 .725 ,820 1,157
,025 ,025 ,225 ,225 ,425 ,454 .625 ,733 ,825 t,ttt
i ,045
,050
.045
,050
,245
,250
,25A
,25s
,445
,450
,478
,485
,645
,650
.767
,775
,845
,850
1,238
1,256
?2a - ,qte
,05s ,055 ,455 .491 ,655 ,784 ,B55 1,274
,060 ,060 ,260 ,266 ,460 ,497 ,660 .793 ,860 1.293
.065 ,065 ,265 .271 ,465 ,504 ,665 ,802 ,865 1,313
,07a ,070 ,274 ,277 .470 ,510 ,670 ,811 ,B70
-,194
,475 ,075 ,275 ,282 ,475 ,517 ,675 .820 ,875 1,354 -)o b s - -- -
,080 ,0B0 ,280 ,288 ,460 .523 ,680 ,829 ,880 1,376
.085 ,085 .285 .293 ,485 ,530 ,685 ,838 ,885 1,398 {*l*1 8 1 * *l-
,090 ,090 2qn )Qa ,4S0 ,536 ,690 ,848 ,890 1,42? 247
,095 ,09s ,295 ,344 ,495 ,543 ,695 ,858 ,895 1,44/
,100 ,100 ,300 ,310 ,500 ,549 ,200 ,867 ,s00
,r05 ,105 ,305 ,315 ,505 ,556 ,705 ,877 ,905 1,499 Zobs=€
, 11 0 , 11 0 ,310 ,321 ,510 ,563 ,710 ,887 ,910 1,528 v,00SS+ ,oOa
(1q
,r15 ,116 .315 ,326 <7n .715 ,497 ,915 1,557
,\2A J21 .320 ,332 ,520 ,576 ,720 ,908 ,920 1,589
, tzJ , tto ,325 ,337 ,525 ,583 ,725 ,918 ,925 I,OIJ -obs _ -:
,130 ,131 .330 ,343 ,530 ,s90 ,73A ,929 ,930 1 6qA v,0095
'136 (?q (o7 1,697
,135 , ,335 ,348 ,735 ,940 ,935
, 14 0 ,141 ,340 ,354 ,540 ,604 ,740 ,950 ,940 1,738
,145 ,146 ,345 ,360 ,545 ,611 ,745 ,962 ,945 1,743 Zobs=:J!1 =-t,gg
,150 ,151 ,350 .365 ,550 ,618 ,750 .973 ,950 1,832
, rJJ , 'Ju ,355 ,371 .555 ,626 ,755 ,984 ,955 1,886
,160 ,161 ,360 ,377 ,560 ,633 ,760 ,996 ,960 1,946
,165 ,167 .365 .383 .565 ,765 i,008 ,965 2.014 Korak 3: utvrditeda
Kadadobiietevrednosr fije vrednost
"640
, 17 0 ,172 ,370 ,388 ,570 ,648 ,770 1,020 ,970 ) r\Q) zor.statistidkiznadajna
,375 .394 ,775 1,033 ,975 2 , 18 5 z,*,i.m"di j,iz-i *!.g6,
,175 ,177 nentoietewrcriti
da jzrne_
.180 ,182 ,380 ,400 ,580 ,662 ,7BO 1,045 ,980 2.298 korel'Jcri.
p"'Lii znatajna
,185 ,187 ,385 ,406 ,585 ,670 ,785 1,058 ,985 2,443 ff"tJ1,ffj:iienta "ltirtirki r aztika,tj.
daona
,190 ,192 ,390 ,412 ,590 ,678 ,790 1.071 ,990 2,A47
10q ioa ,395 ,418 ,595 ,685 .795 1.085 ,995 2.994 ,r*:H:!l';1ffi';ll',lk e,,nuIru.h.ipotezu (danema raztik
eizmedug,rupa)
melods (2nd edition).Holl. Rineharl& Wtnslotr
tzvot:Mc:all {1990).prvobilniizvor €dwards,A.L. 11967J.Statistical
;;;;;;'#iJ;;#;il:fl:3::1" vred,,os*
Dakre, i'*" a',ihgranica
j" -1,e6
1^0"" <r*vvr ' -' '""""'rvtttt nulel€lcls
znadajno. se ne razlikuju statistidki
Kada je zoo"manie
od ili jednako -1,96 ili kada
r '96: koeficijenti-se je z.o"jednako
razrikujuJ"rr"allr""""ro, ili vece od
tJ.razrikanrje sru.ajna.
U navedenom primeru izradunatom z:r muSk:rrcei Zene, dobili smo z,p.'
vredrrost -1.,99.Ona je izv:rn datih granica, p21stnemo da zakliuiirno da po-
Delimidnakorelacija
stoji statistidki znaiaina razlika u jadini korelacije izmedu optimizmir i nega-
tivnih ose6anjaza muikarce i Zene.Optimizam obja5njava znaiaino veii deo
varijanse u negativnim osedanjima i.ena nego muSkaraca; ta razlika nije
s l u i aj n a .
DodatneveZbe
Zdravstvo
Datotekas podacima:sleep3ED.sav. Pojedinostio datotecivideti u dodatku.
1. Proveritejadinukorelacijeizmedu rezukatana skalamaSleepiness and
(ess). Delimidna korelacija je sliina Pirsonovoj linearnoj korelaciji (opisanoj u po-
AssociatedSensations (rorSAS)i Epworth Sleepiness
glavlju 11), osim 5to se moZe sprediti uticaj jedne dodatne promenljive. To je
2. Pomoiu komandi u Syntax Editoru ocenitekorelaciju izmedu skale
obidno promenljiva na koju se sumnja da utiie na dve promenljive od intere-
Epworth Sleepiness (ess)i svake sravkesa skalesleepinessand Asso-
sa. Kada se sratistidki Lrkloni uticaj te remetiladke promenljive, dobija se jas-
(fatigue,
ciated Sensations lethargy,tired, sleepy,energy).
nija i tainija slika veze izmedu dve ispitivane promenljive.
Uticaj remetilaike promenljive bio je razmotren u uvodu r-rdetvrti deo
knjige (videti odeljak o odnosu korelacije i kauzalnosti). Remeienjem se
smatra uticaj, makar i mali, tre6e promenljive (C) na ispitivanu vezu izmedu
dve promenljive (A i B). Ako se taj uticaj (kontaminacija) ne uraduna, dobiie
se nerealno velika vrednost koeficijenta koreltrcije dve promenljive. Thj od-
nos se ovako moZe predstarvitigrafidki:
^
---t
primera
Obia5njenie
K a o i l u s t r a c i j ud e l i m i d n ek o r e l a c i j eu p o t r e b i i u p r i m e r i z p o g l a v l j a 1 1 , a l i d u
analizu proiiriti tako da obuhvati uticaj joi jedne promenljive. IstraZiiu vezu
izmedu rezultata na skali subjektivno doZivljene samokontrole unutraSnjih
stanja (engl. Perceiued Control of Internal Statesscale,PCOISS) i rezultata
na skali subjektivno doZivljenog stresa (engl. Perceiued Stressscale), ne gu-
l:eCiiz vida moguinost da ispitanici ponekad svesno daiu netadne,ali dru5t-
veno poZeljne odgovore (engl. socially desirable responding bias). Time
uraaunavamuticaj ljudske sklonosti da prilikom popunjavanjaupitnika 5. PritisniteContinuei zatimOK (odnosnodugmePaste da bistekomandu
sebepredstavena pozitivanili druitveno poZeljannaiin (da sepretvaraiuda snimiliu SyntaxEditor).
su dobri). Ta tendencijase meri Marlou-Kraunovom skalom druitvene Opisanipostupakgeneri6esledecukomandu:
poZeljnosti(Crowne & Marlowe,7960). Skraienaverzljate skale(Strahan
& Gerbasi,7972)blla je sravljenau upitnik pomoiu koieg su izmerenedru- PARTIAL CORR
ge dve promenljive.Njeno ime u datotecis podacimaje tmarlow. /VARIABLES:usdsususudstresBy tmarlow
Ukoliko Zeliteda pratite primer i navedenauputstva,pokreniteSPSSi ot- /Slc NIFICANCE:TWOTAI
L
vorite datotekusurvey3ED.say s pratede\ileb lokacijeknjige. /STATISTICS:CORR
/MISSING:ANALYSIS.
Kratakpregleddelimidnekorelaciie
Primeristraiivadkogpitania:Nakon uraiunavanjasklonostisubjekatada se postupkadatisu u tabeli:
Rezultati
predstaveu pozitivnom svetlu ua skalama samoocenjivanja, da li i dalie
postoji znadajnaveza izmedu subjektivno doiivliene samokotrtrole unu- Correlations
trainjih stanja(SDSUS)i nivoa subjektivnodoZivljenogstresa? Kontrolapromenljivih ukupno ukupan ukupna
Stu ua- treba: Tri neprekidnepromenljive: SDSUS subjektivno druStvena
doiivljen poieljnost
e dvepromenljivediju vezuistraZujete (npr.ukupnaSDSUS,ukupansub- stres
jektivno doZivljenstres);i none-a ukupna Correlation -,581
1,000 ,295
r jedna promenljiva diji utical treba ukloniti (npr. ukupna druStvena SDSUS Significance ,000 000
poZeljnost:tmarlow). (2-tailed) 0 424 425
df
Stasepostiie:DelimidnakorelacijasluLizaistraZivanje vezeizmedudvepro-
ukupan Correlation -,581 1,000 -,228
menljive,pri demusestatistidkikontroliSe(uklanla)uticaj tre6epromenljive
subjektivno Significance ,000 ,000
koja bi mogla da kontaminiravezuizmeduispitivanedve promenljiveili da (2-tailed)
do2ivljen 424 n 426
utidena nju. SITES df
Pretpostavke:Pretpostavkena kojima sezasnivaradunanjekorelacijenave- uKupna Correlation -,,n 1,000
,295
denesu u uvodu u detvrti deo knjige. druStvena Significance ,000 ,000
Pre nego 5to podnetesledeii postupak)otvorite rneni Edit i izaberiteu poieljnost (2-tailed) 425 426 0
njemu stavku Options; treba da je potvrdeno polje No scientificnotation for df
small numbersin tables. ukupna ukupna Correlation 1,000 -,552
druStvena SDSUS Significance ,000
poZeljnost (2-tailed) 0 423
Postupakza delimidnukorelaciju df
1' otvorite meniAnalyze,izaberiteu njemustavkucorrelate, pa pritisnite uKupan Correlation -55' 1,000
Partial. subjektivno Significance ,000
2' Pritisnitedve neprekidnepromenljive do2ivljen (2-tailed) 423 0
6iju korelacrlu
hoceteda izradunate
(npr.ukupnaSDSUS,ukupansubjektivno stres df
stres).Kadapritisnete
doZivljen
strelicu,prebaciceteih u poljeVariables. ' Cells
contain zero-order(Pearson)correlations.
3. Pritisnitepromenljivudiji uticajzeliteda uklonite(npr.tmarlow,koja meri
druStvenu poieljnost).Prebaciteje u poljeControllingfor.
4. Pritisnite
dugmeOptions.
' U odeljkuMissingValuespotvrditepoljeExcludecasespairwise.
' U odeljkuStatistics potvrditepoljeZero order correlations.
Tumadenjerezultatadelimidnekorelaciie Vi5estrukaregresija
SPSS-ova tabelarezultataima dva dela:
1. U gornjoj polovini tabeleje uobiiajenamatrica Pirsonovelinearneko-
relacijedve prornenljiveod interesa(npr.subjektivnodoZivljenesamo-
konfole i subjektivnodoiivlienog stresa)kada niie uklonien uticai
-0'581- Rei lone u
treie promelljive. U tom sludaju,korelacijaiznosi
levoi Loloni kazuieda u rom delu tabelenije bilo promenljivediii bi se
uticai kontrolisao,tj. uklonio.
2. u donjoj polovini tabeleponovljenesu iste analizekorelacije,ali uz
uklanjanjeuticajaremetiladkepromenljive(npr.druitvenepoZelinosti).
u tom sludaju,nova delimidnakorelaciiaizr-rosi-0,552. Uvek bi trebalo
da uporedite ta dva skupa koeficijenatakorelacije i utvrdite da li ie u ovom poglavlju ukratko (u izloLiti kako se pomoiu spSS-aza \Tindows
uklanianieuticaja dodatnepromenljiveimalo posledicepo vezr.rizmedu rade analize vi5estrukeregresije.Poito ie izlaganiebiti ueoma pojednosta-
dve ispitivanepromenljive.U ovom primeru,iaiina korelaciiese malo vljeno,trebalobi da viSeproditateo viSestrukojregresijipre nego5to je upo-
smanjila(od -0,581 na -0,552).Time ie dokazanoda zapaienavezaiz- trebiteu istraZivanju.Dobar izvor informacijaje poglavlje5 u knjizi uutorki
medu sublektivnodozivljenesamokontrolei subjektivnodozivlienog Tabachnicki Fidell (2007),kojeobuhvarareoriju,razliiite vrsteanalizaviie-
stresanije samoposledicadavaniadrudtvenopoZelinihodgovora. strukeregresijei pretpostavkena kojima ona poiiva.
vi5estrukaregresijanije samojednatehnikave6porodicatehnikapomoiu
kojih semoze istraZitivezajedneneprekidnezavisnepromenljivei viie neza-
Predstavlianierezultatadelimidnekorelaciie visnih promenljivih ili predikrora (obidno neprekidnih).vibestrukaregresija
Rezultati ove analize mogli bi se predstaviti ovako: sezasnivana korelaciji(obradenoju poglavlju11), ali omogr.riuje sofisticira-
nije istrazivanjemedusobnih veza skupa promenljivih. zato je idealna za
Za istraZivanjeveze izmedu subjektivno doZivljenesamokontrole unutra5njih istraZivanjesloZenijihpitanja iz srvarnogLivota,pre nego onih laboratorij-
stanja (merene na skali SDSUS) isubjektivno doZivljenogstresa (merenog na skih. Medutim, nemojtese nadati da 6e se odgovori nekim dudom pojaviri
skali USUDSTRES) upotrebljenaje delimi6nakorelacija,pri demu je uklonjen
iim u viSestrukuregresijuubacitepromenljive.za ovu analizutrebalobi da
uticaj rezultatana Marlou-Kraunovojskali dru5tveno poZeljnihodgovora. Preli-
imate dvrstteorijskiili konceptualnirazlog,posebnoza redosledpromenlji-
minarnimanalizamaje dokazanoda pretpostavkenormalnosti,linearnostii ho-
vih koje ulazeu jednadinu.Ne upotrebljavalteviSesrruku regresijutek tako.
mogenostivarijansenisu naru6ene.Nakon uklanjanjauticajadru5tvenopoZeljnih
ViSestrukaregresijamoZe odgovoriti na razna istraiivaika pitanja. Ona
odgovora, utvrdenaje jaka negativna delimidna korelacijaizmedu subjektivno
kazuiekoliko dobro odredeniskup promenliivihpredvidakonkreranishod.
doZivljenesamokontroleunutra5njihstanja i subjektivnodoZivljenogstresa, r:
-0,55, n :425, p ( ,0005, pri demu visokenivoesubjektivnodoiivljenesamo- Na primer,recimoda istraZujete koliko sedobro pomoiu skupapodskalana
kontrole prate niski nivoi subjektivnodoZivljenogslresa. Poredenjesa izraduna- testu inteligencijernoie predvideti efikasnostobavljanj:rodredenogzadatka.
tom korelacijomnultog reda (r: -0,58) pokazujeda uklanjanjeuticajadru5tveno ViSestruka regresijaie dati ocenumodelakao celine(svihpodskala)i relati-
poieljnih odgovora vrlo malo utide na ja6inu veze izmedu te dve promenljive. van doprinossvihpromenljivih(podskalapojedinaino)od kojih semodelsa-
stoji.Uz to, viSestrukom regresijommoiere ispitatida li dodavanjeodredene
promenljive(npr.motivacije)doprinosiprediktivnojsposobnostimodela,tj.
DodatnaveZba da li poboljSavamodelkoji vei sadrLidrugepromenljive.viSestrukaregresija
Zdravstvo semoZeupotrebitii za statistidkouklanjanjeuticajajedneili viSepromenlji-
vih na prediktivnusposobnostmodela.Medu glavnim vrstamaistrazivadkih
Datoteka s podacima: sleep3ED.sav.Pojedinosti o datoteci videti u dodatku. pitanjana koja vi5estrukaregresijamoZeodgovoritijesui ova:
l.Izraiunati jadinu korelacije izmedu rezsltata na skali Sleepinessand . koliko dobro skup prontenliiuihmoZeda predvidi odredeniishod;
Associated Sensations (rorSAS) i uticaja problema sa spavanjem na . koja promenliiuau skupr.rje najbolji prediktor odredenogishoda;i
opdte raspoloZenje(impact6),uz uklanjanie remetilatkog uticaia st,ro-
. da li odredenaprediktorskapromenljivai dalle dobro predvidaodre-
srr. Uporedlte (Pirsonovu) korelaciju nultog reda i koeficiient delimidne
korelaciie. Da li uklanjanie uticaja starctstiima znatnije posledice? deni ishod nakon uklanjanjauticaiadrugepromenljivelnpr.sklonosti
davaniudruitveno poZelinihodgovora).
Glavnevrste viSestrukeregresiie l.gattg ih primenite,preporudujemda proditate5taje o njima napisano(vi-
U zavisnosti od prirode pitanja na koje trai.ite odgovor, moZete upotrebiti deti rabachnick & Fid;ll, 2007, str.138).Neophodnoje ia shvatiteo
demu
viSevrsta viSestrukih regresija.Tri glavne vrste viSestrukih regresija su: seradi, kako izabratiodgovarajuieprornenljivei kako tumaiiti rezultare.
o standardna ili istovremena (simultana);
. hijerarhijska ili sekvencijalna;i Pretpostavkena kojima se zasniva
. postepena (engl. stepwise). viSestrukaregresija
U statistidkoyliteraturi autori testo razliditim terminima nazivaju te glav- ViSestrukaregresijaspada u pipavije statistiike tehnike.Zasnovanaje
na
ne vrste vi5estrukeregresije,5to jako zbunjuje iak i iskusne istraZivade,a o viSepretpostavkio podacimai ne praita ako su naruiene.Ne mozese
upo_
podetnicima da i ne govorimo! trebljavatina malim uzorcima,niti kada je raspoderarezukataveoma
asime_
tridna! sledeii saZetak.glavnih pretpostavkipreuzetje 5. poglavlja knjige
StandardnaviSestrukaregresija koju su napisaleTabachnicki Fidell (2007).Ne bi biio tos. ao proiitare
to
U standardnojviSestrukojregresiji,sve nezavisne(ili prediktorske)pro- poglavljepre nego 5ro nasravireanalizu.tebalo bi da proditarei uvod
u
menljive se istovremenounose u jednaiinu. Ocenjujese prediktivna mod detvrti deo ove knjige, koji obraduje osnovekorelacije,i pogledarespisak
svakenezavisnepromenljive,tj. meri sekoliko bi ona poboljiala model koji preporudenih referenci na kraju knjige. spSS proced.r" )n ispirivanje
tih
se sastojiod drugih nezavisnihpromenljivih.Ova vrsta viSestruke pretpostavkipodrobnijes.. razmotreneu primerimau nastavku.
regresije
senajdeiiekoristi. Nju bisteupotrebilida imateskup promenljivih(npr.raz-
nih skalaza merenjesvojstavaliinosti) i da istraZujetekoliki deo variianse Velidinauzorka
zavisnepromenljive(npr. anksioznosti)one mogu da objasnekao grupa ili ovde seradi o sposobnostiuopitavanja,tj. rezultatdobijenna malom uzor-
blok. Saznalibistei koliki deo jedinstvenevarijansezavisnepromenljiveob- ku-nemozeseuopititi (ponovodobiti)na drugim uzorcima.Koliko vredi re-
jainjava svakaod nezavisnihpromenljivihpojedinaino. zultat koji vaLi za samojedan uzorak?stogatreba znati koliko sludajevaili
subjekataje potrebnoda bi statistidkipokazateljiizradunatiza uzorakvaZili
HiierarhiiskaviSestrukaregresija za celupopulacijuiz koje je uzorak uzet.Razniautori daiu razliiite smernice
u hijerarhijskoj(ili sekvencijalnoj)
regresiji,nezavisne promenljivese unose btgi sludajeva(opservaciia)potrebnih za viiestruku regresiju.Srevens
7?
u jednadinuredosledomkoji na osnovuteorijskihrazloga zadaieistraZiv:ri. (1996, str.72)preporudujeda je'za istraZivanjau druitveniri naukamapot-
Promenljiveili skupovi promenljivih unosese u koracima (ili blokovima), rebno oko 15 subjekatapo prediktoruza pouzdanuiednadinu,.Thbachnick
pri demuseocenjujedoprinossvakenezavisne promenljivepredikcijizavisne i Fidell (2007,str. 123) daju formr.rluza iz'.raiunavanie
velidineuzorka.koia
promenljive,ali tako da se ukloni uticaj svih prethodnihpromenliivih.pri- uzimau obzir broj nezavisnihpromenllivih:N > 50 + gm (gcleje m = broi n.'-
mera radi, nakon 5to uklonite uricaj starosti,istrazujetekoliko dobro opti- zavisnihpromenljivih).za per nezavisnihpromenljivihbilJ bi potrebnoana-
mizam predvida zadovoljstvo Zivotom; srarosr biste uneli u bloku 1, a 90 sludajeva.Kada je zavisnapromenljivaasimetridna,potrebno je
lnirati
optimizarnu bloku 2.Kada su uneresvepromenljive,ocenjujesesposobnost joi viSesludajeva.za postepenuregresijupotrebno je
po 40 anariziranih
celogmodelada predvidizavisnoobelezjei relativandoprinossvakogbloka sludajevaza svakunezavisnupro-"rrljiul.r.
promenljivih.
Multikolinearnost
i singularnost
PostepenaviSestrukaregresija ovde se radi o odnosima izmedu nezavisnih promenljivih. Multikolinear-
L'lpostepenojregresiji,istraZivaidaje spss-u lisru nezavisnihpromenljivihi nost postoji kada su nezavisne promenljive
fako korelirane (r=0,9 i viie).
puStaprogram da, na osnovu skupa statistidkrhkriterijuma, izaberepro- Singularnost nastaje kada je jedna ,,nezavisna"promenljiva .npruuokombi-
menljivekoje ie uneri u jednadinui redosledpo kojem ie ih unositi.postoje naciia drugih nezavisnih promenljivih, tj. kada uopite nije nezavisna! To bi
tri verzijeovog pristupa: izbor unapred (engl.forward selection;,brisanje se desilo npr. kada bi model sadrzao i vrednosti .ta pojskalama i ukupnu
unazad (engl.backward deletion)i postepenaregresija(engl.stepwisere- vrednost na skali. ViSestrukaregresija ne voli ni multikolinearnost ni singu-
gression).Imanekoliko problemasa ovim tehnikama,te i sporenjau liter:a- larnost, a ta svojstva sigurno ne poboljsavaju regresioni model. oa .,vek oio-
turi o tome sta je ispravnaupotreba(a sta zlouporreba)svakeod nlih. pre verite da li promenlf ive imaju takva svojstva pre nego sto podn.te analiiu.
Netipidnetadke upravljajudogadajimau svom Zivoru;i skalaPerceivedcontrol of Internal
Viiesiruka regresiiaje veoma osetliivana netipi-netadke (veomavelike ili Sratesscale(PCoISS),koja meri stependo kojegljudi smatrajuda r-rpravlia-
veoma male vrednostirezultata).Pronalal'eniei obrada netipiinih taiaka ju svojim unutrainjim stanjima(oseianja,misli i fiziike reakciie).
trebalo bi da budu deo podetnogprocesadiSienjapodataka(videtipoglavlje U ovom primeru istraZujemkoliko dobro skaleMasteryi pcoISS predvi-
6). To treba uraditi za svepromenljive,i zavisnei nezavisne'koje iete upo- daiu rezuhatena skali subjektivnodoZivljenogstresa.sledi opis promenlfivih
trebljavati u regresionoj analtzi. Netipidne tadke treba ukloniti iz skupa upotrebljenihu primerimaiz ovogpoglavlja.Bilo bi dobro da proraditetepri_
podatakaili im dodeliti vrednostkoia jestevelika,ali sene razlikujepreviSe merena radunaruuz koriSienjenavedenedatotekes podacima.Udenievz-rad
Ld ostalih rezukata.Programza viiestrukuregresiiuima i posebneprocedu- je uvek bolje od pukog diranjaknjige. slobodnose poigrajtes darorekom
s
re za otkrivanje netipidnih taiaka. Netipiine taike zavisnepromenljive podircima- promenljiveupotrebljeneu primerima zamenitedrugim promen-
mogu se prepoznatina standardizovanomdijagrarru reziduala'koji SPSS ljivama.Pogledajtekoje 6eterezultaredobiti i pokuiajte da ih protumac.ire.
,r-. du nu.ti". (To je opisanou primeru u nastavku.).Tabachnicki Fidell Ime datoteke:survey3ED.sav
(2007,str. 128) definiSunetipidnetadkekao one dije su standardizovane re-
-3,3). Promenljive:
zidualnevrednostiiznad pribliLno 3,3 (odnosnomanjeod
' Total PerceivedStress(tpstress):ukupna vrednostna skali perceived
Stress(subjektivnodoZivljenstres).Velike vrednosripokazuiu visok
Normalnost,linearnost,homogenostvariianse,
nivo stresa.
nezavisnostreziduala ' Total Perceivedcontrol of Internal states(tpcoiss):ukupna vrednost
Svi ovi pojrnovi seodnosena razneaspekteraspodelerezultatai prirodu pri-
padnevezeizmedu promenljivih. Te pretpostavkesemogu proveriti na diia- na skali Perceivedcontrol of InternalStates(subjektivnodoZivljenasa-
gramu rasturanja reziduala,koji SPSSgeneriSeu sklopu procedureviSestruke mokontrola unutrainjih stanja).velike vrednostipokazujuveiu samo-
regresije.Rezidualisu razlike izmedudobijenei predvidenevrednostizavisne kontrolu unutrainjih stanja.
promenljive (ZP). Na dijagramu rasturantarezidualamoZeseproveriti: r Total Mastery (tmast):ukupna vrednostna skali Mastery (ovladava-
. nornxalnosf: rezidualitrebada su normalnoraspodeljenioko predvide- nje). velike vrednostipokazujuveii stependo kojeg ljr-rdismatraiuda
nih vrednosti ZP; upravljajudogadajimai okolnostimau svom Zivotu.
' Total SocialDesirability(tmarlow):ukupna vrednosrna Marlou-Kra-
t linearnost: rezidualitreba da imaju linearnu vezu s predvidenirnvred-
nostimaZP, tj. njihov dijagramtreba da je pribliZnoprava liniia; unovoj skali social Desirability(druitvenapozeljnost),koja meri ste-
c homogenostuarijanse:varijansarezidualaoko predvidenihvrednosti pen do kojeg ljudi pokudavajuda sepredstaveu pozirivnomsvetlu.
o Age: starostu godinama.
ZP trebada je pribliino jednakaza svepredvidenevrednosti.
Rezidualina dijagramimarasturanjakoje crta SPSSprotumadenisu u na- Najbolje se udi rade6i,narodirokada trebzruveZbatiovako sloZenetehni-
stavkupoglavlja;podrobnijuraspravuoveprilidnosloZene ke. Praksom6eteizgraditisamopouzdanjeza budu6nost,kada iere samiana-
temeproditajteu 5.
poglavljuknjigekoju sunapisaleTabachnicki Fidell(2007).Na kraju te knjige lizirati sopstvenepodatke. Naredni primeri obradulu samo stanclardnn
data je i preporuienaliteraturaza dalleovladavanjeviSestrukomregresijom. viSestrukuregresiju(StandardMultiple Regression) i hijerarhijskuregresiju
(HierarchicalRegression).Zbog kritika upuienih tehnikamapostepenevide-
struke regresije(stepwiseMultiple Regression),one ovde neie biti ilustrova-
primera
ObiaSnienie ne. Ukoliko insistiratena upotrebi tih tehnika (uprkos upozorenjima!),
Kao ilustraciluupotrebeviSestrukeregresijekoristi6uniz primera vzetrhiz predlaZemda proiitate odgovarajuiideo knjige rhbaihnick i Fidell
datotekes podacima survey3ED.sav, sapratede'Web lokaciji knjige(videtisrr'. ".rtoiki
(2007)ili nekih drugih naprednijihknjiga o mulrivarijacionoj analizi.
ix). Ta je anketabila projektovanaza tstraLivanjefaktora koji utiiu na psi-
hololko prilagodenlei opite raspoloZenje ispitanika.(Svepojedinostite stu- Kratak pregled viSestrukeregresiie
dile date su u dodatku.) U izloZenomprimeru viiestrukeregresijeistraZiiu Primer istraiivadkih pitania:
uticaj subjektivnodoZivljenogstepenauprarvljanja ispitanikanjihovim Zivo-
1. Koliko dobro dve date mere nivoa upravljanja zivorom (masrery,
tima, na njihov subjektivnodoZivljennivo stresa.Literaturau toj oblastika-
PCOISS) predvidaju subjektivno doZivljen stres?Koliki se deo varijan-
zuieda stresrede trpe ljudi koji smatrajuda upravliaiusvoiim Zivotima.U
(reference se u vrednostima subjektivno doZivljenog stresa moZe obiasniti rezul-
upitniku su datedve razliditemereLrpravljanja za te skalevideti u
do koieg tarima na te dve skale?
dodatku).To su skalaMastery,koja meri stepen ljudi smatraiuda
vgv rv
dozivlienstres:upravljanie Pre nego 5to zapoinete sledeii postupak, otvorite meni Edit i izaberite u
-2.Koje svoistvobolie predvida-subjektivno njemu stavkLrOptions; treba da je potvrdeno polje No scientific notation for
(skalaMastery) ili upravljanieunutraSnlimsta-
;;;ljil'dogadajima small numbers in tables.
njima (PCOISS)?
-3 . A k o u k l o n i m o m o g u 6 i u t i c a j s t a r o s t i i d : r v a n j a d r u 5 t v e n o zna-
poZeljnih
uvek da predvidi
odgouor", moZeii Lvai skup promenliivih ioi Postupakza standardnuvi5estrukuregresiju
stresa?
trlln d.o-uariiansesubiektivnodoZivlienog 1. OtvoritemeniAnalyze,izaberite stavkuRegression,pa pritisnite
Linear.
Sta rru- treba: 2. Pritisniteneprekidnu zavisnu promenljivu(npr. total perceivedstress:
o jedna neprekidna zavisnapromenliiva(ukupan subjektivnodoZivljen tpstress)i prebaciteje u poljeDependent.
3. Pritisnitenezavisnepromenljive (totalmastery:tmast;total PCOISS:tp-
stres):i
o dve ili viie neprekidnihnezavisnihpromenljivih (mastery,PCOISS)' corss)i prebaciteih u poljeIndependent.
npr' muikar- 4. U odeljkuMethod trebada leizabranaopcijaEnter.(Timese birastandard-
(Mogu se upotrebiti i dihotomnenezavisnepromenliive'
na visestruka regresija.)
ci=1.,Lene=2.)
je variiansezavisnepro- dugmeStatistics.
5. Pritisnite
Stasepostiie:ViSestrukaregresiiakazujekoliki deo . Potvrditepolja Estimates,Confidence Intervals,Model fit, Descripti-
Dale i pokazateli
menljive objainjen varijanim nezavisnihpromenliivih. ves, Partand partialcorrelationsi Collinearitydiagnostics.
,"lutiurrog doprinosa svakenezavisne promenljive. Testovi omoguiuju utvr-
- modela tako i nezavi- . U odeljkuResidualspotvrditepoljaCasewisediagnosticsi Outliers
divanfe ,I"tlriitk. znadajnosti,ezu6.aia kako celog
outside 3 standarddeviations.Pritisnite dugmeContinue.
snih promenliivihPojedinaino.
dugmeOptions.U odeljkuMissingValuespritisniteExcludeca-
6. Pritisnite
pretpostavke:osnovne pretpostavkena kojima poiiva viiestruka regresija ses pairwise.Pritisnite dugmeContinue.
pretpostavki
opiru.t" su u prethodnom Jelu ouog poglavlja' Neke od tih. 7. Pritisnite
dugmePlots.
(one
-ogo ," proveriti u sklopu analiza.'i5.rt.,rk"regresije. ie biti ilustro- .ZRESIDi dugmesa strelicomda bisteje prebaciliu poljeY.
. Pritisnite
vaneu narednimPrimerima.) . Pritisniie.ZPREDi dugmesa strelicomda bisteje prebaciliu poljeX.
. U odeljkuStandardizedResidualPlots,potvrditepoljeNormalproba-
StandardnaviSestrukaregresiia bilityplot. Pritisnite
dugmeContinue.
U ovom primeru odgovoriiemo na dva pitanja: 8. Pritisnite
dugmeSave.
. U odeljkuDistances,potvrditepoljaMahalanobisiCook's.
(mastery, . PritisniteContinueizatimOK (ilidugmePasteda bistekomandusnimili
Pitanje /: Koliko dobro dve date mere nivoa upravljanja zivotom
PCOISS) predvidajusubjektivnodozivljenstres? Kolikise deo varijanseu re- u Syntax Editor).
zultatimamerenjasubjektivnodoZivljenogstresa moze objasnitivrednostima Prethodnipostupakgeneriseovu komandu:
rezultata na te dve skale?
Pitanje 2:Koje svojstvo bolje predvida subjektivno doZivljenstres: upravljanje REGRESSION
spoljnim dogadajima (skala Mastery) ili upravljanje unutra6njim stanjima /DESCRIPTIVESMEANSTDDEVCORRSIG N
(PCOTSS)? /MISSINGPAIRWISE
/STATISTICS
COEFFOUTSR ANOVACOLLINTOLZPP
/CRITERIA:PIN(,05)
POUT(, 10)
za istraLivanje ovih pitanja upotrebiiu srandardnu viSestruku regresrlu.
/NOORIGIN
To znadi da se sve .r.ru,rim" prominljive isrovremeno unose u iednaiinu. Re-
/DEPENDENT tpstress
zultati 6e pokazati sposobnost ovog skupzr promenljivih da predvidi nivoe
/METHOD:ENTER tmasttpcoiss
srresa; i kazaie narn takode koliki deo jedinstvene variianse zavisle pro-
/SCATTERP1-61:("ZRESID IZPRED)
menljive objainjava svaka od nezavisnih promenljivih (mastery' PCOISS) D)
/RESIDUALSNORM(ZRESI
pojejinadno , pornd dctprinosasuih ox.allh nezavisnih promenljivih iz skupa'
/CASEWISEPLOT(ZRESI OUTLIERS(3)
D)
2a svaki pori tprk date su i odgovarajufe SPSSkomande. ViSe informacija /SAVEMAHALCOOK.
o .rpo,r"bi Sy.t?at Editora za pamienie i snimanje SPSSkomandi videti u
poglavlju 3.
Residuals Statisticsa
Evo rezultataoPisanogPostuPka'
M'r Maximum Mean Std. Deviation N
Corelaltons '18,03
Predrcteovalue 41,31 4 . U Ul 429
Std. Predicted Value -2,174 3,644 ,002 1.000 429
Total percelved
stress Total Mastery Total PCOISS Standard Error of
Predicted Value
,207 ,800 ,341 ,111 425
€;tson Total Perceived 1, 0 0 0 - 412 6q1
Adjusted Predicled Value 18,04 41,39 26.75 4.009 476
lorrelation stress -14.849 -,002
Rssidual 12.612 4.268 476
Total MasterY 1, 0 0 0 ,521 -3,475
Std. Residual 2,951 .000 .999 476
Total PCOISS -,581 .521 1.000 Stud. Residual -3.514 2.969 1.003
,000 426
TotalPerceived Deleted Residual -'15,190 12.765 -,001 4.306 426
Sig (1-tuil"Ot ,000 ,000
slress Stud. Deleted Residual -3,562 2.997 -,001 1.006 426
,000 ,000 Mahal. Distance .004 13.897 1,993 2,234 429
Total Mastery
Cook's Distance .000 .094 ,003 ,008 426
Total PCOISS ,000 ,000
Centered Leveraqe Value _000 n?? on5 ,005 429
Total perceived 426 a. Dependent Variable Tolal gercervedslress
433 433
stress
Total MasterY 436 429
PCOISS
TOTAI 426 429
Normal P-PPlotofFlegression
Shndardized Residual
Model Summaryb DependentVariable: Totalperceived stress
Std. Errorof
Model R R Square Adiusted R Square the Estimate
.466 427
1 ,684' ,468
a' Predictors:(constant),Total PColSS, Total Mastery
!
o DependentVariable:Total perceivedstress o
E
ANOVAb
o
vlodel Sum of Squares df Mean Square F Sio
'186,341 o
1 Hegresston bUUb t z 6 2 3403,364 ,000'
Residual 7725,756 423 18,264 d 0,00Jt
0,00 ,25 ,50
Total 14532,484 425
a ObservedCum Prob
Predictors:(Constant),Total PCOISS, Total Mastery
b
DeDendentVariable:Total perceivedstress
Scatterplot
Coefficienb'
Dependent Va riable: Total perceived stress
Standardized 95% Conndence Colhear(y
srd Ze@ 3
a
50,971 1,2i 3 2 ? o"'
o -
tmast
.10,222 -,745 ,.612 -.445 ..36: 1.372
-a 8-
lolal ,625 ,06r -.424 ,000 ,505
l
".'k"*
" J.""'trrffi
!
0
-,175 ,020 ,.360 ,8.660 ,000 '.215 . 136 -.581 ..36E -,307 1_372
l
PCOTSS
a 2
D€rendenlvaffable ipsfess lolal Frcerved st€ss
Casewise Diagnosticsa
32le
a' : o t a lp e r c e i v e ds t r e s s
D e p e n d e n tV a r i a b l e T
Tumadenierezultatastandardne presednetadke 10. Ti nas rezultati ne iznenaduju, poSto je koeficijent Pirso-
viSestrukeregresiie nove korelacije te dve nezavisne promenljive samo 0,52 (videti rabelu
Kao i veiina ostalihSPSSprocedura,i regresiiageneriSe gomilu prilidno ne- Correlations). Kada u svojim rezultatima uodite prekoradenje navedenih
razumljivihbrojeva.Da biste shvatilinjihov smisaoi znadenje,
vodim vasna graniinih vrednosti, trebalo bi da iz modela izbacite jednu od jako korelira-
ruru kroz deo rezultatadobiienih kao odgovor na Pitanie1. nih nezavisnih promenljivih.
Linear.
2. lzaberiteneprekidnu zavisnupromenljivu (npr.totalperceivedstress)i pre-
Std. Errorof ChanoeStatistics
baciteje u poljeDependent. FI AdjusledR the R Square F Sig. F
3. Prebacitepromenljive da ukloniteu poljeIndependent(npr.
dijiuticaj2elite vlodel R Square Square Estimate C h a ng e Chanoe dtl df2 C h a n oe
,238' ,057 ,052 5,69 ,057 12,711 2 423
One ce biti uneteu analizuu prvomblokupro-
age,totalsocialdesirability). 1
. 4 74 .469 4.26
,000
,68a1 , 4 1 7 16 6 , 8 7 3 2 421 .000
menljivih(Block1 of 1).
a Prediclore:
(Constant),
AGE, Totalsocialdesirability
dugmeNext.Prikazace
4. Pritisnite se drugopoljeza nezavisne promenljive,
u b Predictors:
(Constant),
AGE, Totalsocialdesirability,
TolalMaslery,TotalPCOISS
kojetrebaunetidrugiblokpromenljivih (trebalobi da piSeBlock2 of 2). c DependentVariable;Totalperceivedstress
Prethodnipostupakgeneri5esledecukomandu: c'Dependent
Variable:Totalperceivedstress
REGRESSION
Coefficienlsr
/DESCRIPTIVES MEANSTDDEVCORRSIG N
Unslandardized Slandardized Coliinearny
/MISSINGPAIRWISE c
std.
/STATISTICS
COEFFOUTSR ANOVACOLLINTOL CHANGEZPP Model B Bela Sio
Zeto"
order Padral
Toler
N(,05)POUT(,10)
/CRITERIA:PI (Lof,stanl)
total social
,983 ,000
-,209
/NOORIGIN desirabrlity 4.271 .000 -,228 -,203 -,202 ,928 1 , 0 8
aqe -.070
/DEPENDENT tpstress (Constant)
,031
51,922
022 1.438 -.127 -.070 -.068 ,928 1,08
.366 38,008 ,000
/METHOD:ENTERtmarlowage /METHOD:ENTERtmasttpcoiss lotal social
-,149 ,108 -,052 -1.373 , 1 7 1 .,224 ,,049
desirability ",067 ,871 1,15
/SCATTERPLOT:(.ZRESID,.Z PRED ) a9e -,021 ,017 ..047 - 1 , 2 3 9 ,216 ",127 ,,060 -,044 ,860 1.16
/RESIDUALSNORM(ZRESI D) lotal mastery -,641 ,062 ..435 -10,286 ,000 ",612 -.448 -,364 ,699 1.43
roratPcotss ,.160 ..327 -7,373 ,000 ..58r ,,338 -.261
/SAVEMAHALCOOK. a Dependent Vanabla,
totut p",""iu",j
,022 1,57
"*"""
'--* 'a",vve - ' I u.
Ulqrrotrvr\v ,- vrocDLr u^d tUgreslla
lbb L)W lV. r!
Postupakza logistickuregresiiu
pa pritisnite Dependent Variable Encoding
1. otvoritemeniAnalyze,izaberiteu njemustavkuRegression,
BinarYLogistic. OriqinalValue Internal
Value
zavisnupromenljivu i prebacite.;e
(npr.probsleeprec) no
2. lzaberitekategorijsku 0
u poljeDePendent. yes 1
. pritisniteprediktorskepromenljive(sex, age, getsleprec,stayslprec'
hourwnit)i prebaciteih u poljeCovariates'
. U odelikuMethodtrebada pi5eEnter' GategoricalVariablesCodings
3.Akoimatekategorijskihprediktora,pritisnitedugmeCategoricalnadnuok- Paramete
svekategorijske
lzaberite (sex,getsleprec,
promenljive stays-
virazadijalog. Frequencv 1)
lprec)i prebaciteih u poljeCategoricalcovariates' probstayasleep no 1? q ,000
' Redomizaberite svakukategorijsku promenljivu, dugmeFirst
pa pritisnite rec yes 103 1.000
u odeljkuChangecontrast,KadapritisnetedugmeChange'izaizabrane probfallasleep no 1F-'l
biti ,000
promenljiveprikazacese red first. Takoste zadalida grupa koja ie rec yes qn
ka- 1,000
upotrebllenakao referentnabude prikazanaprva'Ponoviteto za sve female
sex 140 .000
tegorijskepromenljive. dugmeContinue'
Pritisnite
male 101 1,000
I vv,qv,JE r +, Lugt$UcKa regresua
175
Block
B l o c k0 : B e g i n n i n g
ModelSummary
Iteration Historya'D'c
-2 Log Coefficients
Iteration likelihood Constant
Step 328,996 .z9t)
Estimationterminatedat iterationnumber
o a
328,996 ,293 parametereslimateschangedby less 5 b"a*r*
tnan .O0i--""
328,996 .293
Conitant is includedin the model. Hosmerand LemeshowTest
h
Initial-2 Log Likelihood:328,996
Estimationterminatedat iterationnumber 3 because
parameterestimateschangedby less than ,001.
Classification Tablea'b
Predicted
Classification Tablea
getsteprec(1
) 19,812 1 ,000
staystprec(1
) sB,1
83 1 ,000 CasewiseListb
hourwnit 17,709 1 ,000
OverallStatistics 70.017 ,000 Observed temporaryVariable
Selected probsleep Predicted
Case Slatusa recode01 Predicted
Block1: Method
= Enter 4Z S n'"
Grorro Resid ZResid
870 v -,870 -2,583
OmnibusTestsof ModelCoefficients 1Z+
v tzo n
227 c .874 2,633
IJJ n ,867 2,554
Chi-square df Sio. zJ5 S v 119
Step 1 Step q ,881 2,721
76,020 ,000 121 470
2,697
Block 76,020 6
,000 -
e =
a. S Selected,U = Unselected
cases,and ,- = Mir"l"]fruo
Model 76.020 ,000 b. Cases with studentized residuals greater than ""r"..
2,000 are tjsted
Tumadenjerezultatalogistidkeregresiie razmotrenogomnibus.testa. Kada je u pitanju Hosmer-Lemeshow Goodness
Kao i ve6inaSPSS-ovihanaliza,logistidkaregresiiadaje obilje rezultata,pa of Fit Test,indikato.rslabogpr.duidn.rjo znaiainor,
-""i" 0,05; dakle,
iu pomenutisamokljuine asPekte. model je podrzanako je 0,05. u,je
nai.* pri-"r.,,iJturnt.tj"a
".." "d
drat za Hosrner-Lemeshowtest iznosi 10,0r9 hi_kva_
Najpre treba pogledatipoiedinostio velidini uzorka, date u tabeli case rnotuiro{r"o,,reo.To je viie
Procesiing summary. Broi analiziranih sludajevamora biti lednak onome od 0,05, 5to znadida podrZavamodel. "r
koji steodekivali.Sledeiatabela,DependentVariableEncoding,kazujekako TabelaModel Summarykazujejoi neito o
upotrebljivosrimodela.Vred_
je spSSpostupio sa Siframazavisnepromenljive(u ovom sludaiu,sa odgo- nosti cox 6c sne'R square i Nagerkerk. R sd*;;;i;i,i
t otit i deo va_
vorima na pitanleiryaju li liudi problemasa spavaniem).SPSSzahtevada te rijansezavisnepromenljivemodel objainlava (mrnrmum
je 0, a maksimum
promenljivebudu Sitrovanesa0 i 1, ali ie ih i samreiifrovati ako to prethod- priblizno 1). To su takozvanipseudopokazaterjtur.d.,orti
,i t, n" kvadrat), a
no sami nisteuradili (npr. ako su vaie Sifre1 i 2). Htela sam da moja pro- ne njeni stvarni iznosi, koji se mogu videti u
rezultatimuuis"rrrut . regresije.
'problem with sleep' bude Sifrovana sa 0=n€rla problerna i U ovom primeru,ra dva pokazateijasu 0)7r i
menljiva 0,363,Jr" ,""er da dati skup
1-problem, pa sam napravilanovu promenljivu(proceduromRecode- vi- promenljivih(moder)objainjavaizmedu27,r
i 3'6,3;;;;;;; va'janse.
deti poglavlje 8) i reiifrovala prvobitne odgovore L=da, Z=ne na format Prelazimona taberucrassification.u njoj
,u pokurut.r;rl"iil.o tadnomo_
poieljan u SPSS-u, tj. na 1=da,0-ne. Thkvo Sifrovanie(kada se postojanje del predvidakategoriju(ima problemasaspavanjem/nema
probl.rn" sa spa-
problema oznaiavasa 1, a nepostojanjesa 0) olakdavatumaienje rezuhata. vanjem) za svaki ispitivani_srudaj. MoZemo ih uporediti ,l irroi-".,o-
U sledeioj tabeli Categorical Variables Codings pogledajte Sifrovanje tabelom u Block o i yr.aelrpoborjianje postignuto
rr.ri";.rrr.- prediktorskih
nezavisnih(prediktorskih)promenljivih. Takode, u koloni sa zaglavliem promenljivih u moder' Thj moder ispr"unJkr"rifik;;-t;,i^
sludajeva(eng|.perce.ntage o.o..rrura svih
Frequencyproverite broj sludajevau svakoj kategoriii. Nemojte raditi sa accurary l, ,lorrifirrriJ',"piii, !,o ;. bolje od
grupamakoje imaju malo sludajeva. 57,3 procenaranavedenihu Block 0. R.rultuti
prik";;i ; orloj taberisluze
U sledeiemodeljku, Block 0, dati su rezultati analizebezijednenezavisne i,Ta.izr.aiulavanje drugih staristiikihpokazatelja,koji sedesto
navodeu me_
promenljiveod koiih semodel sastoji.S njima iemo kasnijeuporeditirezul- dicinskojliteraturi.
tate modelakoji obuhvataprediktorskepromenljive.U tabeli Classification oserljivost (engl.sensitiuity) moderaje procentualni
udeo grupe sa ispiti-
stoji da je ispravnoklasifikovanihsludajevaukupno bilo 57,3 procenata.U vanim obeleZjem(ngr ,u ,puu"njem)
.g1o!!e- koji je modeit"ino prepo_
ovom primeru, SPSSje klasifikovao(nagadao)da nijednaosobaneie imati znao (stvarno pozitivnih). u ovom primer.r, mojel' je tadno klasifikovao
problemasa spavanjem(samozato Stoje veii procenatljudi na pitanje od- 68,9 procenataosobakoje imaju probl.-u
sa spavanjem.odredenost(engl.
govorio sa Ne). Nadamo se da iemo kasnije,kada unesemonai skup pre- specificity).modelaje procentuarnludeo grupe
koju rrp;*ano obeleZje
diktorskih promenljivih,poboljSatitadnosttih predviclanja. (nemaproblemasa spavanjem)koji ".*"
;. tti"a.r tudno pr.for'nno 1r,uu.no,r.-
Prediteu slede6iodeljak,Block 1. Tu su rezultatiispitivanjamodela(sku- gativnih).U ovom primeru, odreclenost
iznosi 79,7 procenata(osobakoje
pa prediktorskih promenljivih).U tabeli Omnibus Tests of Model Coef- nemajuproblemasaspavanjem,za koje
modertutno i..a,ri;;;" nemajutih
ficients dati su zbirni pokazatelji perfbrmansi modela, dakle razlika u problema).
odnosuna rezultatedobijeneza Block 0, kada u model niie bila unetanijed- Pozitivnaprediktivna vrednosrje procentuarni
udeo sluiajevakoje n-rodel
na prediktorskapromenljiva.Taj test se zovegoodnessof fit,tj. koliko do- klasifikujekao da irnaju ispitivo'o
ob.r"z1e,a da se ono zaistaopaia u toj
bro model predvidarezultate.Za taj skup rezultataZelimoda budu veoma grupi' Da bisteto izradunaliu tekuiem
primeru,podelitebroj sludajeva u c.e-
znadajni(velidinaSig. bi trebalo da bude rnanjaod 0,05). U ovom sluiaju, observea=y91
1ZrI uirlpnimbrojemielijapredicted_yes
znaiajnostiznosi 0,000 (5tozapravoznaii p<0,0005).Stogaprogladarvamo llilt;1,.r..11yes,
\L6 +_/r = 99) r pomnoZitesa 100 da dobijereprocenrualnilr.,or. Dobili bi-
da model (s naiim skupom promenljivih kao prediktorima)predvidabolje smo 71 podeljenosa 9-9x 1.00= 71,7procenata.
Dakle, pozitivnapredikriv_
od SPSS-ovog prvobitnog nagadanjaprikazanogu odeljku Block 0, dobije- na vrednost rz'tosi 71,,7procenata,ito
pokaru;" do';i nnl model taino
nog uz pretpostavkuda niko neie odgovoriti kako ima problema sa spa- izabrao71,7 procenor"orob" za koie je prognozirano
da imaju probremasa
vanjem.Pokazateljhi-kvadrat iznosi 76,02 uz 5 stepenislobodei to treba prediktivnavrednostje procenrualni
io^llTl.;l; udeo strriajeva
navestiu izveitaju. ko;e model ,Y:?,il:.1"
klasifikujekao da nemajuobeleZje,a a" ,"
o.,o ^irr" ,r. opa,a
I rezultati prikazani u tabeli Hosmer and LemeshowTest podrZavaju u toj grupi' u tekuiem bro;"ui i, r.r"rril".i"ne tabere
tvrdnju da je model dobar Tvrdi seda ie to SPSS-ov najpouzdanijitestkva- jesu: 110 podeljenosaf:i1"r"'^:dgovarajuii
(1t0 + 32) x 100 = 7_!.,s
urocen;;;:'ffi
liteta predikcile modela. On se tumaii sasvim drr"rgadije od prethodno klasifikacionihtabelapotrazire.u knjigamaNrrigh;ai;gi,'rri.'\zg)o upotrebi
(2001, str.237), gde je dat i jedanjednostavanprimer. ili peat
I TJ
Tabela Variables in the Equation c{ajepodatke o doprinosu ili vaZnosti Imajte u vidu da je.na5prediktor neprekidna.promenrjiva;
\Wald,pa su vrednosti po- zarogovorimo
svake prediktorske prornenljive' Taj test je izurlio o pove6anju(ili smanienju,ako je KV manji od
1) verovat;oie za svakuje_
kazatellaza svirki prediktor navedeni u koloni sa zaglavliem Wald. Pogledaj- dinicu poveianja prediktorske promenrjiu"
1., o.ro,ri rrJniu, godiinjeg).
te niz kolonu Sig. ima li brojeva maniih od 0,05. To su promenljive koje Kada je prediktorskn kateg.orirska,
l."T:lljrva poredimou*ou"tnoe e za te
zna(ajno doprinose prediktivnim mogudnostima modela. Utvrdila sam da su dve karegorrie.za.kategorijske p.o-.,ir;iu" ," ju-"
- t""t"gori;e,svaka
tri promenljive znaiaine (stayslprecp 0,000, getsleprecP = 0,035, hourw- kategorijaseporedi s refere.nrnom "rs" "J-
gt_,rpor (najdeiie grupo- iij" je iifra naj_
nit-p = 0,007). U ovom primeru, glavni faktori koji utiiu na to da li ie osoba manji broi, ako stezadaliFirst u contrast ,, ;k;;;-;; diiarogDefine
odsovoriri da ima probierna sa spavanjem jesu: teZina padania u san, lako CategoricalVariables). "aeljk"
bulenie i broj sati ,fodnog sna. Pol i starost ispitanika nisu zniriaino dopri- Za kolidnikeverovarnoiemanjeod 1, u izve.raju
bismomogrinavestinji_
neli modelu. hovu reciprodnuvrednost(1 podeljens tim brojem)
da bisrnoolakiarituma_
Koeficijenti B u drugoj koloni ekvivalentni su koeficiientima B dobiienim tenje.Primeraradi, u ovom sludaju1 podeljeno
o,isg i"'iJako je 1,56.To
u analizi viSestruke regresije. Ti brojevi se stavljaju u jednadinu za izratuna- kazujesledeie:za svaki sat noinog sna marrje,"^
verovarnoiada fe ispitanik
vanie verovatnode da analizirani sludaj spada u odredenu kategoriju. Pogle- odgovoritida ima problemasa.sp.aianjemraste
za 1,55.Ukoliko odluditecla
dajte da li su koeficijenti B pozitivni ili negativni. To ie vam ukazati n;r smer navedetereciproinevrednostikolid"ika verovatnoie,
trebalobi clanavedete
veze (koji faktori poveiavaju verovatnoiu odgovora Da, a koji je smanjuju). i reciproinevrednostiinrervalapoverenja(videti
slejeii pur,-,r1.
Ako ste ispravno 5ifrovali sve zavisne i nezavisne kategorijske promenliive za svaki koliinik verovarnoae, koioni Exp(B)
(sa O=ne ili nepostojanje obeleZja; I=da ili postojanje obeleZja), negativne taberevariabres in the
Equation prikazan je pripadni 9S-procentniinterval
vrednosti koeficijenata B pokazuju da poveianje vrednosti nezavisne pro-
poverenja(9s,0"h cr
for EXP(B)),njegovadonja i gornja granica.
Njega rreba navesriu rezulta_
menljive ima za posledicu smanjenje verovatno6e da ie ta osoba odgovoriti tima. .fednosravnoredeno,to je opsef za koji sa gs-p;""irom
sa 1 u zavisnoj promenljivoj (5to u ovom sludaju pokazuje postojanje pro- sigurnoiiu
tvrdimo da obuhvata stvarnu ur"Jnoit kolidnika
blema sa spavanjem). U ovom primeru, promenljiva koja meri broj sati noi- Ne zaboravi_
'lb te, broj navedenkao koridnik verovarnoie ""r;;;;;.
j. p.o.""u ili nagadanje
samo
nog sna ima negativan koeficijent B (-0,448). kazuje da 5to viSesati osoba stvarne vrednosti na osnovu podataka iz
je uzorka. bou.r.n,. t oje imamo u
spava noiu, to manje verovatno da ie odgovoriti kako ima problema sa tvrdnju da je to raina vrednori
1rucelu populacij.r)menja,i., ,uuir'orti od
spavanjem. Za ostale dve kategorijske promenijive (teZina padanja u san, velidineuzorka. Mali uzorak znati daie interval
poveren;'aoko procenjenog
lako budenje), koeficijenti B su pozitivni. To znaii da osobe koje smatraju kolidnika verovatnoie biti veoma iirok.
Interval se naglo smanjuje s po-
da teiko padaju u san odnosno da se lako bude, dedie odgovaraju Da na pi- veianjemuzorka. u ovom primeru, inrerval
poverenja,i pr.-.rriivu lako
tanie smatraju li da imaju problema sa spavanjem. se budi (zastavslorec,KV=Z,ZZ) ide
J 3,g5 do 13,7S.Dakle,iako navo_
JoI jedan koristan podatak sadrZi kolona Exp(B) tabele Variables in the dimo da je izraiunati KV = 7,27, noi:.emobiti
95 procenarasigr.rrnida stvar-
Equation. Ti brojevi su kolidnici verovatnoie (engl. odds ratios) za svaku ne- na vrednosrKV celepopulacijeieZi
izmedu3,s5 i'i3;;;;:;;l: veomaiirok
zavisnu promenljivu. Kako pi6u Tabachnick i Fidell (2007), kolidnik vero- opsegbrojeva.Intervalpourrer,la
u rom sludaju
vatnoie (KV) je 'promena verovatnoie pripadanja jednoi kategoriji ishoda zultat starisriikiznadajanuz p < ".,;l;i;;;;
,, srogaje re_
0,05.Kada interv"6;r;;;;; sadrzibroj 1,
kada se vrednost odredenog prediktora poveia za iednu mernu jedinicu' (str. kolidnik verovarnoie nije statistidk
i znaiajanjer ne mozemo iskry.uditimo-
461,1.Unaiem primeru, verovatnoda da ie osoba odgovoriti sa Da na pitanje guinost da je stvarni kolidnik
u.rou"r'o!. 1, iro ukazujena jednakuvero-
ima li problena sa spavanjern jeste 7,27 puta veia za onoga ko odgovori da vatnocuoba odgovora(dalne).
se lako budi u odnosu na osobu koja se ne budi lako, kada su svi ostali fak- tabelarezulrara,CasewiseList, govori o
tori jednaki. ,^,1"i:11i,
nole sludajevirna u uzorku
modelne predvidadobro. prikazanisu
Zna(ajan prediktor je i broj sati noinog sna, sudefi po pripadnoj velidini sludajevis vrednostima pokaza_
telja ZResidu"ii- od.]. (u
prr-.ru, ,o ,,, sluiajevi broj 42,224,227,
Sig. (p=0,007). Medutim, koli6nik verovatnoie zal ovu promenljivu iznosi """-
0 , 6 3 9 , d a k l e m a n j e o d 1 . T o z n a d i s l e d e 6 e : 5 t ov i S es a t i o s o b a s p a v a n o i u , 3lj,:.3fll jludajevldiiisupokazatelji
u.eiod 2,s (ili manjiod _2,5) teba
p a z r r l v l r er s p r t a t i ,p o S t os u s v a k a k o n e t i p i d n . i
( g g p r o c e n a , n, l u i r l . u u i m a r a j
nranje je verovatno da 6e odgovoriti kako ima problema sa spavanjem. Za pokazatelj izmedu -2,si +2,5).Iz ostalihi"roi-uiqu;;
svaki dodatni sat no6nog sna, verovatnoia da c'e osoba odgovoriti da ima iliu vidi seda
le zajedan sluiaj (broj 42) bilo predvideno
problema sa spavanjem opada za 0,639, kada su svi ostali faktori jednaki. fa fe lrti .. r.","gGi
problemasa spavanjem),a zapravoje (u kolorri,o[s.;;;;?;,ranje Da (imam
vorenosa Ne. za sveostalenetipidnesludajeve odgo_
bilo je pr;lr;;;" da de od_
govoriti Ne, a re osobe su odgovorile Da. Za
sver. ,iutuj.u.-iu
oogorouo
one iiii je pokazateljZResid preko 2,5) treba proveriti uneteinformacijei
uopite s^znativiSeo njima. MoZda fete naiii nargrupesludajevakoje model
ne predvidadobro (npr.lfude koji rade u smenama).Razmisliteo tome da iz
datotekes podacimauklonite sluiajeves velikim vrednostimapokazatelja
ZResid i da ponovite analize.
rezultatalogistidkeregresiie
Predstavljanje
Rezuitati ove procedure rnogu se predstaviti ovako:
/PLOTEIGEN iomponenl
Extraclh'n Sums ot Sou{6d Loddinos
Iota I ?,6ol Varianc
Cumulative 06
/cRrTERrAMTNEIG EN(1) TTERATE(2s) 6.250 31.249 31 249
Tolal
6.250 3l,249 31,249
/EXTRACTION PC 3,396 16.979 44.224 3.396 16,979 48.22A
/CRITERIAITERATE(25) DELTA(O) 1.223 6 , 1l 3 5 4 . 3 4I 1,223 6 , 11 3 54 341
1 , 15 8 s,788 60.130 '|
/ROTATION OBLIMIN ,898 4,430 64.619
,'158 5,788 60 i30
Pattern Matrixa
Component
1 z 4
pn17 ,oJo
pn12 ,795
p n l3 ,735
p n1 8 7at
p n1 5 ,721
pn1 ,708
G
c pn9 ,638
p
u pn6 604
pn7 578
pn4 531
pn3 ,909
pn14 ,8BB
C o m p o n e n tM a t r i x a
p n1 9 ,799
pn2O ,677
pn8 ,477 413
474 p n 10 BOB
,404 p n 11 707
,621 pn2 ,434 473
-.o lq .420 pn5
,830
.609 .323 pn16
,773
,607 ,413 Extraction
Method
: eiiffisrs.
,600 ,381 RotationMethod:Obliminwith KaiserNormaliiation.
-,591 .408 a. Rotationconverged in 8 iterations.
-,584 ,449
456
,582 ,497
-.569 .545
-,554 .366 Tumadenjerezultata
-.545 .459 Kao veiina ostalih SPSSprocedura, i ova daje
mnogo rezuhata.u ovom
.474 odeljku,proveiiu u", kro, kljudni deo potrebnih
informaciia.
,477 ,483
.432 .437 Korak 1
Kako bisteproverili da li je skup podatakaprikladan
za fakrorskuanalizu,
pogledajteda li
ie vrednosrpokazatellaKaiser-Meyer-olkinMeasure of
(KMO) jednakaili veia od 0,6 i au n je vrednostpo_
iliptl:s3d:qu.ug
t<azatelja
a E x t r a c t i o nM e t h o d :P r i n c i p aC
l omponent Analysis' Barlett'sTest of sphericity znatajna (tj. da je vrednostsig. 0,0j ili
ovom.primeru, pokazateliKMo iznosi 0,g74, a i Bart'ietovpo-
i11"i.l: !je
<azatelj znadajan(p = 0,000),te je faktorska analizaopravdana.U tabeli
CorrelationMatrix (koja ovde nije prikazanazbog ograniienogprostora), r:r,'..e se program
}ltff,$f
potraZitekoeficijentekorelaciieiednakeili veie od 0,3 (videti2. pretpostav- Monte Carlo I
p;{+d:#
-..J:.f
iii;''"'";,'*',rl*:#i{fu
ku). Ako ih u va5ojmatrici nema ba5mnogo, razmotriteda li ie faktorska
analizatakvih podatakauopite opravdana'
Korak 2
Da bismo odredili koliko komponenata(faktora) da izdvoiimo, razmotri(e- t u."t *.i,ir*;';;i::.:l iil? U]il*:
,i1;'i,Tlii,?""'1:l'-'ri'"i.ri!i'.-i{"11?* i' i p';k; ;i,'.,i"1
nro deo rezultata.Po Kaizerovomkriterijumu,zanimajunas samokompo- rabeli 15.1).
-vvrrv*r H JT:i"' sludajnih
L'r ruu ttzoraka 1vrecrn brojeva lvideti
;;';
nente dila je karakteristidnavrednost 1 ili vi5e.Da bismo odredili koliko
komponenatazadovoljavataj kriterijum, pogledaiemotabelu Total Variance ',"H'",:T;;iiff ,oi:*"- uporeclite
Explained.Proiitajte brojeveu prvih nekoliko kolona, pod zaglavljemInitial
Eigenvalues.Navedene su karakteristiine vrednosti svih komponenata. U
ij.1.Ji*";:T"'Jtr*{Hf,ilTlJffi
e-,'r+;;.*l.;,"i,&::if,t:: j .xi11;#'r-'
?j - d,,i;;
;;
rimeru. fi;;,r,:ff"i"i111
ovom primeru) salno prve ietiri komponenteirnaju karakteristiine vrednosti
iznad 1 (6,25, 3,396, 1,223, 1,158). Te detiri komponenteobjainjavaju
:,Ufl ;; ;+i"1r m r :*:;,
"".":i
: #'i]'.X ::g
ukupno 50,13 procenatavarijanse(videtikolonu Cumulative7"). ::f ,:;:f .l "i:1"
za<triimosamodvai-:#,"1';';il"'il:"Hi:"::-rff.tistraiivani
Korak 3
Videieteda je broj komponenatakoje zadovoljavajuKajzerovkriterijum de- Tabela15.1:Rezultatiparalelne
analize
sto prevelik,pa obaveznotrebapogledatii dijagrarnprevoja(Screeplot) koji
je SPSSnacrtao. PotraZitena njemu prevojnu taiku. ZadrLavajuse sarno 7/03/2004 'l
1 : 5-8-: 3 2A M
Nurnberol varrables.
komponenteiznadte tadke.U ovom primeru,sasvimje jasanlom dijagrama ;;
Nurnberol subiecls
na spoju drugei tredekomponente.Komponente1 12 objainjavajumnogo Or,
r \ u m D eor f r e p l r c a l r o n s
l0O
veii deo varijanseod preostalihkomponenata.Na osnovuovog dijagrarna, Eigenvalue
RandomEigenva,ue
1 standardDev
preporuiila bih da se zadri.esamo dve komponente(tj. izdvoje samo dva z 1.3984
f'aktora).Postojijoi jednatadkaloma, posleietvrte komponente.U zavisno- 3 13277 ::::
4 1,2733 ::::
sti od kontekstaistraZivanja,i njoj bi moZdatrebalo posvetitipaZnju.Ne 5 1 2233
.v.e1
,0236
zaboravite,faktorska analizaje tehnika istraZivanjapodataka,pa su tuma- 6 r,1832
t 1 1433 :]:l
denjerezultatai naiin na koji iete ih upotrebitiprepultenivaiem sudu,a ne g 1..,052
w.uo
bilo kakvim dvrstimi strogim statistiikim pravilima. j.o6z9 ,0192
9
.l n 107
10 .0389
0186
lr 1.0033
n1q"
Korak 4 12 O9 7 1 2
orSo
13 o.93BO
Treii nadinodredivanjabroja faktora koje treba zadrLatijesteparalelnaana- o.9os1
,417s
|4 n 1e 7
liza (takodeobradenau prethodnomdelu poglavlja).U tom postupkukoristi 15 0.8733
.16 .o l z9
sespisakkarakteristiinih vrednostidat u tabeli Total VarianceExplainedi jod 0,8435
,0187
t7 o.B.ro7
neki brojevi koje morate pribaviti iz jednog drugog statistiikogprograma i8 0.7804
n 1pq
o19o
(koji je napisaoMarley Watkins,2000), dostupnogna prateioj \X/eblokaciji 19 o . 74 4 g
.0194
20 o,/o9o
knjige. Sledite hipervezedo Web lokacije Additional Material i tamoinju /to3t2oo411b8:bo 0 6582
komprimovanu datoteku parallel analysis.zippreuzrnite na svoj raiunar. AM 33i:
pcAforpararler
Anarys
Raspakujteje na ivrsti disk i pritisnite datoteku MonteCarloPA.exe. ;l::j:c^1,:
Watkrns, s
M * ,r0ool"r".,#,
pA Eoapsvc.,'nl;:;;;r"""''tPCArorpararrer
anatysis[coTDutersolware]
srarecolleop
Pl vl I ler rrjrYrr I
Poglavlje 15; Faktorska anahza
19
vrednostidobrjenihu PCA i vrednosti
Tabela15.2:Poredenjekarakteristidnih Communalities
pragadobijenihparalelnomanalizom
lokacije na kojoj se brzo i lako mogu izradunati oba spomenuta pokarzatelja o opcija Exclude casespairwise (katkada
piie Excrude cases anarysisby
velidine uticaja glasi: http://web.uccs.edu/lbecker/Psy590/escalc3.htm. analvsis)znatj da ie.sludaj(osoba)u.itiirr.r;Jl;;;
onih anariza
Cohen (1988, str.2Zl predloZio ie sledeie smernice za tumadenie velidine za koje mu nedosrajeneki od neophocr"id
p;";;k;:. b"kre, i takvi
uticaia (kada se ocenjuje istr:rZivanjekoje obuhvtrta poredenie grupa). [Ko- sluiajevi ie bill analiziranikad go.1je ,"
;;;;;'ri ,."0 goci imaju
enova preporuka se odnosi na pokazateli eta kvadrat, a[i se moZe primeniti podatkepotrebneza odredenuanalrrr',.
i na trrmaienje pokazatelia parcijalni eta kvadrat. Formula za parcijalni ima ' opcija Replacewith mean,
dostupnau nekim Spss-ovimstatistiikim
neznatno dr,rgadili imenilac. ViSeo tome proditajte u knjizi Tabachnicka i Fi- postupcima(npr.viiestrukojregresiji),znadi
a" c. rritiirru.,r.,"ro ,r"d_
delIa,2007,str.55.] nja vrednostsvihpromenrjivihida ie
biti ,nm..,ieni nedostajuii
fioye.
podaci. Ovu opciju nikada ne bi trebato d" k"ri;;;;,;r;; mo2e znat_
Velidinauticaia Eta kvadrat Koenovd (jedinica no da iskrivi rezurtateanarize,narodito onda
(o/oobja5njenevarijanse) standardnogodstuPanja) kacla'iJor,u;. mnogo
podataka.
Mali 0 , 0 1iti 1o/o 0,2
Kad god radite neki statistic=ki
postupak,pritisnitedugmeopdons
Srednji 0,06 ili 60lo 0,5 veritekoja je od navedenihopcija po,urd"n" (jer i pro_
se podiuru-"uana opcija
Veliki 0,138 ili13,80/o 0,8 menja u zavisnosriod postupka;.Ako nem.a.re jak razlog da postupitedru-
gadije,preporudilabtlr r."T da srudajeve
iskljuiite,"-"-ir.Iih
koje im nedosrajupodaci(pairwise).jedina situacija anarizaza
Vodite raduna o torne da Koen daje drugaiije smerniceza korelacione kada bi vam mogroza_
projekte (obradeneu ietvrtom delu kniige). Gornje vrednostivai'e za po- trebati da analizeogranidite samo n"asruiajeve
r..ii ,"rq"'pJa"tt.
promenljive(listwise)jesteona kada trebe za sve
redenjagrupa. I razmotrltr samopodskup sluda-
jeva koji dajepotpun skup rezultata.
,,!,,[iti:ffi?::;jT5i{p1r"3
karegorijske podatke:
manje 10. Kada tabela 2 sa 2 ne zadovoljava ovu pretpostavku, umesto %within SEX
% within
vrednosti hi-kvadrat treba upotrebiti FiSerov ,,taian pokazatelj verovat-
St\roKE
noie" (engl. Fisher's Exact Probability Tesr), koji se navodi u sklopu rezul- % of Tota I
tata hi-kvadrat testa.
ExpeciedCount
% w i t h i nS F X
Postupakza obavlianjehi-kvadrattesta nezavisnosti % wrthin
SMOKE
Da bistepratiliovajprimer,otvoritedatotekusurvey3ED.sav.
"h at Total
1. Otvorite meni Analyze, pritisnitestavku Descriptive Statistics,zatim rorar cil;
Crosstabs. E x p e c t e dC o u n t
2. Pritisniteonu promenljivu(npr.sex/pol)dijece kategorijezauzimatiredove "/. within sEX
tabele;pritisnitestrelicuda biste izabranupromenljivu prebaciliu polje % within
SMOKF
Row(s).
7oof TolaI
onupromenljivu
3. Pritisnite (npr.smoke/puSad) dijeie kategorije
zauzimatiko-
lonetabele,pa pntisnitestrelicuda bisteizabranupromenljivu prebaciliu
ChiSquare Tssts
poljeColumn(s).
dugmeStatistics.PotvrditepoljaChi-squarei Phiand Cramer's
4. Pritisnite Value dl
Asymp. Sig.
(2-sided)
Exact Sig. Fxac t Sig
tsearsonChfsquare (2-sids.il ( 1-sided)
V. Pritisnite
Continue. Continuity Correclion a
.494 l
,442
,337 '|
5. Pritisnite
dugmeCells. Ltkelihood Ratio ,562
CROSSTABS SymmetricMeasures
/TABLES:sex BY smoke
/FORMAT: AVALUETABLES
/STATISTIC:CHISO PHI Value ApproxSio.
Nominal -,034
/CELLS: COUNT ROW COLUMNTOTAL Cr"r"f, V ,482
/ C O U N TR O U N DC E L L . ,034 ,482
ffi assumingthe null hypothesis
b. Using the asymptotic
436
Sledi deo rezultataopisanog postupkaza tabelu 2 sa 2. lzlazse malo razlikuje standard error assuming the null
hypothesis
za promenljivesa vi5eod dve kategorije,ali u njemui daljetreba tra2itiiste kljud-
ne oodatke.
Tumadenie rezultata hi-kvadrat testa nezavisnosti koeficijentfi je -0,034, sto se smatra vrlo malim uticajem
po Koenovom
(1988)kriterijumuod 0,10 za mali,0,30 za srecinjii 0,5Ci
;;iiki utical.
Pretpostavke Za tabeleveie od 2 sa 2, u izveitaj rrebastaviti K;u_;;";pokazatelj
hi-kva- V
Najpre treba proveriti da li je prekrienajednaod pretpostavki,testa (cramer's v), koji uzima r.robzir broj stepenislobode.
zu orrr),ruvelidine uti_
drui u pogledu naimanieoiekivane ielijske uiestalosti,koja bi trebalo da caja kod veiih tabelakoristese malo drugac:ijikriterijumi. no
brrt. utvrcrili
bude5ltl uiS.(ili da naimanjeB0 procenata ielija ima odekivane uiestalosti koji kriterijum da upotrebite,najpre oduzmite1 od broja kategorija
u red_
-5ili viSe).Ta informaciiaie data u fusnoti ispod tabeleChi-SquareTests.U noi promenliivoi(R-1)' azatintoduzmite1 od broja kategorija'u
kolonrkol
'-'
fusnoti b u primeru kaZese'0 cells (,0%) haveexpectedcount lessthan 5. promenljivot(K-1). Od ta dva broja, zadriiteonai'manii."
The minimum expected count is 35 ,87'. To znadida nismo prekrdilipretpo-
-oi"kiuutt. ZaR-1, ili K-1 jednako1 (dvekategorije): mali=O,Q1,srednji_0,30,
stavklr,poito su udestalostiu svim ielijama ve6eod 5 (u naiem ki=Q,53
veli_
primeru,veie od 35,87). Za btlo R-1 bilo K-1 jednako 2 (trr kategorije):mali=0,g/,
srednji=0,21,
veliki=0,35
Hi-kvadrat testovi
Za bllo R-1 bilo K-1 jednako 3 (detiri karegorije):
U rezultatimanas najviSe zan'tmavrednostPearsonChi-Square,data r"rtabeli mali=O,Q(,51"6_
nji=O,17,veliki=0,29
chi-square Tests.Medutim, kada se ima tabelaz sa 2 (ti. kada svakapro-
menliivaima samodve kategorije),trebaupotrebitivrednostu drugom redu ViSeo pokazateljima koeficijent fi i Kramerov v proiitajre
u knjizi Gra_
rabele(Continuity Correction).To ie tzv.Jejtsovakorekciia (Yates'Correc- vetterai'Wallnaua(2004,str. 605).
tion for Continuity);ona kompenzuieprecenjenuvrednosthi-kvadratkoia Rezultateove analizemogli bistepredstavitiovako:
je posledicamalog broja dimenztiatabele2 sa 2. U gorniemprimeru, kori-
gou"n" vrednostiznosi0,337, uz znatainostod 0,56 (datu u koloni Asymp. Hi-kvadrattest nezavisnosti(uz korekcijuneprekidnostiprema
Jejtsu)nije po-
5ig. 1Z-ria.a)).Da bi rezukatbioznaiaian, veliiina Sig.treba da je 0,05 ili kazao znad,qnuvezu izmedu pola i pu6adkog statusa, (1, :;tO
c2 n : 0,04,
manja. U ovom primeru, vrednost0,56 je (11 puta) ueia od alfa vrednosti -0,03.
p : 0 , 5 6 ,f i :
0,05, pa mozemozaklluiiti da na5rezultarniie znaiaian.To znadida sepro-
porcija muSkaracakoii pusene razlikuie znatainood proporciieZenakoje
puie. Nema nikakve vezeizmedupuiadkogstatusai pola' Meraslaganjakapa
Joi jedanod statistidkihpokazateljaza kategorijskepromenljiveu spsS-ovoj
Unakrsno tabeliranie proceduricrossrabsjesremera slaganjakapa (Kappa).
ona je uobiiajenau
Procenatpuiaia svakogpola moie seoditati u zbirnim informaciiirmadatim medicinskojliteraturi z.aocenuslaganjaava tet
ara (npr.dijagnozedva kli-
u rabeli StX.SUOKE Crosstabulation.S toliko informaciia naguranihu nidara)ili saglasnostidva.razlitita"dllagnosridka
testa (novorazvijenresrLr
svaku 6eliju, ova tabela vas moZe zbuniti. Da biste saznalikoji procenat odnosuna zlatni standard).
muSkaracasu puiaii, proiitajte prvi red tabelekoii se odnosi na mudkarce.
U ovom sludaju,gledamo5ta piSeu nastavku% within sex' U ovom pri- Kratak pregled kapa testa
meru, 17,9 proceytatamuik:rracasu puSadii 82,1 procenatanepuiaii; 20,6 Prim11istraiivadkogpitanfa:Koriko
su saglasnedijagnostidkekrasifikacije
procenataiena ie puiadai79,4 procenatanepu5aia. skala^EdinburghpostnatalDepressionScale(EPDS)
T::Tl i Depression,
Da nas zanirnaprocenatceloguzorka koli spadau puiaie, preili bismcr r\nxicryand Srress Scale{DASS)?
nanlLeu poslednjired, koii sabira rezulrareza oba pola. U ovom sludaju, sta vam treba: Dve kategorij.skepromenrjives jednakim brojem katego-
pogledalibismo5tapiSeu redu 7o of Total. Prematim rezultatima,19,5 pro- rija,(npr.dijagnostidkaklasifikacijai. rekara
ili f . iesta:o="ii. deprimirana,
cenatauzorka puii, a 80,5 procenatane puii. 1=deprimirana; i dijagnostidkaklasifikacijaisteosobeko;, a^o 2. lekar ili
z. test). ;"
Veliiina uticaia Pretpostavke:Jednakbroj kategorijaza 1. i za 2. lekara.
jadi-
U proceduri Crosstabsizraiunava se viSepokazatelia velidine uticaja (tl. Parametarske alternative:Ne postoji.
ne veze izmedu promenliivih).Za tabele 2 sa2, naiie5ie se koristi koeficiient U narednom
. primeru istraZiiemostepenslaganjaizmecludve mere
depresi-
fi (phi coefficient), 5to je koeficiient korelacije u opsegu od 0 do 1, pri temu ie u uzorku Zenaposleporodaja.U datotecidepress3ED.r",,.r'tir,i za svaku
ve6i broj pokazuje jadu vezu izmedu dve promenljive. U ovotn primertt, Zenuna skalamaEdinburghPosrnaralDepressionScale(EpDS,
cor, Holden
I vv,qvls I v, r\upitrarnelarsKe tehntke 223
pression(DASS-DeP)'
count
4 4"i.
239
14.4%
80
1 R Ro/"
319
biom edcen-
Tolal
% within DASSdcPgP2 74.9% 25,1./" 100.0%
% withrn EPDSSP2 100,0% 100.0% 100,0%
74.9.A 25.10/. 1 0 00 %
% ol Total
Man-VitnijevU test Postupakgenerise
ova tehnika se upotreblj ava za ispitivanje razlika izmedu ovu komandu:
dve nezavisnegru_
pe na neprekidnoj skali. primera radi, da li se muikarci
i ue,rerazlikuju po NPARTESTS
nivou samopoitovanja? ovaj test je neparametarska
alternativa r-resru ne- /M-W: tslfest By sex(.1
zavisnih uzoraka. Umesto da poredi srednje vrednosti dveju 2)
grupa, kao sto /MISSINGANALYSIS.
radi t-tesr, Man-vitnijev u resr poredi njirrove rnedijane. Dobfren.
vrednosti
neprekidne promenljive pretvara u rangove za obegrupe i poto-
izraiunava
da li se rangovi tih grupa znataino r"rlikui,r. poito se rezultati Prikazanje odabran deo rezultata
pretuaraju u ovog postupxa.
rangove, stvarna raspodela rezultata nije vaZna. Test Statisticsa
Tsl Statistics
a'b Kruskal-Volisov test je otkrio statistidkiznadajnurazlikunivoaoptimizma
tri ra_
z l i d i t es t a r o s n eg r u p e( G p l , . n + Z : 1 8 - 2 9 g o d ,G p 2 , n : 1 5 b : 3 0 _ 4 4 g o d ,
Tolal ODtimism 1 )
Ch isquare 8,573 G p 3 , n : 1 3 5 : 4 5 i v i 5 eg o d ) ,c 2 ( 2 , n : 4 3 5 ) : g , 5 Z p : 0 , 0 1 4 . N a j s t a r i j a
sta_
df rosnagrupa (45 i viSegodina)ima vecu medijanurezultata(Md:2'3)
od osta_
Asymp.
.014 le dve starosne grupe, dija medijana iznosi 22.
Siq.
a KruskalWallisTest
b GroupingVariable:AGEGP3
Naknadnitestovii velidinauticaja
i medijane optimizma
vrednosti za svakustarosnugru- Kada dobijerestatistidki znaiajan rezultatKruskal-volisovogtesta,jos uvek
Trebalobi da izradunate
medijanaopisanu odeljkuposvecenomMan- ne znatekoje grupe se statistiiki znatajno medusobnorazfikiju. Da biste
fu-.St"Oir"postupakzadobijanje to
-VitnijevomU testu. utvrdili, treba da obavitejod nekoliko naknadnihMan-VitniievihU testova
izmedu,parovagrupa (npr.grupe najstarijihi grupe najmladih;.Ako name-
ravateda poreditesveparovegrupa ('1,sa2,1 sa 3-i 2 sa 3),morateprimeniti
MEANS
TABLES:toptim BY agegP3 Bonferonijevukorekciju alfa vrednosti(videtiuvod u peti'deoknjige),kako
/CELLSCOUNTMEDIAN. bisteizbegligreSkeprve vrsre.
Bonferonijevoprilagodenjeznadi podeliti alfa vrednost 0,05 brojem
te-
stovakoje nameravateda obavitei potom upotrebljavatitako revidiran
Ovo je tabela rezultatasa izradunatimmedijanama: alfa
nivo kao kriterijum za odredivanjeznadajnosti. ovde bi to znadilostroii alfa
RePort nivo od 0,05/3=0,017.Medutim, umestoporedenjasvih mogudihparova
TotalOPtimism 8ttg1, bolje je izabrati samo nekoliko klju3nih grupa i uporeiti njih, dime
sealfa nivo zadri.avana upotrebljivojvisini (nepremaloi).za svakogrupno
aoe in 3 qroups N Median
1 <=29 147 22,00 poredenjemoie se izraiunati pokazateljvelidineuticaja (tj. jaiine
vezeiz-
2 30-44 153 22.00 m-edupromenljivih),po postupku opisanomu odeljku poru.i..ro- Mor,-
3 45+ 135 23,00 -Vitnijevom U testu.
Total ,at 22.O4
Fridmanovtest
Fridmanov test je neparametarska alternativa jednofaktorskoj
analizi vari-
TumadenierezultataKruskal-Volisovogtestajesu:vrednostpo- Janseponovljenih merenja (videti poglavlje 1B). Upotrebljava se kada .,zme-
te.isti uzotak subjekata ili sludajeva i izmerite
Glavnevrednostikoje treba gledatiu izlaznomrezultatu lh i tri ili uiie naurctta ili pod
(df) i nivo znataino- tri razlidita uslova.
iurur.Iluhi-kvadrat (Chi-Sqriare),broj stepenislobode
two znadainosti manii od 0'05 (npr'
,ii lprikurnn kao Asymp.Sii'1' 5aa." ie.
je u dobijenimvrednostima Kratakpregled Fridmanovogtesta
0,0i,0,01,0,001),-oi. r.",ukliuditida razlika
treba pogledatt
;:,;t;ki;;; prome,tliirreizmedu te tri grupe znataina' zar'im Primer istraiivadkogpitania: Ima li promenerezulrara
i s p i t i v a n i as t r a h a o d
gtupt
sredniu vrednost ru,lg" (Mean Rank) za it rti n::11'::i.:-t^":l,t1b,1l statistike obavljenim u tri vremenska perioda (pre intervencije,
neposredno
Tu vidite koia od tri grupeima naivecirang' sto odgovaranalvecol posle intervencije i tri mesecanakon intervencije)?
,"r'.rlt"t".
vrednostineprekidnepromenljive' sta vam treba: Jedan uzorak subjekata, merenih na istoj skali ili u rri vre_
menski razlitita navrata ili pod tri razlitita uslova.
TumadenierezultataFridmanovogtesta
Pretpostavke:Videtiopirepretpostavkezirneparan1etarsketehnike,na- Rezultati ovog tesra pokazuju da postoje znaiajne razlike u rezultatima na
v e d e n en a P o i e t k u P o g l a v l i a ' skali straha od statistike dobijenim u rri vremenska razdoblja.
'Ib
pokazuje
Parametarskaalternativa:Jednofaktorskaanalizavariianseponovljenih
vrednost sig. od 0,000 (5to zapravo znadi manje od 0,000-5).poredeii sred-
merenia(istih subiekata)' nje vrednosti rangova (Mean Ranks) za tri skupa rezultata, izgleda kao da
strah od statistike opada s vremenom.
testa
Postupakza obavlianieFridmanovog Rezultate ove analize mogli biste predstaviti ovako:
datotekuexperim3ED'sav'
Da biste moglipratitiovajprimer,otvorite
stavkuNonparametricTests' pa RezultatiFridmanovogtesta pokazuju da postoji statistidki znad,alna
1. otvorite meniAnalyze,izaberiteu njemu
razlikare-
zultatana skali strahaod statistikedobijenihu tri vremenskarazdoblja(pre inter-
K RelatedSamPles'
pritisnite
vencije,neposredno posle intervencije,3 meseca posle intervencije),c2 (2, n :
2'Prrtisnitepromenljivekojepredstavljajutatrimerenja(npr.fost1,fost2,fost3). 30) :41,52 p < 0,005). Pregledmedijanaje pokazaoopadanjestrahaod sta-
je potvrdenopoljeFriedman'
3. U odeljkuTest Type trebada tistikeu vremenskomrazdobljuod pre intervencije(Md:40) do posle interven-
4'PritisnitedugmeStatistics.Potvrditepo|jeQuartiles.PritisnitedugmeCon- cije (Md :38), kao i daljeopadanje3 mesecaposle intervencije(Md:35,5).
tinue.
da biste komandusnimiliu Syntax
5. PritisniteOK (odnosnodugmePaste
Naknadnitestovi i velidinauticaia
Editor).
Kada se utvrdi da postoji statistiiki znaiaina razllka koja nastaje negdeiz--
Tim postupkomgeneriSeteovu komandu: medu tri tadkeu vremenu,sledeii korak bi bili naknadni restoviporedenia
vremenskihtadaka od interesa(videti prethodno razmatranienaknadnih te-
NPARTESTS stovau vezi s Kruskal-Volisovimtestom).U ovom sludaju,naknadnoispiti-
/FRIEDMAN: fostl fost2fost3 vanie bi obuhvatilo pojedinadnevilkoksove resrove ranga, uz Bonferoni
OUARTILES
/STATISTICS korekciju alfa vrednostikako bi seizbegiagreika I vrste.Ja bih severovarno
/MISSINGLISTWISE' odludilaza poredenjerezultatau trenutku 1 (pre intervencile)s rezultarimau
trenutku2 (posleintervencije), i zatim onih u rrenurku2 (posleinrervencije)
Evoi rezultata: sa onima dobijenimu trenutku -3(3 mesecaposleintervencije). To su dva te-
DescriPtiveStatistics sta;zato bi moj revidiranialfa nivo za utvrdivanjestatistidkezrraiajnostibio
0,05/2 = 0,025.Pokazatelje velidineuticaja(iatineveze)trebalobi izradunati
za svakokonkretnoporedenjeobavljenoVilkoksovimtestomranga.
Dodatneveibe
Poslovno okruZenie
Ranks
Datoteka s podacima:staffsurvey3ED.sav.
Pojedinostio datotecivideti u
Mean Rank dodatku.
tear ot stats 2,78 1. Pomoiu hi-kvadrat tesra nezavisnostiuporedite proporciju stalnih i
time l
fear ol stats
privremeno zaposlenihlemploystatus)koii bi preporuciliorganizaciiu
2,Q3
timez kao dobro mestoza rad (recommend).
fear ol slats 1.18 2. Pomoiu Man-Vitnijevog U testa uporedite dobijene vrednosti zado,
Itime3
voljstva osoblja (totsatis) za stalno i za privremeno zaposlene(enrplo1,-
a
Test Statistlcs status).
5*'u*
i "':l
3. Pomoiu Kruskal-Volisovog testa uporedite dobiiene vrednosti zado-
voljstva osoblja (totsatis) za sve kategorije duZine radnog staZa (upo-
.000 trebite promenljivu seruicegp3)'
Friedman Tesl
% T-testovi
Zdravstvo
D;l;;"k" i podacima:
sleep3ED.sav. o datotecividetiu dodatku.
Pojedinosti
1. Pornoiu hi-kvadrattestanezavisnosti uporediteproporciiurnulkaraca
i Lena(gender)koji odgovarajuda imaju problemasa spavaniem(pro-
blem\.
2. Pon-roiuMan-VitniievogU testauporeditesrednjevrednostipospano-
sti (gkupne vrednostina skali Sleepiness and AssociatedSensations
Scale:totSAS)za muikarce i Zene(gender).
3. Porno6uKruskal-Volisovogtesta uporeditesrednievrednostimerenja
pospanosti(ukupnevrednostina skali Sleepiness and AssociatedSen-
i"tiotrs Scale:lotSASl za tri starosnegrupe definisanepromenljivom
agegp3(<=37,38-50, 51+). SPSSima viSevrsta t-testova. Mi iemo ovde razmotriri dve:
. t-test nezauisnih uzoraka, koji se upotrebljava za poredenje srednle
vrednosti obelezja merenog u dve razlidite grupe ljudi ili u razlic.itim
okolnostima; i
o t-test uparenih uzoraka, koli se upotrebljava za poredenje srednjevred-
nosti obeleZia iste grupe ljudi merenog u dva navraca ili kada su sub-
jekti upareni (engl. matched pairs).
U oba sludaja, porede se vrednosri odredene neprekidne promenljive me-
rene u due grupe rli s dua navrata. Kada grupa odnosno okolnosti ima viSe
od dve, umesto t-testa upotrebljava se analiza varijanse.
Obe vrste t-testova razmotrene u ovom poglavllu poiivaju na nekoliko
pretpostavki koje treba proveriti pre obavljan ja analiza. Op5re prerpostavke
za obe vrste t-testova navedenesu u uvodu u peti deo knjige. T:test uparenih
uzoraka ima i jednu jedinstvenu dodatnu pretpostavku, koju takode treba
proveriti. Ona le podrobno objalnjena u kratkom pregledu t-testova upzl-
renih uzoraka. Pre nego 5to nasravite da ditate ovo poglavlje, trebalo bi da
proditate uvod u peri deo knjige.
T-testnezavisnihuzoraka
T-testnezavisnihuzoraka(engl.independent-samples
/-/esl)upotrebljavarrro
za poredenjesrednjevrednostineke neprekidnepromenljiveu dve rirzliiite
grupesubjekara.
Obja5njenjeprimera
Da bismoilustrovaliupotrebuove tehnike,koristiiemodatorekus podacinra
survey3ED.sav. U primeru se porede razlike izrnedupolova u izrnerenonr
nivou samopo5tovanja. Imamo dve promenljive,pol (sex),gde su muikarci
Sifrovanisa 1, a Zenesa 2, i tslfest(skraienood total self-esreem),5ro
je uku-
pan rezultat dobijen na skali samopoitovanjaod deset stavki. (Videti u
dodatku pojedinosti o istraZiv:rniu,prornenijivarna i upitrriku upotreblienom Evo odabranogdela rezultataovog postupka.
za prikupljanje podataka.) Ukoliko Zelite da pratite primer i odmah sprovo-
Group Statisttcs
dite navedena uputstva, pokrenite SPSSi otvorite datoteku survey3ED.sav'
SEX Mean Std. Deviation Std. ErrorMean
-MALES
lolalselt-
184 u.02 4,91
Kratak pregledt-testa nezavisnihuzoraka
JO
)sleem
FEMALES 252 t5.t/ 5.71 JO
Levene s Tesl
Stavam treba:Dve promenljive: lor €qualily ol
9506ConlrdeDco
(ti. da li se muSkarcii zene zna(ainorazlikuju po nivou samopoitovania). nol a$umed r,66| 422.U9 ,098 ,85 ,51
1,622
Eta kvadrat =
1 , 6 2 2+ ( l B 4 + 2 5 2 - 2 )
Eta kvadrat = ,006
,Jv
Yr uPq
rogtavue | /: t-Ieslovt
Primer istraiivadkog pitanja: Da li se znadajno razlikuiu rezultati ispitivanja time2 37,50 30 5,15 ,94
straha od statistike, nakon 5to su ispitanici udestvovali u intervenciji kola je
trebalo da poveia njihovu veru u sposobnost da uspeSnoovladaju statistikom?
Utide li ta intervencija na rezultate udesnika ispitivanla straha od statistike? Paired SaDptes T6l
Sta uam treba: Jedan skup subjekata (ili uparenih subjekata). Svaka oso-
ba (odnosno par) treba da di oba skupa odgovora. Dve promenljive: 95% Confidence
Interyal ot lhe
o jedna kategorijska nezavisnapromenljiva (u ovom slulaju, to je vrenrc; Drftergnce
u tre- 29,05+30_1
utvrditi koji skup ,"zupaiasadrZiveie srednjevrednosti(skupdobiien
uvidom Llprvu tabelu Paired - ,50
nutku 1 ili onaj ,,,trenutk,,2).Toiemo uraditi
sku-
samplesstatistics.u njoj su srednjevrednosti(Mean)izradunateza oba Kada u formulu uvrstimoodgovarajuiebrojeveiz gornjeg
p* ,.rultnt" pojedinaino.U naSemsludaiu,stra[ od statistike u tretrufku 1 primera:
prored,]oiznosi 40,1,7,dok u trenutku 2 iznosi37,50' Dakle, zakljuduiemo (5,39)2
iu ,,, ," rezukatiispitivaniasrrahaod statistikeznaiajno smaniiliod trenut- Eta kvadrar -
( 5 , 3 9 ) 2+ 3 0 * 1
kar1 (pre intervenciie)do trenutka 2 (posleintervencije)'
'tJp'c.tzorenje:
Iako smo dobili znadainurazliku u rezultatimapre i poslein-
tervencije,ne moZemoreii da je ta intervencijaprouzrokovalasmanienje
,rr.d.rosii,. zultataispitivanjastrahaod statistike.NaZalost,istraZivanianisu -
-#*r
,50
tako jednostavna!Na smanienjedobijenihrezultatarspitivaniastrahaod sta-
tistike moglo je uticati i mnogo drugih dinilaca.Tome je moglo doprineti i smernice (cohen' 198g, str. 294-7) za rumadenje
ove veliiine glase:
samoproticanjevremela, bezikakveintervencije. Tokom tog razdobljamo- 0,01=maliuticai, O,05=umerenuticai, 0,14=veliki
uticoj. poito smo dobiri
gli su ie desiti i drugi dogadajikoii su uticali na stavovestudenataprema sta- etakvadratjednak 0,50, zakljudujemoda je veomavelika
razlikaizmedure_
tistici. MoLd,a,u ,r" ,rJ.rnite uticali stariji studenti statistike, koii su ih zultataispitivanja srrahaod statisrikedobijenih pre posle
i intervencije.
obavestilida je predavad,,dobar" zato lto ie ispit lako poloZiti.MoZda su svi
dobili ilegalnu[opiju ispitnihpitanja (s tadnirnodgovorima)!Ima ioi mnogo Predstavljanjerezurtatat-testa uparenih uzoraka
drugih m"oguiihkontaminiralueihtinllaca. Kad god je moguie, istraZivaibi osnovne pojedinostikoje treba navestisu ime tesra,
svrha testa,vrednost
tr.bllo da predvidi te remetilaike iinioce i statistiiki ukloni niihov uticaj ili pokazate.ljat, broj stepenislobode(df), verovatnoia(alfh)dobijanja
sludaj-
ih ukljudi u eksperiment. U opisanomsludaiu,istraZivanje bi poboliSalakon- nog rezultatai srednje.vrednostiobeleija i stanclardn"odrtupo.,,aza svaku
trolna gr,rpakoj" ne bi bila iiloLenaintervenciji,ali bi po svemuostalom bila grupu odnosnomerenje.Pri objavljivanjurada
u veiini danainjih dasopisa,
slldnaJfeinicima.Time bi se iskliudiouticaj proticaniavremena,drugih do- potrebno je da se navedei p_okazarelj
,r.iidi.,. uticaja (npr. eta kvactrat).Re-
gadaja,podvala,ilegalnihkopiia itd' na rezultateistraZivania' zultateopisaneanalize-ogli birt. predstaviti
ovako:
Evo rezultataprethodnogpostupka'
Tu13.denje rezultata jednofaktorske a naIize varijanse
razliditihgrupa s nakhadnimtestovima
Oneway
DescriPtives Descriptives
U ovoi tabeli dati su podaci o svakojgrupi (broj ispitanikau grupi, srednje
vrednosti,standardnoodstupanje(engl. standard deuiation),minimum i
maksimum,itd.). uvek najpre pogledajteovu rabelu.Da li su radni brojevi
ispitanikau svakojgrupi?
Testhomogenosti varijansi
of Varianceg
opcija ,,Homogeneityof varianceresr"(koju ste ukliudili u 4. koraku) daie
Test of Homogeneity
Total Oohmlsm
Leveneov resthomogenosti varijanse. pomoiu kolegseispirujejednakostva-
Levene
rijansi u rezulrarimau svakoj od tri grupe. proditajtevelidinuznadainosti
5ro
df1
2
dt2
432 475
(Sig.)zaLeveneovtest.Kada je taj broj ueii od 0,05 (npr.0,08,0,12,0,2B),
744
niste prekriili pretpostavku o homogenostivarijanse.u ovom primeru, ve-
liiina sig. iznosi0,475. Poito je to viSeod 0,05, nismo prekriiliprerposrav-
ku o homogenostivarijanse.Da smo utvrdili naruiavanjete pretpoitavke,
potraLlli bismo u rezultatima tabelu Robust Tesrs of Equality o] M.urrs.
Tamo su prikazani rezultati dva testa (welsh i Brown-Forsythe)orporna na
krSenjepretpostavkeo homogenostivarijanse.
Multiple comparisons
ovu tabelu treba gledati samo kada je razh.ka u tabeli ANovA statistidki
znatajna, rj. kada ie vrednost Sig. jednaka ili manja od 0,05. Naknadni te-
stovi iz ove tabele kazuju tadno gde su razlike izmedu grupa. pogledajte niz
kolonu Mean Difference. PotraZite zvezdice (") pored ispisanih broieva.
Zvezdica znati da se dve uporedene grupe medusobno znaiajno razlikr"rjuna
nivou p<0,05. U koloni Sig. dati su tadni iznosi znadajnosti. Prema gornjim .l:-",1*l yljanie 1ezu ftata j ed nofa kto rs ke a naIize
van,anse razIiciti h g rupa s nai;;d nim ieliou-i,i"
rezultatima, samo grupa 1 i grupa 3 se statistitki znadaino medusobno razli-
krrju. Drugim reiima, starosna grupa 18-29 godina i grupa 45+ godina
Jednofaktorskomana|izomvarijanseistra2enj"@
znaiajno se razlikuju po nivon optimizma ispitanika'
Primer 1 ONEWAY
bi trebaloda glase: toptimBY agegp3
grupe 3 sa ostaledve grupe' koeficiienti
Za poredenje
/CONTRAST:-1 -1 2
. Grupa 1: -1 /STATISTICS DESCRIPTIVESHO MOG ENEITY B ROWN-FORSYTHE
. Grupa2: -1 WELCH
. Grupa3: 2 /PLOTMEANS
Poredese grupe iiii se koeficiientt /MISSINGANALYSIS
Zbir koeficijenatauvek mora biti 0' /POSTHOC: TUKEYALPHA(,o5).
u poredeniuJgrupediii ie koeficiient
razlikuju.zorr.-"r1., ," 1rr"r'ri.rwuiu
0, ort"l. ko"fl.ij"ttt. izmenitetako da
0. Kada nekoj grupi'dateLoeficiient
Evo kako izgledaodabranideo rezultatagornjeg postupka.
njihov zbir bude 0'
Conlrasl Coetticionts
Primer 2 po-
da grupa2 uopite ne udestvuieu
Za poredeniegrupe 3 s grupom.l {a AGEGP3
lontrast
,J"ni"), koeflllentl bi trebalo da budu:
18-29 30,44 45+
' Grupa 1: -1
Contrasi Tesis
' GruPa2: 0
Value ol srd. si9
e Grupa 3: 1' Contrast Errot ot
'2-l
ziled\
unositeu odeliku Contrastssledeieg olal Assume aoual variances t 2.45 91 2.ffi7 4i2 .@7
Vrednostikoeficijenatasvakegrupe JPtrmlsm ooesnoi
aisum 2.45 .92 2.654 251,323 008
SPSSPostuPka'
ize variianse
Postupak obavliania i ednofakto.r-skeanal
,atlieilingrupa i pianiranimporedenjima Tumadenjerezultatajednofaktorkeanalizevariianse
l.OtvoritemeniAnalyze,izaberiteuniemustavkuCompareMeans'papriti- razliditihgrupa s planiranimporedeniima
snite One-waY ANOVA' Tabele Descriptivesi Test of homogeneity of variances sastavni su deo rezul-
(neprekidnu)promenljivu^(npr-' optimism)'
2. Pritisniteodubr"nu zavisnu ,total List' tata ovog postupka, ali je njihov sadrZaj iednak kao u prethodnom primeru
promenljivu u polje Dependent
Pritiskomna strelicuprebacitetu jednofaktorske analize varijanse (ANOVA) s naknadnim testovima. Zato
kategorilsku promenljivu(npr' agegp3)' Pre- iemo ovde razmotriti sarno onaj deo rezultata koli le relevantan za planirana
3. Prrtisniteodabranu nezavisnu'
bacite je u Polje Factor' poredenia.
poljaDescriptive' Homogeneity-of-
4. Pritisnitedugme Options' pa potvrdite
Variance i Means Plot'
I vvrevuv I o. JEuttvrd^lgro^d dlldilzd ydlualltje
zcJ
FactorInteractionsizaberite ime svojenezavisne promenljive (npr.Vreme) the Tesls ol Wthin-Subjecls Effecls tabte.
lor lhe averaged tesls of sgn{icance. coriectd tests a.e dtsplayed rn
je
i prebacite u poljeDisplay Means for. polje
Potvrdite compare main ef- b
Design: tntercepl+cRoUp
Wilhin Subjecls Design: TtME
Syntax Editor).
95o/oConfidence Intervalfor
PostupakgeneriSe ovukomandu:
GLM
confidl confid2confid3
/WSFACTOR: time3 Polynomial
/METHOD: SSTYPE(3)
Based on esttmated marqinal ,neans
/ P L O T : P R O F I L E ( t i m) e '.
The mean difference is significant at the ,05 level.
/EMMEANS: TABLES(time) COMPAREADJ(BONFERRON
l)
a. Adiustment for mulliple comparisons gonferroni.
/PRINT: DESCRIPTIVE ETASO
/CRITERIA:ALPHA(,05)
/ W S D E S I G N :t i m e .
Tumadenjerezultatajednofaktorskeanalizevarijanse
ponovljenihmerenja
Evo rezultataprethodnogpostupka' Primetili ste da su rezultati ove procedure brojni i narizgled
sloZeni. Medu
njima su testovi pretpostavljene sferidnosti, te rezultati analiza
DescripliveSlatsncs varijanse za jed-
nu (engl. uniuariate) odnosno vile promenljivih (engl.
Srd. Deviatron N multiuariate); ova po-
slednja se naziva i multivarijaciona analiza varijanle.
rme I
r9,00 30 Detaljno razmatranJe
tazlika izmedu rezultata univarijacione i multivarijacione
;ontoencE
21.87 :n un litevarijanse nije
rme? tema ove knjige; ' ovom poglavlju razmotriiemo
:onlidorce
samo rezultate multivarija-
25.03 5.2{.) 30 cione analize (vi5eo tome videti u knjizi Srevensa,
rme3 1996, str.466-9).Tumadi-
mo samo rezultate sPSS-ove multivarijacione
analize varijanse, zato ito se
univarijaciona temelji na sferidnosti pojataka.
MultivariateTest* Sferidnost znati daje varijansa
rezu.ltatamerenja razliiirosti populaciye za
PartralEta biro koja dva usrova, jednaka toj
Etfect Value Hvpothesrsdt Errordf Siq variiansi za bilo koja druga dva uslova-(ito
Prllar'sTrace ,000 49 najdeiie nije tadno). spSS meri sfe-
time
719
rtcnost Moklijevim (Mauchlv) restom.
Wilks'Lambda ,251 2,000 28,000 ,000
Holelling'sTrace 2.979 1a 2,000 28,000 .000 749 druge strane, za mulrivarijacionu anarizuvarijansenije neophodna sfe,
2,000 28.000 .000 749 .,S
Roy's Largesl Root 2 979 1a ridnost. Videiete , nasem primeru da pretpostavka
a.
o ,f.ridno.ri nije zado-
Exact statrstic voljena, ito poka,uje iznos sig. od 0,000 u tabeli
b. Mauchlyt rest of
Design:Intercept
SphericityM . a d a i n r a n a i i n a d a s e n a r u s a v a n j er e p r e r p o s t a v k e
kompenzuje,
WithinSubjectsDesign:trme bezbednije je pogledati rezulrare multivarijacion. arrrlire
varijanse datim u
SPSS-ovornizlazu.
Pogledajmo kljuine velidine koje treba razmorriti u rezulratima.
I vvrdvuE | 9. JsuI lvrq^
Tests of Between-SubjectsEffects
Variable:tolal
Typelll Sum PartialEta
Tumadenierezultatadvofaktorske
Source of S0uares
38 6474
df
5
Mean Square
47,729 2,475
siq
,032 ,uzu
analizevarijanse
206790.069 107?1,408 .962 o Descriptive Statistics.U ovoj tabeli
206790,069 1 ,000 su srednje vrednosti (Mean). star
agegp3 150.863 2 75,431 3,S11 .021 018 dardna odstupanja (Std deviations) i N svake podgrupe. proverire da
SEX 5.717 1 5,717 ,296 ,586 .001
' sex su ti brojevi taini. Pregledom strukture tih brojevn rt.ei iete uvid u ut.
agegp3 55,709 2 t7 qcq 1.444 .007
Error 8274,374 429 19.288 caj odabranih nezavisnih promenljivih.
Total 221303.000 435 o Levene's Test of Equality of Error
variances. ovde sr-rrezultati test
Conected Total 8513.021 434
jedne od temeljnih pretposravki analize varijanse.
a. R Squared = ,028 (Adlusted R Squared = .017) Najviie nas zanim
znadajnost tog rezultata, navedena u koloni sig.. odgovaralo bi nar
da raj broj bude ue(i od 0,05 i stoga neznadajan. zTaiztian rezuka
( s i g . m a n l i o d 0 , 0 5 ) k a z u j e d a v a r i j a n s a z a v i s n ep r o m e n l j i v e n i j e j e d
naka u svim grupama. Kada to utvrdite u svojoj studiii, preporuduje s
(npr. 0,01) za vrednovanie rezultata Velidina uticaja
da zadatestroZi nivo znaiajnosti
ti. da zaseban uticai i uticaj interakciie Veliiina uticaja promenljive agegp3 data je ur koloni Partial Eta Squared
Juofaktorrke ANOVA analize,
Smatrateznadajnim salno ako
je Sig. veie od 0,01. U gorrrjem primeru, (0,018). Prema Koenovom kriterijumu (Cohen, 1988), taj uticaj se moie
klasifikovati kao mali (videti uvod u peti deo knjige). Dakle, mada sratisriiki
t * t t " . t 0 , 1 6 ? . P o 5 t o l e t o v i S e o d 0 ' 0 5 ' t r e b a z a k l j u i i t i d a h o m o g ejcd-
-
nost varllanr, .,,;" tj' da je varijansa zavisnc promenliive znatajna tj. nesluiajna, stvarna razlika izmedu srednjih vrednosti vrlo ie ma-
""'uSenat la. U tabeli Descriptives videiete da srednje vrednosti za tri srarosne grupe
naka u svim gruPama'
(za oba pola zajedno) iznose 21,,36,22,10,22,96. Razlika izmedu tih grupa
DvofaktorskaANoVAglavnideorezultatadajeutabeliTestsofBet- nema praktidnog znaiaia.
redom koiim ih
*".i_irrbi".ts Effects- Te iiformaciie nisu uvek poredane
treba analizirati. Naknadnitestovi
Iako znamo da se naie starosnegrupe razlikuju, ne znamo konkretno koje se
llticaji interakciie razlikuju: da li se gp1 razlikuje od gp2, da li se gp2 razllkuje od gp3, da li se
(npr'da seuticajstarostr
Naipre trebaproveritida li postojiuticaj.interakcije gp1 razlikuje od gp3? Odgovor na ta pitanja daie nam naknadni (engl. posr-
na nivo optimrzmameniau zavisnostiod toga da li ie osobamuSkaracili Ze- -hoc) testovi (videti njihov opis u uvodu u peti deo knjige). Naknadni testovi
osnovnih
f"a, utvrdite da le uticai intera.kcijeznaialan' tumaienje
""1. lako ni su relevantni samo kada nezavisna promenljiva ima viSeod dva nivoa (gru-
(zasebnih)uticajir nezavisnihpromenliivih viSenije iednostavno.
jednenezavistre promenliive, morate pe). Ti testovi redom porede sve parove grupa i kazuju da li se njihove sred-
ir-"ri"g i" rf.deeirda bisteopisaliuticaj
U prikirza- nje vrednosti znadajno razlikuju. Rezultate naknadnih testova SPSSdaje u
,f..ifi.ir"ti odgovaraju6.,ur.dr.ort druge nezavisneprourenliive' sklopu ANOVA postupka. Medutim, ne bi trebalo da ih gledate dok zajed-
treba pogledati red agegp3*sex' Znaiainost in-
,ri- ,"r,tltutirna iz SPSS-u,
vrednost nidkom (omnibus) anirlizom varijanse ne otkrijete neki znaiajan zasebanuti-
terakcijeie data u ieliji kolone Sig' u tom redu' Kada ie njena
uticai ie znaia-
interakcije caj ili uticaj interakcije. U ovom primeru, dobili smo znadajan zaseban
manjaodili lednaka0,05 (npr.0,03,0,01,0,001),
jan. U naiem primeru, uticaj interakcije.nije znataian (agegp3"sex: sig' - (osnovni) uticaj promenljive agegp3 (za razhku od promenljive sex, koja ga
'0t,237).To nema); zato je opravdano da naknadnim testovima ispirujemo uticaj agegp3.
kazujeda nemaznaiainerazlikeu uticaiu starostina optimizam
muSkaracaodnosnoi.ena.[.Jpozorenie: kada proveravateznadainostovih re-
Tabela Multip le Compa risons
zultata,vodite raiuna o tome da iitate brojeve u koloni sig., poStomnogo
Rezultatinaknadnihtestovadati su u tabeliMultiple Comparisons.Zadali
studenatamisli da seznadainostaita u koloni PartialEta Squared,5todonosi
smo da seizraiuna Tukejev(Tukey)test ,,zaistaznaiajnerazlike" (Honestly
katastrofalnePosledice !
SignificantDifference,HSD), jedan od delie upotrebljavanih.PotraZiteu
koloni Sig. brojevemanje od 0,05; to su znadajnirezultati,oznaieni i zve-
Zasebni uticaii
zdicom u koloni Mean Difference.U gornjem primeru, znadajnose medu-
Utvrdili smo da uticai interakciienezavisnihpromenljivihniie znadajan;sto-
sobnorazlikuju samogrupa 1 (18-29) i grupa 3 (45+).
ga je bezbednoi lako tumaditinjihovezasebneuticaje.Radi seiednostavno
o uticajujednenezavisnepromenliive(npr.uticai pola na sve_starosne grupe
od interesa (npr. Dijagrami
zaiednol. u prvoj koloni sleva pronadite promenljivu
proiitaite odgova- Na kraju rezr.rltataiz SPSS-anacrtan je dijagram nivoa optimizma muikara-
agegp3).Da biste utvrdili postoii li njen zasebanuticai,
ca i Zena za sve tri starosne grupe. Taj dijagram je veoma koristan jer
,ii""& Uroj u koloni Sig. r.rproduZetkutog reda. Kada je oiitana vrednost
omogr"riavavizuelni uvid u odnose izmedu promenljivih, 5to je obidno lakSe
manjaod ili lednakaOpS (npr.0,03, 0,01,0,001),zasebanuticaite nezavi-
od deiifrovanja velike tabele brojeva. Iako su na kraju rezultata, te dijagra-
sne promenljiveje znaiajan.U gornjem primeru, postoji znaiaianzaseban
me bi trebalo pogledati prve da biste bolje shvatili uticaj dve odabrane ne-
uticaj starosnegrupe (agegp3:sig'=0,02i), ali ne i znadajanzasebanuticaj
zavisne promenljive. Upozorenle: kada tumadite dijagrame, imajte u vidu
pola (sex:sig.=Q,5361. To znadida se muskarcii Zenene razlikuiu po svom
skalu upotrebljenu za crtanie zavisnepromenljive. Ponekad se ono 5to na di-
tptimizmu, uli d" portoji razlika u nivoima optimizmamladih' sredovec'nih jagramu izgleda kao ogromna razlika, zapravo svodi na tek nekoliko jedini-
i stariiihosoba.
ca mere. Videiete to u tekuiem primeru. Na prvom dijagramu izgleda kao
da postoli velika razllka u rezultatima mu5karacaiLena starije starosne grlr-
pe (45+). Medutim, kada pogled vratite na vertikalnu skalu na levoj strani
di|"gr"^u, vide6eteda je ta razhka zaptavo mala (22,2 prema 23,5\.
Predstavljanierezultatadvofaktorske Nakon podele uzorka, istraZivad sprovodi jednofaktorsku analizu vari-
janse (videti 18. poglavlje) i poredi nivoe optimizma u rri srar'sne grupe.
analizevariianse Kada je procedura split File ukljuiena, dobiiete zasebne rezulrare za mu-
Rezultati opisane analize mogu se predstaviti ovako: Skarcei Zene.
Obia5nienie
Primera Sta uu- treba: Najmanje tri promenljive:
Kao ilustraciju kombinovane analize varijanse, upotrebi6u datoteku s poda- r iedna kategorijska nezavisnapromenljiva razliditih subjekata
'Web sa dva ili
cima experim3ED.sav dostupnu na prateioj lokaciji kniige (videti str. viSenivoa (grupal/ grupa2);
xi). To su podaci iz fiktivne studije koja obuhvata ispitivanje uticaja dve ra- o jedna kategorijska nezavisnapromenljiva istih subjekata sa
dva ili viie
zlidite inteivencije preduzete kako bi se pomoglo studentima da se izbore sa nivoa (trenutakl/ trenutak2/ trenutak3):
svojom anksioznoSiu povodom predstoje6egkursa iz statistike (videti u do- o jedna neprekidna zavisna promenljiva (rezultati udesnika pri
ispiti-
datku sve pojedinosti o toj studiji). Studenti su bili podeljeni u dve iednake vanju straha od statistike, mereni u svakom vremenskom p"ilod.r).
grupe, koje su popunile testza ispitivanje straha od statistike. Potom je jedna
Sta se postize: Pomoiu ove analize se ispituje postoje li osnovni (zasebni)
grupa pohadala kurs matematidkih veitina, a druga udestvovalau programu
uticaji svake nezavisne promenljive i da li je interakcija izmedu dve r.rro-
ngradnle samopouzdania. Grupe su opet popunile isti test neposredno posle
menljive zna(ajna. U ovom primeru, kaza(e nam da li su se promenili rezul-
t"lnt"ru..t.ije, kao i tri mesecakasnije. Ta datoteka sa izmiSljenim podacima
tati testa za ispitivanje straha od statistike, popunjavanom u rri navrata
dostupna je na prate6oj XTeblokaciji knjige. Ako Zelite da pratite doleopisa-
(zasebni uticaj vremena). uporediie delotvornost te dve intervenciie (mate-
ne postupke, pokrenite SPSSi otvorite datoteku experim3ED.sav.
matidke vebtine I izgradnja samopouzdanja) za smanjivanje straha od stati-
U ovom primeru, uporediiu uticaj kursa matematidkih veitina (grupa 1)
stike (zasebanuticaj grupe). Najzad, kaza(e nam da li se promena rezultata
i kursa izgradnje samopouzdanja (grupa 2) na rezultate udesnika na testu za
u vremenu razlikuje u re dve grupe (uticaj interakcije).
ispitivanje straha od statistike, popunjavanom u tri navrata. Slede imena
Pretpostavke: videti uvod u peti deo knjige, gde su razmotrene oplte pret-
upotrebljenih promenljivih i njihovi opisi u datoteci s podacima.
postavke na kojima se temelji ANOVA.
Ime datoteke: experim3ED.sav Dodatna pretpostavka: Homogenost medukorelacija. struktura korelaci-
Promenliive: ja medu nivoima promenljive istih subjekata trebalo bi da bude jednaka
za
r Vrsta obuke (grupa): 1=Matematitke ve5tine 2=Izgradnja samopouz- svaki nivo promenljive razliiitih subjekata. zadovoljenosr ove prerpostavke
se ispituje u sklopu analize Boksovim (Box) pokazateljem M. zbig velike
dania
osetljivosti tog pokazatelja, treba koristiti konzervativniji nivo lila 1.
o Rezultati na testu za ispitivanje straha od statistike, popunjavanom u
vrednost 0,001. Pretpostavka je zadovoljena kada pokazatelj nije "lfa,
trenutku 1 (Fost1): ukupni rezultati na testu za ispitivanje straha od znaiajan
(tj. kada je pripadna verovarnoia veia od 0,001).
statistike popunjavanorn pre intervencije. Rezultati poprimaju vredno-
Neparametarska alternativa: Ne postoji.
sti u opsegu od 20 do 60. Ve6e vrednosti pokazuju ve6i strah od stati-
stike.
o Rezultati na testu za ispitivanje straha od statistike, popunjavanom u Postupakza sprovodenjekombinovaneanalizevariranse
trenutku 2 (Fost2): ukupni rezultati na testu za ispitivanje straha od 1. otvorite meni Analyze, izaberiteu njemu stavkuGeneral Linear Model, pa
statistike popunjavanom neposredno posle intervencije. pritisniteRepeated measu res.
o Rezultati na testu za ispitivanje straha od statistike, popunjavanom u 2. U polje Within-subject Factor Name upi5ite opisno ime faktora razliditih
trenutku 3 (Fost3): ukupni rezultati na testu za ispitivanje straha od subjekata (npr. vremena).To nije stvarno ime promenljive,vec opisno po
statistike, popunjavanom 3 mesecaposle intervencije. va5emizboru.
3' U polje Number of Levels upisitebroj nivoatog faktora(u ovom sludajuima-
Kratakpregledkombinovaneanalizevariianse mo tri vremenskaperioda;zato upi5ite3).
Primer istraiivadkog pitanja: Koja intervencija delotvornije smanjuje rezul- 4. Pritisnitedugme Add. Pritisnitedugme Define.
tate udesnika na testu kojim se ispituje strah od statistike, popunjavanom u 5. Pritisnitepromenljivekoje predstavljajufaktor istih subjekata(npr. rezultate
tri navrata (pre intervencije, neposredno posle intervencije, 3 mesecakasr-ri- na testu za ispitivanjestrahaod statistikepopunjenomu trenutku1, trenutku
je)? Postoji li promena u rezultatima uiesnika na tom testu, popunjavanom 2 i trenutku3).
u tri navrata (pre intervencije, posle intervencije, 3 mesecakasnije)? 6. Pritiskomna strelicu prebacitete promenljiveu polje within-subjects va-
riables. Trebalobi da se u polju ispi5uimenaodabranihpromenljivih(samo
kratkaimena:fost1, fost2, fost3).
Box'sTeslof Equality ol Covariance Matricesa
7.pritisniteodabranupromenljivu subjekata(npr.vrstakursa).Pritis-
razliditih
'sM
komna strelicuprebacitetu promenljivu poljeBetween-subjectsFactors.
u I l"5ro
8. PritisnitedugmeOptions' '|
. U odeljkuDisplaypotvrditepoljaDescriptivestatistics,Estimatesof o
/WSDESIGN: vreme
/ D E S I G N :g r u p a . Vlhin Subjecls
:flecl Chi Square siq Gerss€r
IME 348 28,517 000 ,605 640 ,500
a
May be used lo adjusl lhe degrees ot feedom tor lhe averaged lesls otsignilicance. Coriectd lesls are displayed in
DescriptiveStatistics lheTesls ol Wlhin Subjecls Efects lable.
b
Desqn' lntereept+cBouP
T v D eo f c l a s s Mean S t d .D e v i a t i o n N WilhrnSubjecls D€sign: TIME
.i:l
ueo v: JtatlsllcKe rennlKe za Pureoerue grupa Hoglavue zU: nomOtnovana analtza Vantanse 279
!
' ' #:lr:'
Multivarijaciona
analizavarijanse
i#
Ukoliko smatrateda ie MANOVA ioI rnalopreteikaza vas,imatejoi jed- sta se postiie: porecrese clve iri
nu moguinost.Sprovediteniz ANOYA za svakuzavisnupromer-rliivu zase[r- viie gr:rpa.po srednjrm vrednostima
odredenekombinacije(grupe)o,belei'ja
no, ali smanjiterizik greSkeI vrstetako 5to iete zadatistroZuvrednostalfa. lzav;snrh-pro-"nii.'itr;. Ispituje se
nulta hipotezada se srednjevrednosti'odred."*
.i;;l"irrr.*,
Jedanod naiina kontrole greiakaI vrstezbogviSetestovajesteBonferonije- nemenjaju promenlli_
u zavisnoJu
oi
vo prilagodenje.To zna(.ida uobiiajenu vrednostalfa (najdeiie0,05) delite
brojemtestovakoje nameravateda sprovedete. Ako irnatetri nezavisne pro-
;Lfi::tffllrntJli:'i")
prerposfavke: MANOVA
"i""" r"r.,".,k"
p,f_
podiva
menljive,podelili biste0,05 sa 3 (5toiznosi 0,0L7 nakon zaokruZivanja) i tLr La Tkoli\o prerposravki. One su
podrobnijerazmorreneu sledeiemoderjku.
novu verovatnoiubistekoristili kao granidnu.Razlikeizmedugrupzrpotom Trebaroul i""p?eirate i raspra_
vu o prerpostavkamau uvodu u peti deo
smatratestatisddkiznadajnimtek ako je dobijenaverovatnoia(Sig.)manja knjige-
1. Velidinauzorka
od 0,017.
MANOVA semoZeupotrebljavirtiza jednofaktorske,dvofaktorskei vi5e^ 2. Normalnostraspodele
faktorske analizevarijanse(kada irna viie nezavisnihpromenljivih, tf . fakto- 3. Netipidnetadke
ra), kao i u analizikovarijanse(kadasestatistiiki uklanja uticaj remetiladke 4. Linearnost
promenljive).U ovom poglavlju,daiu primer koyiilustrujejednostavnu,jed- 5. Homogenostregresije
nofaktorsku MANOVA analizu. Sloienije analizese ne razmatraju u ovoj
6. Multikolinearnosti singularnost
knjizi. Ako nameravateda koristite MANOVA analizu,zaistavam prepo-
7. Homogenostmatrica varijansei
rudujemda to ne radite dok viSeo tome ne proditatei svedobro ne prouiite. kovariianse
PredlaZemvam sledeiu literaturu:Thbachnicki Fidell (20071,Hair i ostali Neparametarskaalternativa:Ne postoji.
(2006) i Stevens(1996).
lspitiva nj e pretpostavki
Pre sprovodenjaMANovA analize,
Obiainienieprimera proveri6emoda li na5i podaci
prerpostavkepopisane u kratkom zado_
Za prrkazivanje MANOVA analize koristila sam datoreku s podacima ::^tl-"":j" pregredu.Neki od rih resrova
nrsu' strogo uzev,neophodni
za ovako velike'uzJ.ke, !r'ir, prikazati da
survey3ED.sag dostupnuna prate6ojWeb lokaciji knjiSie.Studijaje detaljno bisrevideli potrebanpostupak. "i,
opisanau dodatku.U ovom primeru,istraZiiernorazliku izmedurnuikaraca
i Lena u pogledu nekoliko merila raspoloZenja.To su: negativnoraspo-
1. Velidinauzorka
loZenje(merenona skali negativtrihoseianja,NegativeAffect), pozitivno u svakojieliji mora biti viie
raspoloZenje (merenona skali pozitivnih oseianja,PositiveAffect) i subjek- sruiajeva(opservacija) nego iro ima zavisnih
promenljivih.To je apsolutni
tivno doZivljenstres(rnerenona skali Total PerceivedStress).Ako Zeliteda minimum; bilo bi il;;H;1"
;e uzorak velik' manje su i posredicrt.s.tli".i9kih 'ou,,,u".^uau
pratite doleopisane postupke, pokrenite SPSS i otvorite datoteku normalnosri)'u ovom primeru, drugih pretpostavki (npr.
survey3ED.sav. u svakojieliii r.eba?a inirr nny,r..,nn,"
sludaja(toliko ima zavisnih ,r;
pt"r*rr;*ii;. ukuono imamo iest ielija (dva
nrvoanezavisnepromenrjiveimuika
Kratak preglediednofaktorskeMANOVAanalize svakinivo).u rezultatinia r'ci/Lene,ipo tri ,ruirn. pronrenljivez.r
Primer istraiivatkog pitania: Da li se muSkarcii Zenerazlikuju po opitcm
uaxova *rir)"'r"rrai"r."i'liri sludajeva u
svakojielifi' U ovom
primeru,.u ierijamai-"-o mnogo
raspoloZenju? Da li su mudkarcibolje prilagodeniod Zenapo svojinrpozi- potrebnogbroia sluiajeva viie od neophodno
(videti ;";l;;.r.riptive statisticsu rezultatjma
tivlim i negativnirnraspoloZenjima i nivou subyektivnodoZivljenogstresa? SPSS-ove procedure).
Sta vam treba: Za iednofakrorskuMANOVA analizu:
o jednakategorijska,nezavisnaprornenljiva(npr.pol); i 2. Normafnostraspodete
r dve ili vi5eneprekidnih,zavisnihpromenljivih (npr. negarivnoosedr- tsprtrvanjeznadajnosti
rezurtataMANovA
nje, pozitivno oseianje,subjektivnodoZivlfenstres). varijacionojnormalnoj .anarizezasnovanoje na multi-
raspodeli,ari je u praksi
na umereno narudavanje,ormal'osii ;";^;;;;;o.,i."" orporna
MANOVA se moZeproiiriti i na dvofaktorskai viSefaktorskaistraZivir- t".i,r^1i1" ; ;;;.;;11,10,.,
nja, kada ima viSekategorijskihnezavisnihpromenljivih. lanianetipitnihradaka)-Tabachnicki Fidel oorro-
studajeva'p"
c.rlii jerob,rsnosr.
{i."1t;[';3j j,'i'Jn:: L:::il
"uezbedLr
normalnost(pomoiu tzv' 3' U polje lndependent stavite neprekidnezavisnepromenljivekoje ste oda-
normalnost(videti6. poglavlje)i multivariiacionu
provere normalnosti pomaZui u ot- braliza MANOVA analizu(npr.ukupnanegativnaosecanja/ tnegaff,ukupna
iri'"-fr^f^""frisovih.,dri;.iotti;. Postupci pozitivnaosecanja/ tposaff,ukupan subjektivnodoZivljenstres / tpstress).
3)'
i.r*""i" netipiinih tadaka(videtipretpostavku
4. Pritisnitedugme Save. U odeljku Distances pritisniteMahalanobis.
5. PritisniteContinue i zatim OK (odnosno dugme Paste da biste komandu
3. Netipidnetadke snimiliu Syntax Editor).
tadke(ti' rezultatekoji semnogo
MANOVA ie veomaosetliivan:r netipidne
postojanieunivarilacionihneti- Postupakgeneri5eovu komandu:
razlikuju oi veiine ostalih).Trebaproveriti
a i rnultivariiacionih
pit.in i"t^na (zasebnoza svakuzavisnupromenliivu),
'""iiple"lf,
tadaka.Multivarijacione netipi6ne tadke su subiekti s iudnom REGRESSION
-to*t
rzrznih zavisnih promenljivih (npr' vrlo /MISSINGLISTWISE
ino.llom dobiienih vrednosti
i vrlo mali druge). Univ:rrijacione netipic:- /STATISTICS COEFFOUTSR ANOVA
velikevrednostiiednepromenliive
(videti 6' poglavlie)' Postupak provere /CRITERIA:PI N(,05)POUT(,10)
ne talke otkriva p.o..du,u Explore
netipidrrihtaiaka i multivarijacionenornalno- /NOORIGIN
fostojanla multivariiacionih / D E P E N D E NiTd
sti prikazaduu nastavku' /METHOD:ENTERtposafftnegafftpstress
/SAVEMAHAL.
Provera multivariiacione normalnosti
- preko menija
Multivarijacionunormalrrosriemo proveriti kada od sPSS-a
Maha-
Regression- zarraiino da izradunaMahalanobisoveudaljenosti. Evo tabele rezultata prethodnog postupka.
lu.r"obisou" udaljenostje udaljenostodredenogsludaiaod centroidaostalih
prome.liivih
,iuJ"i*u; cenrroidje taika koiu tvore srednievredno.stiwih
Residualg Statisticaa
izradunatih
Tabela21.1:Kritidnevrednostiza vrednovanje Mahalanobisovih
udaljenosti Postupakza generisaniematricedijagramarasturanja
Kritidna Broj zavisnih Kritidna
1' otvoritemeniGraphs,izaberite u njemustavkuLegacyDiarogs,pa pritisn
Broj zavisnih Kritidna Broj zavisnih
vrednost promenljivih vrednosl promenljivih vrednosl te Scatter,/Dot.
promenljivih
20.52 26,13 2. PritisniteMatrixScatter.pritisnitedugmeDefine.
13,82
3' lzaberitesve zavisnepromenrjive (negaff,posaff,pstress)i prebacite
16,27 22,46 27,88 ih u
poljeMatrixVariables.
18,47 24,32 to 29,59
4. lzaberitepromenljivu sexi prebaciteje u poljeRows.
Izvor:izdvojeno i prilagodeno iz tabele u knjiziautorki Tabachnik& Fidell (1996); prvobitni izvor: 5' Pritisnitedugmeoptions i potvrditeporjeExcrudecases variabre
P e a r s o n ,E . S . a n d H a r l e y ,H . O . ( E d s ) ( 1 9 5 8 ) . B i o m e t r i k at a b l e s f o r s t a t i s t i c i a n s( v o l . 1 , 2 n d e d n ) . by va-
riable.
New York: Cambridge UniversityPress.
6' Pritisnitecontinue i zatimoK (odnosnodugmepaste
UporeditemaksimalnuvrednostMahalanobisovihudaljenostidobiienuu da bistekomand
snimiliu SyntaxEditor).
rezultatima(npr. 18,1)saoditanomkritiinom vrednodiu.Kada le maksimal-
Postupakgeneriseovu komandu:
na vrednostveia od kritidne,u datotecis podacimaimate multivariiacione
netipiine taike. U mom primeru,Mahalanobisovaudaljenostbaremiednog
sluiaja premaiujekritidnu vrednostod L6,27, dakle multivarijacioneneti- GRAPH
pidnetaike postoje.Koliko ih je i koliko serazlikuiuod ostalihsluiaieva,to /SCATTERPLOT(MATR
lX):tposaff tnegafftpsrress
tek treba utvrditi. Da je maksimalnavrednostMahalanobisovihudaljenosti /PANEL ROWVAR:sexROWOFCnbSS
/M lSSlNG:VARtABLEW|SE .
bila manja od kritidne vrednosti,mogla sam bezbednozakljuditi da nema
ekstremnihmultivarijacionihnetipidnihtadaka i nastaviti proveru ostalih
pretpostavki. Evo i dobijenihdijagramarasturania.
ViSeo netipidnimtadkamanajlakie demo saznatisledeii uptttstvaiz .5'
poglavljada sortiramo sludajeve(u opadaiuiem redosledu)po novoi pro-
menllivoj (MAH-2) dodatoj na dno datoteke s podacima. Nazvana ie
MAH-2 zato 5to sam ve6imala MAH-1, napravljenuu poglavljuposveic-
nom viSestrukojregresif i. U prozoru Data View,sh.riaievidebiti poredaniod c
g E
CE
nayveiegdo najmanjegiznosaMAH-2, a najveii 18,1 biie na vrhu kolone ;3# Ir
r
Fo,?
rn
MAH_2. (.f,
4. Linearnost a.!.a
Ova pretpostavka znaii da izmedu svih parova zavisnih promenliivih treba -;o
Panial Eta
Effect Value sdf Errordl Sio
rnrercepr Ftlafs I face . 9 8 / 1064 .625d 3.000 428.000
Wrtks'Lambda 't084
,013 ,625. 3,000 428,000 000 s87
Hotelling's Trace 1084 ,625" 3,000 428.000 .000 987
Roy's Larqest Root 75.993 I 084 6254 3.000 428.000 000 987
sex Pillai'sT ,024 3 ,000 428,000
Wrlks'Lambda
Hotelling's Trace
.976 3,5694 3.000 428.000
.014
.014
.024
.424 TumadenjerezultataMANOVAanalize
.025 3,5694 3.000 428,000
Roy's Largest Root .425 3.5694 3,000 428.000
,014
.o14
,024 Predstavljamokljudne aspekterezulrataMANOVA analize.
.024
Exactstatistic
DesigniIntercept+sex Tab eIa D e scri ptive Sfafibtrbs
Proveriteda li su tadni brojevi u ovoj tabeli, naroiito da li brojevi
Levene's Test ot Equality of ErrorVariancesa N odgo-
varaiu onome5to znateo svom uzorku. Ti brojevisu 'broj sludajeva po e!u-
F df1 d12 Siq. jama' (videti1. pretpostavku).u svakojieliji, broj sludajeva
Total PositiveAtfect 1,065 'I
430
mora biti veii od
,303 broja zavisnihpromenljivih. Kada u svakoj 6eliji imate preko 30
Total Negative sluiajeva,
Atfect 1,251 1 430 26-4 eventualnonaruiena normalnost ili jednakostvarijansi ,r"6. -rrogo nauditi.
Total perceived
2.074
stress I 430 , 15 1 TabelaBox's lesf
Teststhen u l lh y p o t h e s itsh a tt h e e r r o r v a r i a n coet t h e d e p e n d e nvt a r i a b l ei s rzlazna tabela Box's Test of Equality of covariance Matrices kazuje
equal acrossgroups. da li
a Design:
podaci.naruiavajupretpostavkuhomogenostimatricavarijansei kovarijan-
Intercept+SEX
se.Kada je vrednost sig. ueia od 0,001, pretpostavka nije n'aruiena.Tabach-
Tests ol Between-Subjects Effects
nick i Fidell (2007, str.281) uporornrrul,,ia je Boksov pokazatellM desto
prestrog kada je uzorak velik. sreiom, u naiem primeru
Pariial vrednost sig.
Soufce Deoendpnl v
Type lll Sum
Eta Boksovog pokazateljaM iznosi 0,33; dakle, t,, pr.tportuvku nismo naruiili.
ol Mean SQuare F
,444 ,UU6 uuu
lolal negahve aflec1
total perceived stress
1 7 2,348i
281.099c
172 348
281.099
3.456 064 .008 Tabelateyene's lesf
lotercept .004 ,019
totat positive affect 478633.634 478633,634 s 1 0 8 . 2 7 0 ,000 Pogledajtesadatabelu Levene'sTest of Equality of Error variances.
tolal negatrveaffect '158121,903
1 5 8 1 2910 3 3170,979 .000 u njenoj
lotat perceived slress
,881 koloni sig. potrazitebrojevemanieod 0,05. Svakitakav kazuie
sex total positrve affect
299040.358 299040,358 8874.752 ,000 .954 da ie naruie-
lotal negativ€ affect
,440 ,440 ,008 .927 ,000 na pretpostavka o jednakostivarijansenjegovepromenljive.u tekuiempri-
172,348 172.348 3.156 ,064 .008
total percejved slress 281.09S 281.099 8.342 .004
meru,nijednapromenljivanemaznaiajnu.tr.dntst Leveneovog pokarutel,";
Error rotatpoajliva;6;r ,019
22596,218 430 52.549 zato smemoda pretpostavimoda su varijansejednake.eto
totalnegativeaffect 21442.088 430 49,865 utirrdite krlenje
totaipercejvedstress 14489.121 pretpostavkeo jednakostivarijansi, zadajtestrozi nivo alfa
rotal rorafios,rire-tteci-
430 33.696 za izradunavanl'e
5121 0.000 432 znaiajnosti univarijacionog_F-testa te promenljive. Thbachnick
tota,negativeaffect 184870,000 432 i Fidell
totatperceivedst.ess 323305.000 432 (2007) predlaLualfa nivo od 0,025 ili 0,01, umestouobidajenog
corecled I oldt roGr poilG anect 22596,657 431
nivoa 0,05.
totat negdtive aflecL 21614.435 431
totJ,perceived stress 1477A.220 431
a R Squared = ,000
iAdjusled R Squared:,.002)
b R Squared = ,008
{Adjusted R Squared = ,006)
Deo V: Statistidketehnikeza poredenjegrupa
broj stepeni slobode df i verovatnoia gre5ke prve vrste Sig.. Njih tumadite
jednako kao 5to biste tumaiili obiinu jednofaktorsku analizu varijanse. U
Ovaj skup multivarijacionihtestovaznaiajnostikazujeda li se grupe stati-
stidkiznadajnorazlikuju po linearnojkombinacijizavisnoprornenljivih.Na koloni Sig. potraZite brojeve manje od 0,017 (to je naS novi, prilagoden nivo
raspolaganjuvam je nekoliko pokazatelja('$filks'Lambda,Hotelling'sTra- alfa). U ovom primeru, samo je za jednu zavisnu promenljivu (Total percei-
ce, Pillai'sTrace).Jedanod najdeS6e navodenihpokazateljaje Wilks'Lamb- ved stress)znadajnost manja od naie granidne (Sig. od 0,004). U ovoj studiji,
jedina znaiaina razllka izmedu muikararca i Zena bila le u subjektivno doii-
da. Tabachnick i Fidell (2007) za op5tu upotrebu preporuiuiu upravo
Vilksov lambda.Medutim, kada su vam podaciloSi(mali uzorak,nejednak vljenom stresu.
broj sluiajevapo ielijama, naruSenepretpostavke),robusniji je pokazatelj
Pillai'sTiace (poredenjenavedenihpokazateljavideti u literaturi: Tabach-
Veliiina uticaia
nick & Fidell.2007,str.252). Kada imatesamodvegrupe,F-testovipokaza- VirZnost(velidina) uticaia pola na subjektivno doZivljen stres moZe se izradu-
telja \7ilks' Lambda, Hotelling's Trace i Pillai's Trace identidni su. nati pomoiu pokazatelja u poslednjoj koloni Partial Eta Squared.Parcijalno
eta kvadrat predstavlja proporciju varijanse u zavisnoj promenljivoj (ti. u
TabelaWilks'Lambda vrednostima subjektivno doZivljenog stresa)koju objainjava nezavisnapro-
Trai.enipokazatelj iete naii u drwgom odeliku tabele Multivariate Tests,u m e n l j i v a ( p o l / s e x ) .U o v o m p r i m e r u , t a v r e d n o s t j e 0 , 0 1 9 , 5 t o s e , p r e m a
redu oznadenimimenomnezavisnepromenljive(grupisanja,u ovom sludaju opiteprihvaienim kriterijumima (Cohen, 1988, str. 284-7), smatra veoma
SEX).Bilo bi pogreino upotrebitibrojeveiz prvogodelika,koji seodnosina malirn uticajem (velidina uticaja razmotrena je u uvodu u peti deo knjige). To
presednu taiku. ProditajtevrednostpokazateliaWilks'Lambda i niegovnivo znadi da pol objaSnjavasamo 1,9 procenata varijanse u rezultatima merenja
znadajnosti(Sig.).Kada je nivo znadajlosti manii od 0,05, onda treba subjektivno doiivljenog stresa.
zakljuditi da postoji razhkaizmedu grupa. Ovde smo dobili iznosVilksovog
lambda od 0,976, uz znaiainost0,014. To ie manje od 0,05; dakle,postoji
Poredenje srednjih vrednosti obeleZjapo grupama
statistidki znatalna razllka izmedu muikaraca i i.ena u pogledu njihovog Iako znamoda semulkarci i Zenerazlikujupo subjektivnodoZivljenomstre-
opiteg raspoloZenia. su, ne znamo ko je imao veie vrednostitog obeleZja.To iemo saznatiu po-
slednjoj izlaznoj tabeli, SEX. Srednja vrednost subjektivno doZivljenog
Tabela Between'suby'ecfseffects stresaza muikarce bila je 25,79, a za i.ene27,42. Mada je ta razlika stati-
Kada dobijeteznaiajan rezult:rtprethoclnogmultivzrrijacionog testaznadaj- stidkiznadajn:r,ona je zapravovrlo mala, manja od 2 jedinicena skali.
nosti, tada vam je dozvoljenoda dalje istraZujetesvaku od svojih zavisnih
Naknadne analize
promenljivih.Da li se muSkarcii Zenerazlikuiu po svim zavisnimmerilima
U gornjem primeru, nezavisna promenljiva je imala samo dva nivoa (dakle
ili rn-o po nekim?Te informacijedaie izlaznatabelaTestsof Between-Sub-
jectsEffects.Poito je ovde bilo sprovedenovi5ezasebnihanaliza,preporuiu- dve grupe: rnr-rikarci, Zene). Kada nezavisna promenljiva ima tri ili vi5e
je se da zadateniZi nivo alfa da biste smanjili verovatnoiu (rizik) da nivoa, neophodno je naknadnim univarijacionim analizama utvrditi koje su
razlike znaiajne (da li se grupa 1 razlikuje od grupe 2, da Ii se grupa 2 razli-
napravitegreiku I vrste(tj. da rezultatproglasiteznaiajnim kada on to niie).
kule od grupe 3 itd.). Jedan od nadina da se to uradi bila bi jednofaktorska
To senajde56e radi primenom Bonferoniievogprilagodeni:r.U svom naiied-
ANOVA zavisnih promenljivih koje su bile znadajne u analizi MANOVA
nosravnijemobliku, to znaii podeliti prvobitni nivo alfa (obitno 0,05) bro-
verziiete formule (npr. subjektivno doZivljen stres).Unutar jednofaktorske ANOVA procedu-
iem analizakoje nameravateda sprovedete(sofisticiranije re (videti 18. poglavlje), treba zahtevati naknadne testove promenliive s tri
videti u Tabachnick6c Fidell, 2007, sr.r.270).U ovor-nsludaju,istraZujemo
ili viSe nivoa. Kad god sprovodite viSe analiza, ne zaboravite da smanjite
tri zavisnepromenljivelzato bismo0,05 podelilis:r3, 5to dajenovu vrednost
nivo alfa Bonferonijevim prilagodenjem.
alfa od 0.017.Svoierezultateiemo smatratiznadainimsamokada je pripad-
na verovatnoiagreSkeprve vrste (Sig.)manja od 0,017.
U tabeliTestsof Between-Subiects Effects,siditedo treieg skupavredno-
sti u redu saimenomnezavisne promenljive(u ovom sluiaju, SEX).Tu su na-
vedenesve zavisnepromenliivei pripadajuii univariiacionipokazatelliF,
Deo V: Statistidketehnikeza poredenjegrupa
PredstavlianierezultataMANOVAanalize Analizakovarijanse
Rezultati multivarijacione analize variianse mogu se predstaviti ovako:
Cemu sluZiANCOVA
ANCOVA se moZe upotrebiti za poredenje dve grupe koje se testiraju pre i
posle (npr. poredenje uticaja dve razliiite intervencije,mereno u svakoj grupi
pre i posle intervencija). Rezultati na testu pre intervenciie tretiraiu se kao
k o v a r i j a t z a k o n r r o l r - rt,i . s t a r i s t i i k o u k l a n i a nj e p r e r h o d n o p o s t o j e c i hr a z l i k a
iz.rredugrupa. zato je ANCovA vrlo korisna kada su uzorci mali ili kada su
Deo V: Statistidketehnikeza poredenjegrupa Poglavlje22: Analizakovarijanse
uticajirazlikamali cloumereni(videtiraspravuo velidinamauticajau uvodu 200) podrobno i dobro obraduju ovu renlu, ukljuduju6i i nejednake uzorkt
Lrpeti deo knjige).U takvim okolnostima,veomauobidajenirnu druitvenim netipidne tadke, multikolinearnost, normalnost raspodele,homogenost vari
naukama,Stevens(1996)preporuiujeda seupotrebedva ili tri paZljivooda- ianse, linearnost, homogenost regresije i pouzdanost kovarijata. (Vei ie
brirnakovarijata (obeleZja),kako bi se smanjilavarijansagreike i poveiala sam ovaj spisak statistidkog Largona dovoljan da doveka preplaii!).
verovirtnoiaotkrivanjarznadainerazlikeizrnedugrupa' ukoliko postoji.
ANCOVA je podesnai kada subiektinisu sludajnododeljenigrupama, Uticajtretmana na merenje kovarijata
vei su upotrebljenepostoieiegrupe,npr. razrediudenika.Poito se te grupe IstraZivanje trebzr projektovati tako da se kovarijat meri pre tretmana od
mogu razlikovatipo viSeatributa (a ne samopo onom koji istraZujete), AN- nosno eksperimentalne obrade kako bi se izbegao uticaj trermana na kova
COVA se moZe upotrebiti da bi se smaniileneke od tih razlika. Dobro oda- rijat. Ukoliko tretman utide na kovarijat, ta promena ie biti korelirana
brani kovarijati smanjuju remetiladki uticai razhka izmedu grupa. To promenom u zavisnoj promenljivoj. Kada ANCovA ukloni uticaj kovarija
svakakonije idealna situacija,poStonije moguie ukloniti uticaj svih mo- ta, uklonide i deo uticaja rretmana i tako smanjiti verovatnoiu dobijanjr
gudih razlika; medutim, njime se ta sistematskagreika smanjuje.Spro- znaiajnog rezultata.
voderrje analizekovarijansenetaknutih ili postojeiih grupa predmet ie
sporenjaautor:l r.rovoj oblasti.Kada se nadeteu toj situ:rciii,bilo bi dobro
Pouzdanostkovarijata
da proditateviSeo tome. Neka od tih pitanja sumarnoje obradio Stevens
ANCovA pretpostavljada su kovarijati izmerenibezgreike,ito je potpun
(1996, str.324-7).
nerealnapretpostavkau dobrom delu druStvenihistraZivania.Samo de
obelezjaiiji uticaj trebaukloniri, recimosrarostispitanika,mogu seizmeri
lzbor prikladnihkovariiata prilidno pouzdano;osrala obeleLja(ona koja se mere pomoiu skala)ne za
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 ' dovoljavaju tu pretpostavku.Pouzdanostalatkt za merenjemoze se oo
Medutim, njih treba paZljivo odabrati (videti Stevens,1996, str.320 iTa- boliSatina nekolikonadina:
bachnick & Fidell, 2007, str. 203,211). Prilikom identifikacije moguiih ' Potrazitedobre i dobro validiraneskalei upitnike.Proveriteda li mer
kovarijata, morate dobro poznavati teoriiu i prethodna istraZivanja spro-
ono 5to vi mislite da mere (nije dovoljno proditati samo naziv skale-
vedena u toj oblasti. Promenljive odabrane kao kovarijati moraju biti nepre-
proditajtei prateii prirudnik,pregledajtesvestavke)i da li su prikladn
kidne, pouzdano izmerene (videti 9. poglavlje) i jako korelirane sa
za val uzorak.
odabranom zavisnom promenljivom. Idealno bi bilo da izaberetemali skup
kovarijata koji su medusobno umereno korelirani, tako da svaki od niih Proverite unutralnju saglasnost (to je jedna vrsra pouzdanosti) skale
jedinstveno doprinosi obja5njenju varijanse. Kovarijat mora biti izmeren pre tako 5to iete izrac'unati njen Kronbahov pokazatelj alfa (videti 9
poglavlje). Alfa treba dtr je iznad 0,7 (bilo bi poZeljno iznad 0,8) da b
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 . se skala mogla smatrati pouzdanom.
Ako ste sami morali da piSetepitanja, ona treba da sr-rjasna, prikladn:
i jednoznadna. Pitanja i skale odgovora treba da su prikladni za sue
Alternativeanalizikovarijanse
grupe. Pre sprovodenja glavnog istraZivan ja, obavezno ispitajte svoje
ANCOVA ima viSeogranideniai temeljnihpretpostavkizbog,kojihprojekat
pitanja pomoiu probnog (pilot) testa.
istraZivanjaili podacimogu biti neprikladniza analizukovarijanse.Thbach-
nick & Fidell (2007, str.221,)i Stevens(1996, str.327) navodeviSealterna- Ukoliko upotrebljavate bilo koju vrstu opreme ili merne instrumenta'
tiva analizi kovariianse. Bilo bi dobro da istraZite te alternative i u ciie, obavezno proverite radi li ispravno i da li je propisno kalibrisana
konkretnim okolnostimaprocenitekoii je put najbolji. Proverite da li je osoba koja n-rkujerom opremom ovla5iena i obudena
da je upotrebljava.
Ako u istraZivanju udetvuju i drugi ljudi kao opservarori ili ocenjivad
Osnovnepretpostavkeanalizekovariianse ponaSanja, proverite da li su obuieni i da li svi primenjuju iste krite-
Pored pretpostavki uobidajenih za svaku analizu varijanse i razmotrenih u rijume. Medusobnu usaglaienost ocenjivada proverite probnim (pilot]
uvodu u peti deo knjige, ANCOVA ima vi5e svojih posebnih Pretpostavki i testiranjem pre nego 5to predete na glavno istraZivanie.
problernatidnih pitania. U ovom poglavlju c'etro razmatrati silmo kljudne
p.etpostauke na kojirna se zasniva ANCOVA. Tabachnick i Fidell (2007, str.
Poglavlje 22: Analizakovarijanse
298 Deo V: Statistieketehnikeza poredenjegrupa
Objainjenjeprimera
Medukorelacijekovarijata Za prlkazivanje jednofaktorske analize kovarijanse upotrebi6u datoteku s
med'sobno kore-
OU"1.Z;"odabrana,r. ko,n"rilntenc bi trebalo da su iako podacima experim3ED.sav, dostupnu na prateioj Veb lokarcijiknjige (videti
jako koreliraju sa zavisnom promenljivom, ali ne i
lirurru.id."lrro bi bilo 4a
kovarijata,oslonite se na postoieiu str. xi). To su podaci iz fiktivne studiie o ispitivaniu uticaja dve razliiite in-
-"dl.rrobrro.Prilikom izboraprikladnih preliminarnimanaliz-ama kore- tervencije koje studentima pomaiu da se izbore sa svojom anksioznoSiu po-
i."rr;" i prethodnaistrazivaniau toj oblasti.
izmedu predloZeni6 kovari- vodom predstojeieg kr-rrsaiz st:rtistike. (Sve poiedinosti studiie videti u
i".,illrri"ii 11. poglavlle)isiraZiteiaiinu veze
kou"rijati koje sre nameravalida upotrebiteiako dodatku.) Podeljeni u dve jednake grupe, studenti su odgovorili na nekoliko
i^,"'. ef." urvrdite iu ,,,i jedan ili viSenjih (videti Ste- pitanja, pri demu je jedna skala merila njihov strah od statistike. Potom je
-"drrrobno korelirani (npr' r=0,80), uklonite
ledna grupa pohadala kurs matematidkih veStina, a druga je udestvovala u
vens,1.996,str.320).Svaklododabranihkovarijatatrebadadasvojsa-
ne doprlnosl smanlenlu programu izgradnie samopouzdanja. Nakon tih intervencija, svi su ponovo
mostalan doprinos; preklapanje medu nltma
odgovarali na ista pitanja koja sr-rdobili pre programa. Spomenuta datoteka
variiansegreike.
sa izmiSljenim podacima dostupna je na'Web lokaciji ove knjige. Ako Zelite
da pratite doleopisane postupke, pokrenite SPSS i otvorite datoteku
Linearnavezazavisnepromenliivei kovariiata experim3ED.sav.
promenljive i svakog ko-
ANCOVA pretpostavlja da ie veza izmedu zavisne U ovom primeru istraZujemo uticaj kursa matematidkih veStina(grupa 1)
Isto vaLi i za sve parove kovarijata, koliko
varijara linearna (pravolinijska). i kursar izgradnje samopouzdanja (grupa 2) na rezultate udesnika u ispiti-
pretpostavke obiino_ smaniuje mo6
gocl da ih ima. NaruSavanie ove vanju straha od statistike, pri iemu uklanjamo uticaj rezultata dobijenih na
za ukliuiivanje kovariiata
iosetliivost) resta. Ne zaboravite,jedan od razloga tom testu pre pohadanja kurseva. Sledepojedinosti o imenima upotrebljenih
bilo je pove6anje moii analize variianse' promenljivih i njihovi opisi u datoteci s podacima:
ali
Linearnost se moze proveravati vizuelno na diiagramima rastlrranja, Ime datoteke: experim3ED.sav
pro-
se to mora r-rrzrditirur.btto za svaku grupu (ti' svaki nivo nezavisne Promenliive:
trans-
menljive).Ukoliko otkriiete krivolirriisku vezu, to se moZe popraviti
(videti B. poglavlje) ili njegovim izbacivanjem iz . Vrsta poduke (grupa) 1=Matematidke veitine,2=Izgradnja samopouz-
formacijom rog kovarijata
analize izbaiiti lode kovarii are, zato 5to ie transfor- danja
u.r"lir..'e.sto ie lakSe iz
misane prornenljive teiko protumaiiti. . Rezultati na testu kojim se ispituje strah <ldstatistike, popun;'avanom u
trenutku 1 (Fost1): ukupni rezultati na istom testu popunjavanom pre
intervencije. Rezultati poprimaju vrednosti u opsegu od 20 do 60. Veie
Homogenostnagibaregresiie
ovo impresivnozvuii, aznati samoto dabiveza izmedukovarijataLzavY vrednosti pokazuju ve6i strah od statistike.
,n. pro-"tliive trebalo da bude iednakaza svegrupe' Na diiagramuregre-
o Rezultati na testu kojim se ispituje strah od statistike, popunjavanom u
sile to ,. ui.ii kao jednakosr nagiba regresionelinije "a svaku grupu. trenutku 2 (Fost2): ukupni rezultati na istom testu popunjavanom ne-
Nieiednakinagibi kazuiu da postoii interakciiaizmedutog kovariiatai tret- p o s r e d n op o s l e i n r e r v e n c i j e .
mana.Ako interakcijapostoji, onda rezultatianalizekovarijansezavatava- o Rezultati na testu kojim se ispituje strah od statistike popunjavanom u
ju, pa nju uop5tene bi tiebalo sprovoditi(videtiStevens'1996, stt'323,331; trenutku 3 (Fost3): ukupni rezultati na istom resru, popunjavanom 3
Tabachnickgc pld.ll, 2007, sir.202). Postupakprovereove pretpostavke n ) e s e c ap o s l e i n r e r v e n c i j e .
dat je u primerimau nastervku poglavlia.
Kratakpregledjednofaktorskeanalizekovarijanse
Primer istraiivaikog pitanja: Postoji li znataina razllka u rezultarima ispiti-
JednofaktorskaANCOVA vanja straha od statistike grupe koja je pohadala kurs matematiikih veitina
U ovom odeljku, proii iemo korak po korak kroz postupak jednofaktorske
(grupa 1) i grupe sa kursa izgradnje samopouzdzrnja(grupa 2), kada se uklo-
analize kovarijanie. Jednofaktorrka nNCOVA obuhvata jednu nezavisnu,
ni uticaj nlihovih poietnih odgovor:r na istom testr.r?
kategorijsku prornenljivu (sa dva ili viSe nivoa ili uslova), iednu zavisnu ne-
prekidnu promenljivu i jedan ili viSeneprekidnih kovariiata. Ova tehnika se
3"r,o .rporrebljava za vrednovanje uticaja intervenciie ili eksperimentalne
obrade, rato jto uklanja uticaj rezultata ispitivanja dobiienih pre intervencije'
I
300 Deo V: Statistidke tehnike za poredenje grupa Poglavlje 22'. Analizakovarijanse 301
$l
I
Starramtreba:Najmanietri promenliive:
o jednakategorijskanezavisnapromenliivasa dva ili visenivoa (grupa1/
I Pretpostavka 2: pouzdanost kovarijata
I ova pretpostavka nameie odgov:rrajuii naiin projektovania istraZivanja,a
grupa2); znati da treba izabrati najpouzdanije dostupne merne alatke. Ako u istraZi-
o jedna neprekidnazavisnapromenljiva (rezultati udesnikapri ispiti- vanju nameravate da koristite neko psihometrijsko merilo ili skalu, proveri-
te njenu unutraSnju saglasnosr (medusobnu saglasnost stavki koje ie
vanju strahaod statistikemereniu trenutku 2);
sadinjavaju) izraiunavan;'em Kronbahovog pokazatelja alfa (pomoiu SPSS
r jedanili viSeneprekidnihkovariiata (rezultatiuiesnika pri ispitivanju
-ove procedure Reliability, videti 9. poglavlje). Poito sam podatke za ilustra-
strahaod staristikemereniu trenutku 1).
ciju ove tehnike izmislila, ne mogu da proverim pouzdanost ispitivanja
Sta sepostiie: ANCOVA kazuieda li serezultatiispitivanjadve g1-rpena srraha od statistike. Da su to stvarni podaci, proverila bih da li je Kronbahov
strah od statistikesprovedenomu trenutku 2 znatajno razlikuiu nakon a l f a b a r e m 0 , 7 0 ( b i l o b i p o Z e l j n od a j e 0 , 8 0 ) .
uklanjanjauticajarezultata(odgovora)studenatana testusprovedenompre
intervencija(kursevaobuke). Pretpostavka 3: korelacije izmedu kovarijata
Pretpostavke:Sve uobidajenepfetpostavkejednofaktorskeanalizevari- Kada upotrebljavateviSekovarijata,proveriteda nisu prejako medusobno
janse(videtiuvod u peti deo kniige).Niih trebaprve proveriti.Dodatnepret- korelirani (r=0,8 i viSe). Tome sluZi SPSS-ovaprocedura Correlarion,
posravke analizekovarijanse(videti niihov opis dat u prethodnom delu podrobno opisanau 11. poglavlfu.PoStoja imam samo jedan kovariiat, u
poglavlja): ovom primeru to ne moram da radim.
1. kovarilat semeri pre intervencijeodnosnoeksperimentalne obrade;
pouzdano koliko je to Pretpostavka 4: li nearnost
2. kovarijat se meri bez grejke (ili baremonoliko
Pretpostavkao linearnomodnosuizmeduzavisnepromenljivei kovarijata,
uopite moguie);
za svegrupe, moZe se proveriti na viSenadina.U sledeiempostupku po-
3. kovariiati nisu iako medusobnokorelirani; kaza6uvam iedanbrz nadin.
4. izmeduzavisnepromenljivei kovarijatapostoji linearanodnos za sve
grupe (linearnost);
5. odnos izmedu kovariiatai zavisnepromenljivejednak je za svegrupe Postupakza proverulinearnostiza sve grupe
(homogenostnagibaregresionelinije). Da bistepratiliovajprimer,otvoritedatotekus podacimaexperim3ED.sav.
Neparametarskaalternativa:Ne postoji- Prvi korak
1. OtvoritemeniGraphs,izaberite u njemustavkuLegacyDialogs,pa pritisni
Proverapretpostavki te Scatter/Dot.
Pre nego 5to podnete proveru posebnih pretpostavki na kojima se temelji 2. PritisniteopcijuSimple Scatter.PritisnitedugmeDefine.
ANCOVA, morate proveriti zadovoljenost pretpostavki na kojima se zasni- 3. U poljeY axis stavitezavisnupromenljivu (uovomsludaju, strahod statistike
va obidna jednofaktorska analiza varijanse (normalnost raspodele, homo- izmerenu trenutku2, fost2).
genost varijanse). Pre nego (to nastavite sa ovim poglavliem, trebalo bi da 4. U poljeX axis stavitekovarijat(npr.strahod statistikeizmerenu trenutku1,
proditate uvod u peti deo knjige i 18. poglavlle. Tu gradu ovde neiu pona- fostl).
iliati; tat otriiemo samo dodatne pretpostavke analize kovariianse' nave- 5. Pritrsnitenezavisnupromenljivu (npr.grupa/group) i staviteje u poljeSet
dene u kratkom pregledu. Markers by.
6. PritisniteOK (odnosnodugmePaste da biste komandusnimiliu Syntax
Pretpostavka 1: merenie kovariiata Editor).
Ova pretpostavka nalaLeda se kovariiat izmeri pre poietka_tretmana odno- Postupakgeneri5eovukomandu:
sno eksperirnentalneobrade. Zadovoljenost ove pretpostavke ne proverava
se statistidki, nego tako morate projektovati istraZivanje i sve istraZivadke GRAPH
postupke. Eto zaStoie vaZno planirati studiju tek onda kada dobro upoznate WITH fost2 BY group
/SCATTERPLOT(BIVAR):fost1
rtatistiik. tehnike koie nameravate da upotrebite' /MISSING:LISTWISE
uE(, v . urdl.ttiLtuKE tct tl llAe zd PUI Eucl uu vl uPd Poglavlje2?: rT9r"1I9y_!9!:9
Drugi korak naru5ena. Kada otkriiete krivolinijski odnos, uzmite neki drugi kovarijat ili
1. Kada je dijagram rasturanjanacrtan i prikazan u prvom planu, dvaput ga pri- pokuiajte da transformiSerepostojeci (videti 8. poglavlje), pa ponovo nacr-
tisniteda biste otvoriliprozorChart Editor. trrjte dijagram rasturanja i proverite da li 1epoboljian.
2. Otvoritemeni Elements i u njemu izaberiteAdd Fit line at Subgroups. Na
dilagramuce se prikazatilinijekoje najboljeodgovarajupodacimasvakeod Pretpostavka5: homogenostregresionihnagiba
grupa.Ja sam ih na donjoj slici izmenilada bi bile jasnije (linijujedne grupe Poslednja pretpostavka (homogenost regresionih nagiba) odnosi se na vezu
nacrtalasam isprekidano),a izmenilasam i markere(videtiuputstvaza mo- izmedu kovarijata i zavisne promenljive u svim grupama. Proveravate da
difikovanjedijagramau 7. poglavlju). nema interakcije izmedu kovarijata i tretmana odnosno eksperimentalne
3. Otvoritemeni File i u njemu izaberiteClose. o['rrade. Zadovoljenost ove pretpostavke moZe se proveriti na viSe nadina.
Vizuelno, moie se pogledati dijagram rasturanja zavisne promenljive u
Evo kako izgledamojdijagram rasturanja.
ftrnkciji kovarijata, nacrtan prilikom ispitivanja pretposravke 4 (videti gore).
type of class
Imaju li te dve linije (koje u ovoj studiji odgovaraju dvema grupama) slidne
maths skills
nagibe? U gornjem primeru linije su vrlo slidne, pa izgleda da ova prerpo-
O
conlidence stavka nije naruiena. Da su linije bile primetno razlidito usmerene,zakliuiili
A
DUrlolng bismo da postoji interakcija izmedu kovarijata i tretmana (kao 5to se vidi po
razlici medrr grupama). To bi znadilo da je ova pretpostavka naruiena.
AO Ova pretpostavka se moZe proveriti i statistidki umesto grafidki. To znadi
da bismo izradunali interakciju tretmana i kovarijata i njenu statistidku
/a
aa
a znatajnost. Kada je interakcija znaiajna na nivou alfa od 0,05, pretpostavka
a je naru5ena. Sada iemo izraiunati tu interakciju.
ol
o
40 o ao " ,/' A
.E
a/t o
o
(E a6 Postupakproverehomogenostiregresionihnagiba
a
o ao 1. OtvoritemeniAnalyze,izaberite u njemustavkuGeneralLinearModel,pa
o pritisniteUnivariate.
(E 3 5 {:' 2. U poljeDependentVariablesprebacitezavisnupromenljivu (npr.strahod
o,
a statistikeizmerenu trenutku2, skracenofost2).
a
3. U poljeFixedFactorprebacitenezavisnu grupisanja
tj. promenljivu (npr.vr-
stu poduke,skracenogroup).
f,,
R Sq Linear= 0.766 4. U poljeCovariateprebacitekovarijat (npr.strahod statistike izmerenu tre-
aL
ao R Sq Linear= 0,725
nutku1, skraceno fostl).
5. PritisnitedugmeModel.Pritisnite opcijuCustom.
6. U poljuBuild Termstrebada je izabrana opci.ialnteraction.
7.Pritisnitenezavisnu promenljivu (group)i zatimje pritiskomna dugmesa
strelicomprebaciteu poljeModel.
35 40 45 50
8. Pritisnitekovarijat(fost.l)i zatimga pritiskomna dugmesa strelicompreba-
fear of stats timel
cite u poljeModel.
9. Ponovopritisnitenezavisnu promenljivu (group)na levojstrani(u odellku
Kako vam izgleda rirspodela rezultata svake grupe? Da li vam odnos iz- Factorsand Covariates).Kadaje ta promenljiva izabrana,pritisnitei zadrLi-
medu zavisne promenljive i kovarijata, u svakoj grupi, lidi na linearan (pra- te tasterCtrl na tastaturi,
i zatimpritisnitekovarijat(fost1).Pritiskom na dug-
volinijski)? Najgore bi bilo da se pokaZe jasar-rkrivolinijski odnos. U me sa strelicomprebacitega u poljeModelna desnojstrani.
gornjem primeru odnos je jasno linearan, pa pretposfavka linearnosti nije
304 Deo V: Statistidketehnikeza poredenjegrupa
Poglavlje22: Analizakovarijanse 305
dugmeModel.U odeljkuSpecifyModelpritisnite
5. Pritisnite opcijuFull Fac-
Kratak pregled dvofaktorske analize kovarijanse torial.Pritisnite
Continue.
Primer istraiivadkogpitania:Da li pol utiie na delotvornostdva programa
namenjena,rnu.rj",rju straha ispitanika od statistike?Ima li tazlike u rezul- 6. PritisnitedugmeOptions.
. Pri vrhu,u odeljkuEstimatedMarginalMeans pritisnitedve odabrane
tatin-raispitivanjastrahaod statistikemuikaraca iLena,dobijenimposlein-
nezavisne promenljive (npr.pol/sex,grupa/group).
tervencije(tj. pohadanjaprograma obuke), po tome kako su reagovalina Pritiskomna strelicu
program izgradniesamopouzdanja? prebaciteih u poljeDisplaymeansfor.
'programuienja matematiikih veitina i . Pritisnite (npr.group*sex).
fi" vam treba:Naimanlecetiri promenliive: dodatnidlaninterakcije Prebacite ga u to polje.
Takoste zadalida se izradunasrednjavrednostzavisnepromenrjive u sva-
o dve kategorijskenezavisne prornenljivesapo dva ili viSenivoa (pol: Ir4/
koj grupi,iz kojeje uklonjenuticajtog kovarijata
2; grupa,matematiikeveltine/izgradniasamopouzdania); . U donjem delu okviraza dijalog Options izaberiteopcije Descriptive
. jednaneprekidnazavisnapromenljiva(rezultatiudesnikana testuko- statistics, Estimates of etfect size i Homogeneity tests. pritisnite
ji- r. ispitujestrah od statistike,mereniu trenutku 2); Continue.
. jedanili viSeneprekidnihkovarijata (rezultatiuiesnika na testukojim 7.PritisnitedugmePlots.
seispitujestrah od statistike,mereniu trenutku 1)' . lzaberite prvunezavisnu promenljivu (npr.group)i prebacite je u poljeHo-
StasepostiZe:ANCOVA uklanja uticai kovarijatai zatim obavljauobi6a- rizontal.Tapromenljiva ce bitiprikazana duZhorizontalne ose dijagrama.
. Pritisnitedrugu nezavisnu promenljivu (npr.sex) i prebaciteje u polje
ienu dvoiakrorskuanalizuvariia'se kolom saznajemosledeie:
SeparateLines.Tapromenljiva ce bitiprikazanarazliditimlinijama zasva-
a postoji li znadajan zasebanuticai prve nezavisnepromenljive (grupa); Kugrupu.
a postoji li znaiajan zaseban uricaj druge nezavisnepromenljive (pol); i . PritisniteAdd.
a postoji li znadaina interakciia izmedu njih' Continuei zatimOK (odnosnodugmePaste da bistekomandu
8. Pritisnite
Pretpostavke: Sveuobidajenepretpostavkedvofaktorskeanalizevarijan- snimiliu SyntaxEditor).
se (npr.n<lrmalnostraspodele,homogenostvariianse).Niih treba prve pro- PostupakgeneriSe ovu komandu:
veriti (videtiuvod u peti deo kniige).
Dodatne pretpostavke analiz.e kovarijanse:Videti njihov opis i postupke UNIANOVA
za njihovu p.ou.ru date u prethodnom delu poglavlja,posveienomjedno- fost2 BY groupsex WITH fostl
faktorskoi anaLizikovari ianse. /METHOD: SSTYPE(3)
Neparametarskaalternativa:Ne postoii. / I N T E R C E P T I: N C L U D E
/PLOT: PROFILE(group*sex )
Postupakza dvofaktorskuanalizu kovariianse /EMM EANS: tnBLES(group)WITH(fost1:MEAN)
1. OtvoritemeniAnalyze,izaberite u njemustavkuGeneralLinearModel,pa /EMMEANS: TABLES(sex) WITH(fost1:M EAN)
pritisniteUnivariate. /E MM EANS : TABLES(sex*group) WITH(fost1:M EAN)
2. U poljeDependentVariablesprebacitezavisnupromenljivu (npr.strahod /PRINT: DESCRIPTIVE ETASOHOMOGENEITY
statistikeizmerenu trenutku2, skracenofost2). /CRITERIA:ALPHA(,05)
3. Pritisnitedve nezavisnepromenljive (npr.pollsex;
grupisanja
tj. promenljive /DESIGN: fostl groupsexgroup"sex.
grupa/group). Prebaciteih u poljeFixed Factor'
4. U poljeCovariatestaviteodabranekovarijate(npr.strahod statistikeizme-
renu trenutku1, skracenofostl ).
312 Deo V: Statistidketehnikeza poredenjegrupa Poglavlje22: Analizakovarijanse 313
2. sex
Evo i rezultataopisanog postupka' DependentVariable:fear of stats trme2
SEX
Tests ot Between-Sub.iectsEffects
- male
Dependent Variable feal of stats tlme2
- female
Type lll Sum Partial Eta
Source df I\.4eanSouare F Sio
gorrectfflvtoo€ ouo,/ zu- 1 7 1,682 51,854 UUU
Inter€pt 4,137 1 4,137 1.250 .2:74 ,048 .o
fostl 545,299 1 545,299 164.698 .000 ,86B
1,431 .054
o
group 4,739 1 4,733 ,243 o
sex 4.242 1 4.202 1,269 .048 Esa
'l
gro0p" sex 104.966 104.966 3'1.703 .000 .559
(E
Error 42,772 25 3.311
Total 42957,OOO 30 '4,
CorrectedTolal 769,500 to
Tumadenierezultatadvofaktorskeanalizekovarijanse U toj tabeli se moZe oditati io! i uticai kovarijata. Pronadite red sa ime-
ANCOVA daje mnogo rezultata, pa iemo ih tumaditi korak po korak. nom kovarijata (npr. strah od sratistike izmeren u trenutku 1, tj.
. Proverire da li su brojevi u tabeli Descriptive Statistics taini (npr. broj FOST1)i proditajtebroj u odgovarajuioj ieliji kolone Sig. On kazuie
da li postoji znadajna veza izmedu kovarijata i zavisne promenljive.
sluiajeva u svakoj grupi, srednje vrednosti rezultata grupa).
kada se ukloni uticaj nezavisne promenljive (group). U redu Fostl
. U tabeli Levene's Test of Equality of Error Variances proverite da li je
(naieg kovarijata) pi5e da verovarnoia Sig. iznosi 0,000 (5to zaptavo
naruiena pretpostavka o jednakosti varijanse. Trebala bi nam verovat-
znadi manje od 0,0005). To je manje od 0,05, pa je na5 kovarijat znaea-
no6a Sig. veda od 0,05. Kada je ta vrednost manja od 0,05 (stoga i jan. U stvari, on je objasnio dak B7 procenata varijanse u zavisnoj pro_
znadajna), to znati da varijanse nisu jednake i da je pretpostavka
menljivoj (parcijalni eta kvadrat od 0,87 pomnoZen sa 100).
naruiena. U ovom sludaju pretpostavka nije naruiena, zato 5to Sig. iz-
U odeljku Estimated marginal means ANCOVA daje korigovane sred_
n o s i 0 , 1 1 , 5 t o j e v i S eo d g r a n i d n i h 0 , 0 5 .
nje vrednosti zavisne promenljive za svaku grupu, date za svaku neza-
. Glavni rezultati analize kovariianse dati su u tabeli Test of Between-
visnu promenljivu zasebno i potom zajedno.'Korigovane' znadi da je
Subjects Effects. Zanima nas da li postoji znatajan zaseban uticaj ijed-
uticaj kovarijata statistidki uklonjen. PoSto je uticaj interakcije znata-
ne nezavisne promenljive (grupa ili pola) i da li je interakcija izmedu
jan, najzanimljivija je treia (poslednja) tabela rezultata zajednidkog
njih znadajna. Od najveieg interesa je interakcija, pa iemo nju prvu
uticaja dve nezavisnepromenljive, naslovljena 3. sex'r type of class.
proveriti. Kada je interakcija znaialna, dva zasebna uticaja nisu vaZna,
Kao neobavezan dodatak,zatraLrla sam da se nacrta dijagram korigo-
poito se uticaj jedne nezavisnepromenljive menja u zavisnosti od nivoa
vanih srednjih vrednosti rezultata ispitivanja straha od statistike, zaseb-
druge. Pronadite red sa imenom interakcije (u ovom sludaju, groupo
no za muikarce i Zene i za obe intervencije. (Ne brinite ukoliko se va5
sex). i proditajte broj u odgovaraju6oj deliji kolone Sig. Ako je broj u
toj 6eliji manji od 0,05 (odnosno od zadatog nivoa verovatnoie alfa), dijagram razlikuje od prikazanog: naknadno sam modifikovala dila-
interakcija je zna(ajna. U ovom primeru, ta verovatnoda iznosi 0,000 gram da bi se lakSeditao kada se oditampa. Uputstva za modifikovanje
(to treba shvatiti kao man;'eod 0,0005), 5to je mnogo manje i od 0,05 dijagrama videti u 7. poglavlju.) Na ovom dijagramu jasno se vidi da
postoji interakcija izmedu te dve nezavisne promenljive. Za mulkarce,
i od 0,01; dakle, na5 rezultat je statistiiki veoma zna(aian. Ovako
zna(a1an uticaj interakcije navodi na pomisao da muSkarci drugadije izmeren strah je bio najmanji nakon poduke iz maremaridkih veStina.
reaguju na ta dva programa od Zena. Zasebni uticaji obeleZja Group i Kod Zena, strah je bio najmanji nakon izgradnje njihovog samopouz-
Sex nisu statistidki zna(ajni (Group: p=0,24; Sex:p=Q,)/ ). Ne moie se danja. Rezultati jasno ukazuju na to da muikarci i Zene razlltito reaguju
reii da je jedna intervencija bolja od druge, poito je jedna bolja za mu- na sprovedene intervencije i da prilikom projektovanja intervencija,
Skarce,a druga za i.ene. Ne moZe se reii da ,,intervencija viSe koristi npr. programa obuke, morate voditi raduna o polu udesnika.
muikarcima", poSto to vaLi samo za jednu intervenciju, a za onu drugu Upozorenje: ne uzbudujte se mnogo kada dobijete zna(ajanrezultat. Mo-
vaii suprotno. rate stalno imati u vidu cilj analize. Primera radi, ovi rezultati ne kazuju da
. Treba razmotriti i velidinu uticaja, iiji je pokazatelj parcijalni eta kva- je kurs iz matematiikih veitina koristio suim muikarcima, niti da ie iz-
drat (objaSnjenjevelidine uticaja videti u uvodu u peti deo knjige). U gradnja samopouzdanja koristila suim i.enama. Ne zaboravite, poredimo
ovom sludaju, ta veliiina iznosi 0,56 (5to je veliki uticaj, prema Koeno- prosednerezultate grupe kao celine. Uprosedavanjem rezultata za celu gru-
vim smernicama iz 1988). Taj broj kazuje i koji deo varijanse u zavi- pu, neizbeZnogubimo deo informacija o pojedincima. Prilikom vrednovanja
snoj promenljivoj objaSnjava nezavisna promenljiva. MnoZenjem sa programa treba razmotriti dodatne analize da bi se istraZilo koliko je ljudi
100 pretvorite taj parcijalni eta kvadrat u procentualnu vrednost (po- kojima su koristili, u odnosu na broj onih kolima su 'Sretili'.
merite decimalni zarezza dva mesta udesno). U ovom primeru, uspeli Premda se nadamo da intervencije namenjene da pomognu ljudima nijed-
smo da objasnimo dak 56 procenata varijanse. nom udesniku neie naikoditi, ponekad se to ipak dogada. U oblasti upra-
vljanja stresom, neka istraZivanja su pokazala neoiekivano poveianie nivoa
anksioznosti udesnika nakon odredenih vrsta trermana (npr. treninga
o p u i t a n j a / r e l a k s a c r j e )U. t a k v o i s i t u a c i i i t r e b a u r v r d i r i z a i t o s e t o d e s i l o n e -
kim osobama i prepoznati dodatne moderatorske promenliive.
316 Deo V: Statistidketehnikeza poredenjegrupa
Predstavljanjerezultatadvofaktorskeanalizekovarijanse
Rezultati ove analize mogu se predstaviti ovako: Dodatak
Analizom2 sa 2 kovarijanserazliditihgrupa uporedenaje delotvornostdva pro-
grama obuke namenjenasmanjivanjustrahamu5karacai iena od statistike.
Pojedinosti
Nezavisnepromenljivebile su vrsta intervencije(podukau matematidkimve5ti-
nama,odnosno izgradnjasamopouzdanja)i pol u6esnika.Zavisnupromenljivu
o datotekama
dine rezultatiispitivanjastrahaod statistikedobijeninakonzavr5etkaprograma S podacima
intervencija(u trenutku2). Kao kovarijatu analizi,upotrebljenza uklanjanjeindi-
vidualnihrazlika,koriScenisu rezultatiispitivanjastrahaod statistikedobleni
pre intervencija.
Preliminarnimproveramaje utvrdenoda nisu naru5enepretpostavkeo nor-
malnosti,linearnosti,homogenostivarijansi,homogenostiregresionihnagibai ovaj dodatak sadrii informacijeo Sestdatotekas podacima,dostupnihna
pouzdanostimerenjakovarijata.Nakon statistidkoguklanjanjauticajarezultata prateioj Web lokaciji knjige (pojedinostio rome videti na str.xi):
ispitivanjastrahaod statistikedobijenihpre intervencija(u trenutku 1),
1. survey3ED.sav
utvrdenoje da postojiznadajanuticajinterakcije,F (1,25) :31 ,Z p < 0,0005,
i da je taj uticaj velik (parcijalnieta kvadrat: 0,56). Nijedanod zasebnihuti-
2. error3ED.sav
c a j a n i j e b i o z n a d a j a np, r o g r a m :F ( 1, 2 5 ) : 1, 4 3 , p : 0 , 2 4 ; p o l : F ( 1, 2 5 ) : 3. experim3ED.sav
1,27,p: O,27.Ovaj rezultatnavodina pomisaoda muSkarcidrugadijereaguju 4. depress3ED.sav
na te dve vrste intervencijaod Zena.Strah mu5karacaod statistikevi5e se 5. sleep3ED.sav
smanjionakon udestvovanjau programusavladavanjamatematidkihveStina,
6. staffsurvey3ED.sav
dok je 2enamavi6e koristioprogram izgradnjesamopouzdanja.
Prveietiri datoteke slui,eza praienje postupakaopisanih u raznim pogla-
vljima ove knjige.Poslednjedve (sleep3ED.sav i staffsurvey3ED.sav) dodat-
U prikaz rezulrataove analizetrebalo bi ukljuiiti i tabelu sa srednjim
ne su datoteke za veLbanje, s podacima iz raznih naudnih disciplina.
vrednostimagrupa.Ako su zzrvisna promenljiva(trenutak2) i kovarijat (tre-
Sleep3ED.savsadrZi podatke zdravstvenei medicinske prirode, dok
nutak 1) merenina istoj skali,trebalobi navestisrednjevrednostiu trenlrtku
staffsurvey3ED.sav sadrZipodatke relevantneza poslovno okruZenje.Na
1 i trenutku 2. Njih 6e izraiunati procedura Descriptives(videti 6. pogla-
kraju nekih poglavljadatesu preporuieneveZbes podacimaiz tih datoteka.
vlje).Ukoliko je kovarijat merenna drugaiijoj skali,naveditenekorigovanu
Da bistemogli korisriti te datotekes podacima,morateposetitinavedenu
srednjuvrednost(i standardnoodstupanje)i korigovanusrednjuvrednost(i
\7eb lokaciju i, prateii uputstva na ekranu, preuzetiih nzrdvrsti disk, CD ili
standardnugreiku) za obegrupe.Nekorigovanusrednjuvrednostproditajte
USB.Zatim bi trebaloda pokreneteSPSS i otvoriteonu datotekus podacima
u tabeliDescriptiveStatistics.Korigovanusrednjuvrednost(iz koje je uticaj
koju nameravateda koristite. Takve datotekemogu da se otvore samo u
kovarijatastatistidkiuklonjen)proditajteu tabeli EstimatedMarginal Me-
SPSS-u. U ovom dodatku je za svakudatotekudat Sifarnik,sa svim pojedi-
ans.Bilo bi dobro da navedetei broj sludajevau svakojgrupi.
nostimao promenljivamai prate6imuputstvimaza Sifrovanje.
Survey3ED.sav
Ovo su stvarni podaci, saLetrizjedne studije koju su sproveli moii postdi-
plomci psihologije obrazovanja. Studiia je trebalo da istraZi dinioce koji
utidu na psiholo5ko prilagodenje i opite raspoloZenje ispitanika. Pripada-
juia anketa je ot'ruhvatalarazne validirane skale za merenje konstrukata, za
koje bi se po obimnoj literaturi o stresu i njegovom prevazilai,eniu moglo
smatrati da utidu na subjektian doZivliaj stresa.Pomoiu tih skala mere se sa-
mopo5tovanje, optimizam, subjektivno doZivljen stepen samokontrole, tj.
upravljanja sopstvenin-riivotom, subjektivno doZivljen stres, pozifivna i
318 Dodatak:Pojedinostio datotekamas podacima Dodatak: Pojedinostio datotekamas podacima 319
Experim3ED.sav
Ovo je skup izmiSljenih podatak:r, naprarvljen d:r bi se dobilo neito prikladno
za ilustraciju statistidkih tehnika kao 5to su t-test za ponovljena merenja i jed-
nofaktorska ANOVA ponovljenih merenjir. Taj skup podataka upuiuje na
fiktivno istraZivanje uticaja dve razlidite intervencije koje pomaiu studentima
da se izbore sa sopstvenom anksioznoSiu u vezi s predstojeiim kursom iz sta-
tistike. Podeljeni u dve jednake grupe, studenti su (u trenutku 1) popunili ne-
koliko testova. To su bili testovi za ispitivanje straha od statistike (Fear of
Statistics),samopouzdanja u vezi s polaganjem ispita iz sttrtistike(Confidence
in Coping with Startistics) i depresije(Depression).Potom je jedna od tih grupa
(grupa 1) pohadala vi5edasovni kurs matematiakih veitina; druga grupa
(grupa 2) udestvovalaje u programu izgradnje sarnopouzdanja u polaganje
ispita iz stzrtistike. Nakon zavrSetka oba programa (u trenutku 2) opet su
popunjavali iste testovekao pre programa, i ponovo tri mesecakasnije (u tre-
nutku 3). Bile su izmerene i niihove performanse na ispitu iz sratistike.
Depress3ED.sav
Ova datotekaje priloZenaza prikazivanjeodredenihtehnika u 16. pogla-
vlju. Obuhvatanekoliko klluinih promenljivihiz jednestvarnestudije,koju
je jedan od mojih postdiplomacasproveoisrraiujuii tinioce koji utiiu na
opSteraspoloZenje prvorotki. SadrZirezulratedobijenena viSerazliiitih psi-
holoSkihskalaprolektovanihza merenjedepresije(pojedinosti videti u 16.
poglavlju,o rneri podudaranjakapa).
Sleep3ED.sav
Stvarni podaci, saLetiiz studije sprovedene radi istrazivanja rasprosrranje-
nosti i uticaja problema sa spavanjem na razne rrspekreLivota. Univerzitet-
sko osoblje iz Melburna u Australiji popunilo je upitnik s pitanjima o broju
sati no6nog sna koje uspevaju da ostvare, problemima sa spavanjem (da li
Dodatak:Pojedinostio datotekamas podacima Dodatak:Poiedinostio datotekamas podacima
Deo A: materijaliza survey3ED.sav Social Desirability Scale Crowne, D.P. & Marlowe, P. (1960).
Pojedinostio skalamakoje obuhvatasurvey3ED.sav Skala za merenjesklonosti lf udi da A new scaleof social desirability
se predstaveu druitveno independentof psychochopathology.
Skale su navedene redom kojim se pojavljuju u anketi.
poZeljnomsvetlu (deselstauki) Journal of Consulting Psychology,24,
349-54.
Skala Referenca
S t r a h a n ,R . & G e r b a s i ,K . ( 1 9 7 2 ) .S h o r t ,
Life Orientation Test S c h e i e rM
, . F . & C a r v e r ,C . S .( 1 9 8 5 ) . homogeneousversion of the
Skala optimizma ili Zivotne Optimism, coping and health: An Marlowe-Crowne SocialDesirability
orijentaciie assessment and implications of Scale.Journal of Clinical Psychology,
(iest staul<il g e n e r al i z e do u t c o n r ee x p e c t a n c i e s . 28,191-3.
Health Psychology,4, 219-47.
PerceivedControl of Internal Pallant,J. (2000). Developmentand
Scheier;M.F., Carver,C.S. & Bridges, StatesScale(PCOISS) validation of a scalero measure
M.\)(/.( 1994). Distinguishing perceivedcontrol of internal states.
Skala subjektivno doZivljene
optimism from neuroticism (and trait
sarnokontroleunutrainjih stanja .[ournal of Personality Assessntent,
anxiety,self-masteryand self-esteem): 7 5. 2. 308-37.
(osantnaeststauki\
A re-evaluationof the Life
Orientation Test.Journal of
Personality and Social Psychr>logy,67,
6,1063-78.
Mastery Scale , . ( 1 9 7 1 1 )T.h e
P e a r l i n ,L . & S c h o o l e rC
Skala subjektivnogoseiaja structure of coping. tournal of Ilealth
upravljanja sopstvenimZivotom and Social Behauior 19.2-21.
(sedamstauki)
'Warson,
Positive and Negative Affect Scale D., Clark, L.A. & Tellegen,A.
(PANAS) ( 1 9 8 8 ) .D e v e l o p m e n a
t nd validation
Skala pozitivnih i negativnih of brief measuresof positive and
oseianja (duadesetstauki) negativeaffect: the PANAS scales.
Journal of Personality and Social
Psychology, 5 4, 1063-7 0.
Satisfaction with Life Scale Diener, 8., Emmons, R.A., Larson, R.J.
Skala zadovoljsrvaiivotom & G r i f f i n , S . ( 1 9 8 5 ) .T h e S a t i s f a c t i o n
(pet stauki) with Life scale.Journal of Personality
A s s e s s n t e n4t .9 . 7 1 - 6 .
PerceivedStressScale Cohen, S., Kamarck, T. & Mermelstein,
S k a l as u b j e k t i v n od o Z i v l j e n o g R . ( 1 9 8 3 ) .A g l o b a l m e a s u r o
ef
stresa (deselstat,ki) perceived stress.Journttl of Health
and Social Behauior,24, 38 5-96.
Self-esteemScale Rosenberg,M. (1965). Societydnd the
Skala sarnopoStovanja ad o Iescent seIfim age. Princeton,
(desetstauki) NJ: PrincetonUniversity Press.
Dodatak: Pojedinosti o dttot"kama s pffi 323
322 Dodatak:Pojedinostio datotekamas podacima
Puiai smoke 1 = d a ,2 = n e
Ukupni noskolomo
rezuhofi survey3ED.sov
koiesudeodololeke Kopijo
upihiko
upotreblienog survey3ED.sov
u dototeci
Na sledecimstranicamanavelasam samo deo upitnikaupotrebljenog za pri-
P u n oi m e lme promenljive Uputstvoza Sifrovanje kupljanjepodatakau datotecisurvey3ED.sav. Na prvojstranicisu demografska
promenljive u SPSS-u
pitanja,zatimtest optimizma/ livolne orijentacije(6 stavki)i skalapozitivnihi
Ukupanoptrmtzam toPtlm obrnuti stavkeop2, op4, op6 negativnihosecanja(20 stavki).U spiskuu prethodnomdelu dodatkadate su
sabrativrednostiod op1 do op6
sve pojedinostio referencama iz kojihsu preuzeteskalekori5ceneu upitniku.
raspon od 6 do 30
procitaite sledece iskaze i razmislite koliko se slazete ili ne sla2ete sa svakim od Deo B: materijaliza experim3ED.sav
prema datoi skali, naibolie pokazuie
,1i. i'.*a svakog iskaza napiiite broi koii,
vaie mi6lienje. zoexperim3ED.sov
iifornik
'l 2 3 4 5 potpuno se slaZem
nimalo se ne slaiem
nesigurnimvremenimaobidno ocekujemda ce mi se desiti ono najbolje. P u n oi m e lme Duie opisnoime Uputstvoza Sifrovanje
i. --U promenljive promenljive
promenljive
2. =-- Ako i5ta moZeda mi krene po zlu, krenuce' u SPSS-u u SPSS-u
3. -- Uvek sam optimistakada je u pitanju moja buducnost' broj
ldentifikacioni id id identifikacionibroj subjekta
4. _Gotovo nikada ne odekujemda ce se stvarirazvijatimenr u prilog,
Pol subjekta sex SEX 1:mu5karci, 2:2ene
5'-_sveusvemu,odekujemdacemisedesitivi5edobrognegoloseg.
Starost sub.jekta a9e age u godinama
6. - Retko odekujemda ce mi se desiti ne5to dobro'
Grupa group type of class 1:matematidke veStine,
lzvor:Scheier,Carver& Bridges'1994'
2:izgr adnla samopouzdanja
Za svaku stavku
ova skalase sastoji od reei koie opisuiu razna stanja i osecania' Testza ispitivanje fost l fear of stats time 1 Rezultatina testu kojim se
tokom nekoliko posledniih sedmica-
nazna,ite do koje mere ste se tako osecali strahaod statistike ispitujestrah od statistike,
Na tiniju pored svake stavke upiiite broi od 1 do 5' u trenutku 1 popunjavanomu trenutku1.
Opseg moguCihvrednostiod 2O
vrlo malo do 60. Vece vrednosti pokazuju
ili nimalo malo umereno prilidno izuzetnomnogo veci strah od statistike.
45 Vera u ovladavanje confl confidencetimel Rezultatiispitivanjavere
12 3 u ovta,
statistrkom
1 .-zatnteresovano 8.-ucveljeno 15.-uzbudeno davanje statistikom,dobijeni
u trenutku1
2.-uzrvlano 9.-snaZno 16.-kaokrivac u trenutku 1. Opseg mogudih
3.-prestravljeno 10.-odbojno 17.-oduSevljeno vrednosti od 10 do 40. Vece
4.-ponosno 1 |.-razdrailjivo 18.-dilo vrednosti pokazuju vece
5.-posramljeno 12.-nadahnuto 19.-nervozno samopouzdanje.
20.-usPlahireno Depresija depressl
6.-odluno 13.-pazljivo depression timel Rezultatimerenja na skali
u trenutku1
7.-aktivno 14. depresije,dobijeniu trenutku1.
1988. Opseg mogucih vrednostiod 20
/zvor:Watson,Clark& Tellegen,
do 60. Vece vrednosti pokazuju
vecu depresiju.
Test za rspitivanje fost2
fear of stats time2 Rezultatina testu
slraha od statistike kojim se
u trenutku2 ispituje strah od statistike
popunjavanomu trenutku2.
Opseg mogucihvrednostiod 20
do 60. Vece vrednosti pokazuju
veci strah od statistike.
Verau ovladavanje
conf2 confidencetime2 Rezultatiispitivanja
statistikom vere u ovla_
u t r e n u t k u2 davanje statistikom, dobijeni
u trenutku2. Opseg mogucih
vrednostiod 10 do 40. Vece
vrednostipokazujuvece
samopouzdanje.
Depresijau depress2 depressiontime2 Rezultatjmerenja
trenutku
2 na skali
depresije,dobijeniu trenutku2.
Opseg mogucih vrednosti od 20
do 6O. Vece vrednostipokazuiu
328 Dodatak:Pojedinostio datotekamas Podactma il Dodatak:Poiedinostio datotekamas podacima 329
Budite se dili radnim danom? refreshd 1:da,2:ne Kolikonaporaste utro6ili fatigue 1:nimalo, 1O:izuzetnomnogo
tokom proSlesedmice?
Dodatak:Pojedinostio datotekamas podacima Dodatak: Pojedinostio dtt"tekatu s pod
334
Cooper,D.R. & Schindler,P.S.(2003).Businessresearchmethods(8th edn). Hosmer, D.\7. & Lemeshow,S. (2000). Applied logistic regression.New
Boston:McGraw-Hill. York:'Wiley.
Cox, J.L., Holden,J.M., Sagovsky, R. (1987).Detecion of postnataldepres- Hubbard, R. & Allen, S.J.(1987).An empiricalcomparisonof alternative
sion. Developntentof the 1O-itemEdinburghPostnatalDepressionScale. methodsfor principal componentextraction.Journal of BttsinessRese-
Br I Psychiatry,150,782-6. arcb.15.173-90.
Crowne,D.P. & Marlowe, D. (1960).A new scaleof socialdesirabilityin- Kaiser,H. (1970).A secondgenerartion Little Jiffy. Psycbometrika,
3 5, 401-
dependentof psychopathology. Jowrnal of ConsuhingPsycbolog!,24, 15.
349-54. - (1974).An index of factoritrlsimplicity.Psychometrika,39,31-6.
Daniel, \7. (1990). Applied nonparametric statistics(2nd edn). Iloston: Keppel,G. & Zedeck,S. (1989). Data analysisfor researchdesigns:Analysis
P'WS-Kent. of uarianceand multiple regressiort/correlatkmapproacbes.New York:
Dawis, R.V. (1987).Scaleconstruction.Journal of CownselingPsychology, Freeman.
34, 481.-9. - (2004).Designand analysis:a researcber's handbook \4th edn).New
De Vaus,D.A. (2002). Surueysin socialresearch(5th edn).Crows Nest:Al- York: PrenticeHall.
len 6c Unwin. Kline, P. (1986).A handbookof testconstruction New York: Methuen.
DeVellis,R.F. (2003). Scaledeuelopment:Theory and applications(2nd Klirre, T.J.B. (2005). Psychologicaltesting: A practical al)proach to design
edn).ThousandOaks, California:Sage. and eualuatioz.ThousandOaks: Sage.
Diener,E., Emmons,R.A., Larson,R.J. & Griffin, S. (1985).The Satisfac- Lovibond, S.H. E Lovibond,P.F.(1995).Manual for the DeltressionAnxie-
tion with Life scale.Journal of PersonalityAssessment, 49,71-6. ty StressScales(2nd edn).Sydney:PsychologyFoundationof Australia.
Everitt,B.S.(1996).Mal<ingsenseof statisticsin psychology:A secondleuel Norman, G.R. & Streiner,D.L. (2000). Biostatistics: Tbe bare essentials
course.Oxford: Oxford UniversityPress. (2nd edn).Hamilton: B.C. DeckerInc.
Fox, J. [99I). Regressiondiagnostics.Newbury Park, CA: Sage. Nunnally,J.O. (1978).Psychometrictbeory.New York: McGraw-Hill.
Gable,R.K. & Wolf, M.B. (1,993).Instrumentdeuelopmentin the affectiue Pagano, R.R. (1998). Understandingstatistics in tbe behauioral sciences
domain: Measuringdttitudesand ualuesin corporateand school settings. (5th edn).PacificGrove,CA: Brooks/Cole.
Boston:Kluwer Academic. Pallant,J. (2000).Developmentand validationof a scaleto measurepercei-
Glass,G.V.,Peckham,P.D.& Sanders, J.R. (1972).Consequences of failure ved control of internal states.Journal of PersonalityAssessment,75,2,
to meetthe assumptionsunderlyingthe useof analysisof varianceand co- 308-37.
variance.Reuiewof EducationalResearch,42, 237-88. Pavot,'W.,Diener,8., Colvin, C.R. & Sandvik,E. (199I). Furthervalidationof
Goodwin, C.J. Q007). Researcbin psychology:Methods and design(5th the Satisfactionwith Life scale:Evidencefor the crossmethodconvergence
edn).New York: John Wiley.
(lorsuch,R.L. (1983).Factoranalysis.Hillsdale,NJ: Erlbaum.
of wellbeingmeasures. Journal of PersonalityAssessment, 57,149-61'.
Pearlin,L. EcSchooler,C. (1978).The structureof coping.!owrnal of Health
cravetter, F.J.sa wallnau, L.B. (2004). statisticsfor the behauioralsciences and SocialBehauior,19,2-21.
(6th edn).Belmont,CA: Vadsworth. Peat,J. (2001). Healtb scienceresearch:A handbook of quantitatiueme-
Greene,J. & d'oliveira, M. (1999).Learning to usestatisticaltestsin psy- thods.Sydney:Allen 6c Unwin.
chology(2nd edn).Buckingham:Open UniversityPress. Pett, M.A., Lackey,N.R. & Sullivan,J.J. (2003). Making senseof factor
Hair,J.E, Black,'W.C., Babin,B.J.,Anderson,R.E. & Tatham,R.L. (2006). analysis:the use of factor analysisfor instrument deuelopmentin health
Multiuariate data analysis (6th edn). Upper Saddle River, NJ: pearson careresearcl2. ThousandOaks: Sage.
Edr-rcation. Raymondo, J.C. (1999). Statisticalanalysisin the behauioralsciences.Bo-
Harris,R.J.(1994).ANovA: An analysisof uariance pea-
primer.Irasca,Ill: ston: McGraw-Hill College.
cock. Robinson,J.P.,Shaver,P.R.6a Wrightsman,L.S.(eds).Measuresof ltersona-
Hayes, N. (2000). Doittg psychologicalresearch:Gathering and analysing lity and socialpsychologicalattitudes.Hillsdale,NJ: AcademicPress.
data. Buckitrgham:Open University press. Rosenberg,M. (1965). Sctcietyand the adolescentself-image.Princeton'NJ:
Horn, J.L. (1965).A rationaleand test for the number of factorsin factor PrincetonUniversityPress.
ka, 3 0, 17c)-BS.
analysis.P sych <tmett'i
Bibliografija