Download as pdf or txt
Download as pdf or txt
You are on page 1of 118

EDUC/EDUG 512DL

Ποσοτική Έρευνα και Εκπαιδευτική


Click to edit Master subtitle style
Στατιστική

WebEx Session 6
Επανάληψη για την τελική εξέταση

Διδάσκουσα: Δρ. Χαρίκλεια-Παναγιώτα Βαϊοπούλου


vaiopoulou.cp@unic.ac.cy
Δομή παρουσίασης
Εν Περιεχόμενο Εν
▪ Είδη μεταβλητών ▪ Ορισμός συντελεστή συσχέτισης
▪ Κλίμακες μέτρησης και κατάταξη μεταβλητών στις κλίμακες μέτρησης ▪ Τιμές συντελεστή συσχέτισης και η σημασία των τιμών αυτών
1-2 5
▪ Ερευνητικές Υποθέσεις ▪ Ερμηνεία πίνακα συσχετίσεων
▪ Στατιστική σημαντικότητα
▪ Περιγραφική Στατιστική
▪ Σκοπός ανάλυσης t-test (για ανεξάρτητα δείγματα)
▪ Περιγραφή αποτελεσμάτων που δίνονται σε πίνακες
▪ Ερευνητικές υποθέσεις
▪ Πίνακες συχνοτήτων/ποσοστών
▪ Ερμηνεία αποτελεσμάτων t-test
3 ▪ Πίνακες δεικτών κεντρικής τάσης και διασποράς 6
▪ Σκοπός ανάλυσης ANOVA και ανάλυσης Post-hoc
▪ Είδη και χαρακτηριστικά γραφικών παραστάσεων
▪ Ερευνητικές υποθέσεις
▪ Κυκλικό διάγραμμα, Ραβδόγραμμα, Ιστόγραμμα, Διάγραμμα Κουτιού
▪ Ερμηνεία αποτελεσμάτων
▪ Περιγραφή αποτελεσμάτων που δίνονται σε γραφικές παραστάσεις
▪ Ερμηνεία πίνακα Crosstabs
▪ Σκοπός ανάλυσης Χ2 ▪ Σκοπός Παραγοντικής Ανάλυσης
4 7
▪ Ερευνητικές υποθέσεις ▪ Ερμηνεία αποτελεσμάτων
▪ Ερμηνεία αποτελεσμάτων διαδικασίας Χ2
▪ Παλινδρομική ανάλυση
▪ Προσδιορισμός εξίσωσης Υ΄ = βο + β1Χ και τι αντιπροσωπεύει
8
το κάθε στοιχείο
▪ Ερμηνεία αποτελεσμάτων
Μεταβλητές
Μεταβλητές

Με τον όρο μεταβλητή εννοείται «ένα οποιοδήποτε χαρακτηριστικό γνώρισμα, ιδιότητα


ή ικανότητα που τα υποκείμενα της έρευνας, ή τα αντικείμενα, έχουν σε διάφορο
βαθμό» (Παπαναστασίου & Παπαναστασίου, 2016, σελ. 33).
Διακρίνονται ανάλογα με:
το είδος τους το ρόλο τους στην έρευνα

Ποσοτικές: Λαμβάνουν αριθμητικές • Ανεξάρτητη μεταβλητή: Η μεταβλητή που


τιμές (π.χ. ηλικία, μισθός σε ευρώ) επιλέγει ο ερευνητής με σκοπό να μελετήσει
την επίδρασή της σε μια άλλη μεταβλητή.
Ποιοτικές: Λαμβάνουν τιμές που
είναι λέξεις/ κατηγορίες και ΔΕΝ • Εξαρτημένη μεταβλητή: Η μεταβλητή της
επιδέχονται διαβάθμισης (π.χ. οποίας οι τιμές επηρεάζονται από τις
επάγγελμα, κλάδος σπουδών) μεταβολές της ανεξάρτητης μεταβλητής.
Είδη Μεταβλητών - Παραδείγματα

Ανεξάρτητη Εξαρτημένη
μεταβλητή επηρεάζει μεταβλητή
(πιθανή αιτία) (αποτέλεσμα)

Παράδειγμα 1:
Πώς επηρεάζεται η επαγγελματική εξουθένωση από την ηλικία;
Ανεξάρτητη μεταβλητή = ηλικία
Εξαρτημένη μεταβλητή = επαγγελματική εξουθένωση

Παράδειγμα 2:
Διαφέρουν οι επιδόσεις των παιδιών ως προς το φύλο τους;
Ανεξάρτητη μεταβλητή = φύλο
Εξαρτημένη μεταβλητή = επιδόσεις
Κλίμακες Μέτρησης

Χρησιμοποιούνται για ποσοτικοποίηση ή την απόδοση αριθμητικών τιμών στις


μεταβλητές της έρευνας.
Διακρίνονται σε τέσσερις κατηγορίες / κλίμακες:
Τα άτομα/ αντικείμενα τοποθετούνται σε κατηγορίες.
Κατηγοριακή Αγαπημένο είδος μουσικής
Οι κατηγορίες είναι διαφορετικές μεταξύ τους.
Πόσο με ικανοποιεί ο τρόπος
Τα άτομα/ αντικείμενα κατατάσσονται με κάποια αύξουσα ή
Διατακτική διδασκαλίας του μαθήματος
φθίνουσα ιδιότητα την οποία κατέχουν (καθόλου, λίγο, πολύ, πάρα πολύ)
Ίσα διαστήματα μεταξύ των θέσεων δύο αντικειμένων. Η
Ισοδιαστημική μέτρηση αρχίζει από ένα αυθαίρετο μηδέν (το οποίο ΔΕΝ Σκορ σε τεστ προσωπικότητας
παριστά την πλήρη απουσία της ιδιότητας που μετράμε).
Η αρχή μέτρησης είναι το πραγματικό μηδέν (το οποίο παριστά
Αναλογική Ύψος (σε εκ.)
την πλήρη απουσία της ιδιότητας που μετράμε).
Διάκριση κλιμάκων μέτρησης

Ερευνητικό ερώτημα: Ποιο είναι το αγαπημένο είδος βιβλίων των φοιτητών του Πανεπιστημίου
Λευκωσίας;
Ερώτηση Πιθανές απαντήσεις Κλίμακα μέτρησης
□ Λογοτεχνικά
Ποιο είναι το αγαπημένο σας είδος βιβλίων; □ Κόμικς Κατηγοριακή
Επιλέξτε όσα ισχύουν: □ Ποίηση (δίτιμη, ΝΑΙ - ΌΧΙ)
□ κ.λπ.
Ποιο είναι το αγαπημένο σας είδος βιβλίων; Κατατάξτε με πρώτο το πιο αγαπημένο λογοτεχνικά, κόμικς,
Διατακτική
σας: ποίηση κ.λπ.
Α) Σε τι βαθμό σας αρέσει να διαβάζετε λογοτεχνικά βιβλία; Επιλέξτε:
Β) Σε τι βαθμό σας αρέσει να διαβάζετε κόμικς; Επιλέξτε: Ισοδιαστημική
1_2_3_4_5_6_7_8_9
Γ) Σε τι βαθμό σας αρέσει να διαβάζετε ποιητικές συλλογές; Επιλέξτε: κ.λπ.

Α) Πόσα λογοτεχνικά βιβλία διαβάσατε τη χρονιά που μας πέρασε; Συμπληρώστε:


Β) Πόσα κόμικς διαβάσατε τη χρονιά που μας πέρασε; Συμπληρώστε: ______ Αναλογική
Γ) Πόσες ποιητικές συλλογές διαβάσατε τη χρονιά που μας πέρασε; Συμπληρώστε:
Γιατί είναι Σημαντική η
Διάκριση των Μεταβλητών

Ανάλογα με το είδος των μεταβλητών υπό μελέτη σε μία έρευνα, θα χρησιμοποιηθούν


και οι κατάλληλες στατιστικές μέθοδοι.
Κάποιες στατιστικές μέθοδοι είναι πιο κατάλληλες για ποσοτικές μεταβλητές και άλλες
στατιστικές μέθοδοι είναι πιο κατάλληλες για ποιοτικές μεταβλητές.
ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
Click to edit Master subtitle style
Πίνακες συχνοτήτων
Πίνακας συχνοτήτων και ποσοστών
Έγκυρο Αθροιστικό
Ποσοστό Ποσοστό
Συχνότητα Ποσοστό

Χρόνος που αφιερώνω ημερησίως στην Ανάγνωση


Valid Cumulative Συχνότητα: Πόσες φορές καταμετρήθηκε κάθε
Frequency Percent Percent Percent κατηγορία.
Valid Καθόλου 54 1,0 1,0 1,0
Λιγότερο από μισή ώρα 2131 38,8 40,7 41,7 Ποσοστό: ποσοστό επί του συνόλου των
Μισή έως λιγότερο από 1 ώρα 1644 29,9 31,4 73,0
απαντήσεων (εδώ: επί του 5.495).
1 ώρα ή περισσότερο 1413 25,7 27,0 100,0
Total
Έγκυρο ποσοστό: ποσοστό επί των έγκυρων
5242 95,4 100,0
απαντήσεων, δηλαδή αφαιρώντας τις ελλιπείς
Missing
απαντήσεις (εδώ: επί του 5.242)
253 4,6

Total 253 4,6 Αθροιστικό ποσοστό: Σε κάθε γραμμή δείχνει το


Total 5495 100,0 ποσοστό όλων των κατηγοριών ΜΕΧΡΙ ΚΑΙ την
κατηγορία αυτή (π.χ. στη γραμμή Γ, το ποσοστό
Missing: ελλιπείς απαντήσεις, έχει μείνει κενή η απάντηση. Α+Β+Γ)
Αν το ποσοστό τους είναι ΚΑΤΩ από 5%, διαβάζουμε το VALID PERCENT.
Αν είναι ΠΑΝΩ από 5%, διαβάζουμε το PERCENT.
Πίνακας συχνοτήτων και ποσοστών
Έγκυρο Αθροιστικό
Ποσοστό Ποσοστό
Συχνότητα Ποσοστό

Χρόνος που αφιερώνω ημερησίως στην Ανάγνωση Στην έρευνα έλαβαν μέρος 5495 άτομα. Από αυτά,
Valid Cumulative 253 (4,6%) δεν απάντησαν στην ερώτηση σχετικά
Frequency Percent Percent Percent με τον ημερήσιο χρόνο ανάγνωσης. Εφόσον το
Valid Καθόλου 54 1,0 1,0 1,0 ποσοστό ελλιπών απαντήσεων είναι κάτω του 5%,
Λιγότερο από μισή ώρα 2131 38,8 40,7 41,7 θα ερμηνεύσουμε τα έγκυρα ποσοστά.
Μισή έως λιγότερο από 1 ώρα 1644 29,9 31,4 73,0
1 ώρα ή περισσότερο
▪ Μόνο 1% των ερωτηθέντων δεν αφιερώνουν
1413 25,7 27,0 100,0
καθόλου χρόνο στην Ανάγνωση.
Total 5242 95,4 100,0 ▪ 40,7% των ερωτηθέντων αφιερώνουν λιγότερο
από μισή ώρα κάθε μέρα ενώ 31,4% αφιερώνουν
Missing 253 4,6 μισή έως λιγότερο από μια ώρα ημερησίως στην
Ανάγνωση.
Total 253 4,6
▪ 27% των ερωτηθέντων αφιερώνουν μια ώρα ή
Total 5495 100,0
περισσότερο κάθε μέρα.
Γενικό συμπέρασμα: Η πλειοψηφία των ερωτηθέντων (συγκεκριμένα 73%
του δείγματος) αφιερώνει λιγότερο από μια ώρα ημερησίως στην Ανάγνωση.
Πίνακας Δεικτών Κεντρικής Τάσης και
Δεικτών Διασποράς
Πίνακας Δεικτών Κεντρικής Τάσης και Δεικτών Διασποράς -
Παράδειγμα Η μεταβλητή πρέπει να είναι αριθμητική (δηλαδή ισοδιαστημική ή αναλογική).
Statistics
• Στον πίνακα παρουσιάζονται τα αποτελέσματα για 32 μαθητές
σχετικά με το βαθμό τους στα Μαθηματικά (μεταβλητή Math Math Grade
Grade στον πίνακα). N (Μέγεθος Valid 32
• Ο μέσος όρος του βαθμού στα Μαθηματικά ήταν 15,75 (Τ.Α. 2,37). δείγματος) Missing 0
• Ο επικρατέστερος βαθμός ήταν 14. Mean (Μέσος όρος) 15,75
Δείκτες
• Ο ελάχιστος βαθμός ήταν 12 και ο μέγιστος 20. Το εύρος δηλαδή κεντρικής Median (Διάμεσος) 15,50
ήταν 8. τάσης Mode (Δεσπόζουσα / επικρατούσα τιμή) 14
• 25% των μαθητών έλαβαν βαθμό μικρότερο από ή ίσο με 14 ενώ
25% των μαθητών έλαβαν βαθμό μεγαλύτερο από 17. Std. Deviation (Τυπική απόκλιση) 2,369
• Οι μισοί μαθητές έλαβαν βαθμό μικρότερο από ή ίσο με 15,5 και Range (Εύρος) 8
Δείκτες
οι μισοί έλαβαν βαθμό μεγαλύτερο από 15,5. διασποράς Minimum (Ελάχιστη τιμή) 12
Maximum (Μέγιστη τιμή) 20
M Percentiles 25 14,00
25 % 25 % 25 % 25 % 50 15,50
Στρογγυλοποίηση
Q1 Q2 Q3 σε 1 ή 2 δεκαδικά 75 17,00
Πίνακας Αποτελεσμάτων Περιγραφικής Στατιστικής
Ανάλυσης - Παράδειγμα
Descriptive Statistics
Dependent Variable: Βαθμός στο Τεστ Ανάγνωσης
Φύλο Mean Std. Deviation N
Κορίτσι 553.06 73.572 3922
Αγόρι 539.82 74.999 4008
Total 546.42 74.584 7930
Περιγραφή:
Το δείγμα αποτελείται από 3.922 κορίτσια και 4.008 αγόρια.
Στο τεστ ανάγνωσης, ο μέσος όρος των βαθμών των κοριτσιών ήταν 553,06 (Τ.Α. = 73,57) και ο μέσος όρος των
βαθμών των αγοριών ήταν 539,82 (Τ.Α. = 75).
Ο μέσος όρος του συνολικού δείγματος ήταν 546,42 (Τ.Α. = 74,58). Προσοχή! Οι τ.α. παρουσιάζονται
πάντα μαζί με τον μ.ό., όχι ξεχωριστά!
Γραφικές παραστάσεις
Διαγράμματα

Χρησιμοποιούνται για την οπτική αναπαράσταση και παρουσίαση των δεδομένων περιγραφικής στατιστικής.
μεταβλητές κατηγοριακής ή μεταβλητές ισοδιαστημικής ή
διατακτικής κλίμακας αναλογικής κλίμακας
Κυκλικό διάγραμμα Ραβδόγραμμα Ιστόγραμμα Διάγραμμα κουτιού
Pie chart Bar chart Histogram Box plot

Oι τιμές είναι
συνήθως
πολυάριθμες.

Λίγες κατηγορίες Περισσότερες κατηγορίες


Κυκλικό Διάγραμμα

•Το κυκλικό διάγραμμα χρησιμοποιείται για την παρουσίαση δεδομένων που προέρχονται από μεταβλητές
κατηγοριακής ή διατακτικής κλίμακας, όταν οι διαφορετικές κατηγορίες ή διατάξεις της μεταβλητής είναι
σχετικά λίγες.
•Σε αυτό βλέπουμε τη συχνότητα της εκάστοτε τιμής ως προς το όλον.

Παράδειγμα:
Το κυκλικό αυτό διάγραμμα δείχνει ότι μεταξύ των ερωτηθέντων,
το 37,1% φοιτά σε Παιδαγωγικό τμήμα,
το 36,7% στη Φιλοσοφική και
το 26,3% στη Θεολογική.

Συμπερασματικά μπορούμε να πούμε ότι η πλειονότητα


Προσοχή! Στα διαγράμματα παρουσιάζουμε πάντα και
των ερωτηθέντων φοιτά σε κάποιο Παιδαγωγικό τμήμα. τις τιμές (είτε συχνότητες είτε ποσοστά) και υπόμνημα.
Ραβδόγραμμα

•Το ραβδόγραμμα χρησιμοποιείται για την παρουσίαση δεδομένων που προέρχονται από μεταβλητές κατηγοριακής ή
διατακτικής κλίμακας, όταν οι διαφορετικές κατηγορίες ή διατάξεις της μεταβλητής είναι σχετικά πολλές.
•Πρέπει να συμπεριλαμβάνονται ο τίτλος του και οι ονομασίες των αξόνων.
•Οι ράβδοι μπορεί να είναι τοποθετημένες οριζόντια ή κάθετα.
Ραβδόγραμμα (Παράδειγμα)

Σχετικά με τη μεταβλητή «πόσο συχνά χρησιμοποιείς Η/Υ στο σπίτι»

•48,17% των ερωτηθέντων απάντησαν «κάθε μέρα»


•35,07% των ερωτηθέντων απάντησαν «1-2 φορές την εβδομάδα»
•8,98% των ερωτηθέντων απάντησαν «1-2 φορές το μήνα»
•7,79% των ερωτηθέντων απάντησαν «ποτέ»

Συμπερασματικά, η πλειοψηφία (83,24%) των


ερωτηθέντων δήλωσαν πως χρησιμοποιούν Η/Υ στο σπίτι
τουλάχιστον 1 φορά την εβδομάδα.

Μόλις το 16,77% δήλωσαν ότι χρησιμοποιούν Η/Υ στο


σπίτι 2 φορές το μήνα το πολύ.
Ιστόγραμμα

Το ιστόγραμμα χρησιμοποιείται για την παρουσίαση


δεδομένων που προέρχονται από μεταβλητές
ισοδιαστημικής ή αναλογικής κλίμακας των οποίων οι
τιμές είναι συνήθως πολυάριθμες.

Στο ιστόγραμμα πρέπει να:


•υπάρχει τίτλος όπου να γίνεται αναφορά στη μεταβλητή
•φαίνονται οι τιμές της μεταβλητής στον οριζόντιο άξονα
•παρουσιάζεται η κλίμακα στον κάθετο άξονα (είτε
συχνότητες είτε ποσοστά)
Ιστόγραμμα (Παράδειγμα)

Σχετικά με τη μεταβλητή «βαθμός στα μαθηματικά κατά την


τελευταία χρονιά φοίτησης στο λύκειο»:

• Ο ελάχιστος βαθμός στο δείγμα ήταν 12 και ο μέγιστος 20. Δηλαδή, το


εύρος των βαθμών στα μαθηματικά ήταν 8.
• 3 άτομα (9,4% του δείγματος) έλαβαν βαθμό 12/20 και 4 άτομα
(12,5% του δείγματος) έλαβαν 20/20.
• Ο επικρατέστερος βαθμός ήταν 14. Συγκεκριμένα, 6 άτομα (18,75%
του δείγματος) έλαβαν βαθμό 14/20.
• 50% των ερωτηθέντων έλαβαν βαθμό 14/20, 15/20 ή 17/20

Συμπερασματικά, 62,5% των ερωτηθέντων έλαβαν βαθμό 14-17 (στα 20)


στα μαθηματικά κατά την τελευταία χρονιά φοίτησης στο λύκειο.
Διάγραμμα κουτιού (box plot)

Μεγαλύτερη τιμή

Το διάγραμμα κουτιού παρουσιάζει τα 25%


δεδομένα από μεταβλητές
ισοδιαστημικής ή αναλογικής κλίμακας Τιμή 3ου τεταρτημόριου
σε ένα κουτί με ένα «μουστάκι» και 25%
δίνει πληροφορίες για τα Διάμεσος
τεταρτημόρια και το
25%
ενδοτεταρτημοριακό εύρος. Τιμή 1ου τεταρτημόριου

25%

Μικρότερη τιμή
Διάγραμμα κουτιού (box plot)

Ελάχιστη τιμή:
•Το ελάχιστο ύψος ανάμεσα στα κορίτσια του δείγματος ήταν 61 εκατοστά ενώ για τα
αγόρια ήταν 66 εκ.
Μέγιστη τιμή:
•Το μέγιστο ύψος ανάμεσα στα κορίτσια του δείγματος ήταν 69 εκατοστά ενώ για τα
αγόρια ήταν 74 εκ.
Διάμεσος:
•50% των κοριτσιών στο δείγμα είχαν ύψος μικρότερο ή ίσο με 65,5 εκατοστά ενώ 50%
των αγοριών είχαν ύψος μεγαλύτερο ή ίσο με 69 εκ.

Ενδοτεταρτημοριακό εύρος:
•50% των κοριτσιών είχαν ύψος μεταξύ 63 και 68 εκ. ενώ 50% των αγοριών είχαν ύψος μεταξύ 68 και 72 εκ.
1ο τεταρτημόριο:
•25% των κοριτσιών είχαν ύψος μικρότερο ή ίσο με 63 εκ. ενώ 25% των αγοριών είχαν ύψος μικρότερο ή ίσο με 68 εκ.
3ο τεταρτημόριο:
•75% των κοριτσιών είχαν ύψος μικρότερο ή ίσο με 68 εκ. ενώ μόνο 25% των αγοριών είχαν ύψος μικρότερο ή ίσο με 68 εκ. και 75% των
αγοριών είχαν ύψος μικρότερο ή ίσο με 72 εκ.
Πίνακες και Διαγράμματα
(επισημάνσεις)
Στην περιγραφή αποτελεσμάτων, να διευκρινίζουμε σε ποιο πίνακα/διάγραμμα
αναφερόμαστε.
Π.χ. Στο διάγραμμα 3 παρουσιάζονται … ή Στον Πίνακα 1 …

Στην περιγραφή πινάκων και διαγραμμάτων πρέπει να αναφερθούμε σε όλους τους


αριθμούς;
Όχι, δεν είναι αναγκαίο, ειδικά αν υπάρχουν πολλά αποτελέσματα. Συνήθως
αναφερόμαστε στα πιο σημαντικά αποτελέσματα, σε αποτελέσματα που μας
κεντρίζουν το ενδιαφέρον, αυτά που έχουν τα πιο ψηλά ή/και τα πιο χαμηλά ποσοστά.
Σε περίπτωση που δεν δίνονται πολλά αποτελέσματα τότε αναφερόμαστε σε όλα.
ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
Click to edit Master subtitle style
Διατύπωση και έλεγχος υποθέσεων

Στατιστική σημαντικότητα
Διατύπωση και έλεγχος υποθέσεων

(διατυπώνουμε) (πραγματοποιούμε)
(μελετάμε)
ΣΤΑΤΙΣΤΙΚΕΣ ΕΛΕΓΧΟ ΤΗΣ ΣΤΑΤΙΣΤΙΚΗΣ
ΘΕΩΡΙΑ ΥΠΟΘΕΣΕΙΣ ΥΠΟΘΕΣΗΣ

(καταλήγουμε στην)
ΣΤΑΤΙΣΤΙΚΗ ΑΠΟΦΑΣΗ
Ερευνητική Υπόθεση

Οι υποθέσεις (hypotheses) είναι δοκιμαστικές προτάσεις στην ποσοτική έρευνα, με τις


οποίες ο ερευνητής διατυπώνει μια πρόβλεψη ή μια εικασία σχετικά με το αποτέλεσμα
κάποιας σχέσης ανάμεσα σε ιδιότητες ή χαρακτηριστικά.
Στατιστικές υποθέσεις (διατύπωση)

η υπόθεση την οποία ελέγχει κάθε στατιστικό τεστ


Μηδενική υπόθεση (Η0)
(διαφορετική για το καθένα)
Διατυπώνονται
η εναλλακτική υπόθεση, που ισχύει όταν πάντα σε ζεύγη!
Δηλωτική υπόθεση (Η1)
απορρίψουμε την Η0

Επιλογή του κατάλληλου στατιστικού κριτηρίου: μετά την εξέταση του είδους των
μεταβλητών, επιλέγουμε αυτό που είναι καταλληλότερο για να ελέγξουμε την υπόθεσή μας

Στατιστική τιμή: η τιμή που παίρνουμε με την εφαρμογή ενός Στατιστικού κριτηρίου

Επίπεδο Σημαντικότητας (α): η πιθανότητα σφάλματος που θεωρούμε ως αποδεκτή


Διατύπωση υποθέσεις για Σχέσεις μεταβλητών
(Παράδειγμα)

Μηδενική υπόθεση (Η0)


Δεν υπάρχει στατιστικά σημαντική σχέση μεταξύ του φύλου και
του επιπέδου κατανόησης ενός κειμένου.

Δηλωτική υπόθεση (Η1)


Υπάρχει στατιστικά σημαντική σχέση μεταξύ του φύλου και του
επιπέδου κατανόησης ενός κειμένου.
Υποθέσεις για Διαφορές Ομάδων
(Παράδειγμα)

Μηδενική υπόθεση (Η0)


Δεν υπάρχει στατιστικά σημαντική διαφορά στο στρες που
αναφέρουν οι εκπαιδευτικοί από τις χώρες Α, Β και Γ.

Δηλωτική υπόθεση (Η1)


Υπάρχει στατιστικά σημαντική διαφορά στο στρες που αναφέρουν
οι εκπαιδευτικοί από τις χώρες Α, Β και Γ.
Έλεγχος Στατιστικών Υποθέσεων
(Βασικά στάδια/ βήματα)
1. Διατύπωση ερευνητικού ερωτήματος

2. Προσδιορισμός επιπέδου μέτρησης των μεταβλητών

3. Επιλογή κατάλληλου στατιστικού κριτηρίου (t-test, ANOVA, χ2, Pearson’s r)

4. Διατύπωση της Η0 και της Η1

5. Έλεγχος του p-value και λήψη απόφασης σχετικά με το εάν θα απορριφθεί ή θα γίνει
αποδεκτή η Η0

6. Εξαγωγή συμπερασμάτων
Στατιστική Σημαντικότητα
(λήψη στατιστικής απόφασης)
Σύμβολα: Sig. ή p ή p-value ή Asymptotic significance.

Συγκρίνουμε την τιμή της στατιστικής σημαντικότητας στους πίνακες αποτελεσμάτων με το κριτήριο α =
0,05 (τιμή κριτηρίου που συνήθως χρησιμοποιείται στις κοινωνικές επιστήμες). Δηλαδή συγκρίνουμε το Sig
με το α.

Sig  0,05 → στατιστικά σημαντική σχέση μεταξύ των δύο μεταβλητών


→ υπάρχει λιγότερο από 5% πιθανότητα να παρουσιάστηκε σχέση μεταξύ των μεταβλητών τυχαία, ενώ
στην πραγματικότητα να μην υπάρχει σχέση μεταξύ τους.

Sig > 0,05 → ΔΕΝ υπάρχει στατιστικά σημαντική σχέση μεταξύ των δύο μεταβλητών.

Η στατιστική σημαντικότητα δε συνδέεται με την ΣΠΟΥΔΑΙΟΤΗΤΑ των ευρημάτων, αλλά με την πιθανότητα.
Στατιστικές υποθέσεις
(επισημάνσεις)
Διατυπώνονται σε ζεύγη, δηλαδή κάθε μηδενική υπόθεση έχει την αντίστοιχη δηλωτική
(όταν πρέπει να αναφερθούμε σε περισσότερες αναλύσεις, δεν καταγράφουμε πρώτα όλες τις μηδενικές
υποθέσεις και μετά όλες τις δηλωτικές).

Οι υποθέσεις γίνονται δεκτές ή απορρίπτονται, με βάση τα αποτελέσματα των αναλύσεων.

Οι υποθέσεις δεν «αποδεικνύονται» (λάθος ορολογία).

Τα στατιστικά τεστ ελέγχουν πάντα τη μηδενική υπόθεση (όποια αντιστοιχεί στο καθένα).

Κατά τη λήψη της στατιστικής απόφασης, μιλάμε για αποδοχή ή απόρριψη της μηδενικής
υπόθεσης. Εφόσον απορρίψουμε τη μηδενική, (ως συνεπαγωγή) αποδεχόμαστε τη δηλωτική.
Πώς επιλέγω το κατάλληλο στατιστικό
κριτήριο;
Πώς επιλέγω το κατάλληλο στατιστικό κριτήριο;
Ανάλογα με την κλίμακα μέτρησης των μεταβλητών μου!

Μεταβλητή Α Μεταβλητή Β Στατιστικό κριτήριο


Scale Scale Pearson’s r
Nominal / Ordinal Nominal / Ordinal χ2
Nominal / Ordinal t-test
Scale
2 groups (ή ANOVA)
Nominal / Ordinal ANOVA
Scale
Groups ≥ 2 (post-hoc)
Πώς επιλέγω το κατάλληλο στατιστικό κριτήριο;
Ανάλογα με την κλίμακα μέτρησης των μεταβλητών μου!

Μεταβλητή Α Μεταβλητή Β Στατιστικό κριτήριο Λέξη-κλειδί

Scale Scale Pearson’s r Συσχέτιση


Nominal / Ordinal Nominal / Ordinal χ2 Σχέση
Nominal / Ordinal t-test
Scale
2 groups (ή ANOVA) Διαφορά
Nominal / Ordinal ANOVA μέσων όρων
Scale
Groups ≥ 2 (post-hoc)

H0: Δεν υπάρχει στατιστικά σημαντική _____ μεταξύ των μεταβλητών «Α» και «Β».
H1: Υπάρχει στατιστικά σημαντική ________ μεταξύ των μεταβλητών «Α» και «Β».
Crosstabs – Πίνακες Δύο Διαστάσεων

Μεταβλητή Α Μεταβλητή Β
Nominal / Ordinal Nominal / Ordinal
Πίνακας Crosstabs – Κάθετη ή Οριζόντια Ερμηνεία;
Αν σκοπός είναι να συγκρίνουμε μεταξύ των υποκατηγοριών της:
•οριζόντιας μεταβλητής τότε διεξάγουμε οριζόντια ερμηνεία των αποτελεσμάτων χρησιμοποιώντας τις πρώτες σειρές ποσοστών %
within [οριζόντια μεταβλητή].
•κάθετης μεταβλητής τότε διεξάγουμε κάθετη ερμηνεία των αποτελεσμάτων χρησιμοποιώντας τις δεύτερες σειρές ποσοστών %
within [κάθετη μεταβλητή].
π.χ.: Στο παράδειγμα, αν θέλουμε να κάνουμε σύγκριση μεταξύ των δύο φύλων τότε θα διεξάγουμε κάθετη ερμηνεία αφού η
μεταβλητή «Φύλο» (Gender) δίνεται καθέτως.

Οριζόντια ερμηνεία Κάθετη ερμηνεία Ποια ερμηνεία επιλέγω;


Portfolio* Gender Crosstabulation Portfolio* Gender Crosstabulation Κάθετη Όλα εξαρτώνται από το ερώτημα,
Gender Gender μεταβλητή άρα ποιο σύνολο (δηλ. 100%) μας
Female Male
Total
Female Male
Total ενδιαφέρει. Εάν το σύνολο που μας
Count 244 135 379 Count 244 135 379 ζητείται αθροίζει οριζόντια στο
Οριζόντια
Yes
% within Portfolio 64,4% 35,6% 100,0%
Yes
% within Portfolio 64,4% 35,6% 100,0% 100%, τότε επιλέγουμε οριζόντια.
μεταβλητή % within Gender 51,6% 51,5% 51,6% % within Gender 51,6% 51,5% 51,6% Εάν είναι κάθετα, τότε επιλέγουμε
% of Total 33,2% 18,4% 51,6% % of Total 33,2% 18,4% 51,6%
Portfolio
Count 229 127 356
Portfolio
Count 229 127 356
κάθετη. Πάντα εξετάζω τη
% within Portfolio 64,3% 35,7% 100,0% % within Portfolio 64,3% 35,7% 100,0% ζητούμενη μεταβλητή.
No No
% within Gender 48,4% 48,5% 48,4% % within Gender 48,4% 48,5% 48,4%
% of Total 31,2% 17,3% 48,4% % of Total 31,2% 17,3% 48,4% Πόσες τιμές περιγράφω;
Count 473 262 735 Count 473 262 735
Συνήθως 3-4.
% within Portfolio 64,4% 35,6% 100,0% % within Portfolio 64,4% 35,6% 100,0%
Total Total
% within Gender 100,0% 100,0% 100,0% % within Gender 100,0% 100,0% 100,0%
% of Total 64,4% 35,6% 100,0% % of Total 64,4% 35,6% 100,0%
Πίνακας Crosstabs
(Παράδειγμα-1)
Πίνακας Crosstabs
(Παράδειγμα-1)
Portfolio* Gender Crosstabulation
Gender Οριζόντια ερμηνεία
Total
Female Male
Count 244 135 379
% within Portfolio 64,4% 35,6% 100,0% Από τα 379 άτομα που επιλέγουν το portfolio, το
Yes 35,6% (Ν=135) είναι άντρες και το 64,4%
% within Gender 51,6% 51,5% 51,6%
% of Total 33,2% 18,4% 51,6% (Ν=244)είναι γυναίκες.
Portfolio
Count 229 127 356
% within Portfolio 64,3% 35,7% 100,0%
No Από τα 356 άτομα που δεν επιλέγουν το portfolio, το
% within Gender 48,4% 48,5% 48,4%
% of Total 31,2% 17,3% 48,4%
35,7% (Ν=127) είναι άντρες και το 64,3% (Ν=229)
Count 473 262 735 είναι γυναίκες.
% within Portfolio 64,4% 35,6% 100,0%
Total
% within Gender 100,0% 100,0% 100,0%
% of Total 64,4% 35,6% 100,0%
Πίνακας Crosstabs
(Παράδειγμα-1)
Portfolio* Gender Crosstabulation
Gender
Total
Κάθετη ερμηνεία
Female Male
Count 244 135 379
% within Portfolio 64,4% 35,6% 100,0% Από τις 473 γυναίκες, το 51,6% (Ν=244)
Yes
% within Gender 51,6% 51,5% 51,6% επιλέγουν το portfolio, ενώ το 48,4% (Ν=229) όχι.
% of Total 33,2% 18,4% 51,6%
Portfolio
Count 229 127 356
% within Portfolio 64,3% 35,7% 100,0%
No
% within Gender 48,4% 48,5% 48,4% Από τους 262 άνδρες, το 51,5% (Ν=135)
% of Total 31,2% 17,3% 48,4% επιλέγουν το portfolio, ενώ το 48,5% (Ν=127) όχι.
Count 473 262 735
% within Portfolio 64,4% 35,6% 100,0%
Total
% within Gender 100,0% 100,0% 100,0%
% of Total 64,4% 35,6% 100,0%
Πίνακας Crosstabs
(Παράδειγμα-1)
Portfolio* Gender Crosstabulation Ποσοστά επί του συνόλου
Gender
Total
Female Male
Count 244 135 379
% within Portfolio 64,4% 35,6% 100,0%
Yes
% within Gender 51,6% 51,5% 51,6% Από το συνολικό δείγμα,
% of Total 33,2% 18,4% 51,6%
Portfolio
Count 229 127 356 51,6% (Ν=379) των ερωτηθέντων επιλέγουν το portfolio
% within Portfolio 64,3% 35,7% 100,0% και
No
% within Gender 48,4% 48,5% 48,4% 48,4% (Ν=356) δεν επιλέγουν το portfolio.
% of Total 31,2% 17,3% 48,4%
Count 473 262 735
% within Portfolio 64,4% 35,6% 100,0%
Total
% within Gender 100,0% 100,0% 100,0%
% of Total 64,4% 35,6% 100,0%
Πίνακας Crosstabs
(Παράδειγμα-1)
Ποσοστά επί του συνόλου
Portfolio* Gender Crosstabulation
Gender 33,2% του συνολικού δείγματος είναι γυναίκες
Total
Female Male ΚΑΙ επιλέγουν το portfolio.
Count 244 135 379
% within Portfolio 64,4% 35,6% 100,0%
Yes
% within Gender 51,6% 51,5% 51,6% 18,4% του συνολικού δείγματος είναι άντρες ΚΑΙ
% of Total 33,2% 18,4% 51,6% επιλέγουν το portfolio.
Portfolio
Count 229 127 356
% within Portfolio 64,3% 35,7% 100,0%
No 31,2% του συνολικού δείγματος είναι γυναίκες
% within Gender 48,4% 48,5% 48,4%
ΚΑΙ δεν επιλέγουν το portfolio.
% of Total 31,2% 17,3% 48,4%
Count 473 262 735
% within Portfolio 64,4% 35,6% 100,0% 17,3% του συνολικού δείγματος είναι άντρες ΚΑΙ
Total
% within Gender 100,0% 100,0% 100,0% δεν επιλέγουν το portfolio.
% of Total 64,4% 35,6% 100,0%
Πίνακας Crosstabs
(Παράδειγμα-1)
Portfolio* Gender Crosstabulation
Gender
Total
Ποσοστά επί του συνόλου
Female Male
Count 244 135 379
% within Portfolio 64,4% 35,6% 100,0%
Yes
% within Gender 51,6% 51,5% 51,6%
% of Total 33,2% 18,4% 51,6%
Portfolio
Count 229 127 356
% within Portfolio 64,3% 35,7% 100,0% 64,4% του συνολικού δείγματος ήταν γυναίκες
No
% within Gender 48,4% 48,5% 48,4%
% of Total 31,2% 17,3% 48,4%
35,6% του συνολικού δείγματος ήταν άντρες
Count 473 262 735
% within Portfolio 64,4% 35,6% 100,0%
Total
% within Gender 100,0% 100,0% 100,0%
% of Total 64,4% 35,6% 100,0%
Πίνακας Crosstabs
(Παράδειγμα-2)
Ποια ερμηνεία επιλέγω;
Όλα εξαρτώνται από το ερώτημα, άρα ποιο σύνολο (δηλ.
100%) μας ενδιαφέρει. Εάν το σύνολο που μας ζητείται
Πίνακας Crosstabs αθροίζει οριζόντια στο 100%, τότε επιλέγουμε οριζόντια.
(Παράδειγμα-2) Εάν είναι κάθετα, τότε επιλέγουμε κάθετη. Πάντα εξετάζω
τη ζητούμενη μεταβλητή.
Οριζόντια ερμηνεία Κάθετη ερμηνεία
Κλάδος * Εκπαίδευση Crosstabulation Κλάδος * Εκπαίδευση Crosstabulation
Εκπαίδευση Εκπαίδευση

Βασικό Μεταπτυχιακ Total Βασικό Μεταπτυχιακ Total


πτυχίο ές σπουδές πτυχίο ές σπουδές

Count 65 90 155 Count 65 90 155


% within Κλάδος 41,9% 58,1% 100,0% % within Κλάδος 41,9% 58,1% 100,0%
Γαλλικής Γαλλικής
% within Εκπαίδευση 24,0% 36,1% 29,8% % within Εκπαίδευση 24,0% 36,1% 29,8%
% of Total 12,5% 17,3% 29,8% % of Total 12,5% 17,3% 29,8%
Count 153 108 261 Count 153 108 261
Κλά- % within Κλάδος 58,6% 41,4% 100,0% Κλά- % within Κλάδος 58,6% 41,4% 100,0%
δος Αγγλικής % within Εκπαίδευση 56,5% 43,4% 50,2% δος Αγγλικής % within Εκπαίδευση 56,5% 43,4% 50,2%
% of Total 29,4% 20,8% 50,2% % of Total 29,4% 20,8% 50,2%
Count 53 51 104 Count 53 51 104
% within Κλάδος 51,0% 49,0% 100,0% % within Κλάδος 51,0% 49,0% 100,0%
Γερμανικής Γερμανικής
% within Εκπαίδευση 19,6% 20,5% 20,0% % within Εκπαίδευση 19,6% 20,5% 20,0%
% of Total 10,2% 9,8% 20,0% % of Total 10,2% 9,8% 20,0%
Count 271 249 520 Count 271 249 520
% within Κλάδος 52,1% 47,9% 100,0% % within Κλάδος 52,1% 47,9% 100,0%
Total Total
% within Εκπαίδευση 100,0% 100,0% 100,0% % within Εκπαίδευση 100,0% 100,0% 100,0%
% of Total 52,1% 47,9% 100,0% % of Total 52,1% 47,9% 100,0%
Πίνακας Crosstabs
(Παράδειγμα-2)
Κλάδος * Εκπαίδευση Crosstabulation
Εκπαίδευση
Βασικό Μεταπτυχιακέ Total Οριζόντια ερμηνεία
πτυχίο ς σπουδές
Count 65 90 155
Από τους 155 καθηγητές Γαλλικής, το 41,9%
% within Κλάδος 41,9% 58,1% 100,0% (Ν=65) έχει μόνο το βασικό πτυχίο και 58,1%
Γαλλικής
% within Εκπαίδευση 24,0% 36,1% 29,8% (Ν=90) είναι κάτοχος μεταπτυχιακού.
% of Total 12,5% 17,3% 29,8%
Count 153 108 261 Από τους 261 καθηγητές Αγγλικής, το 58,6%
Κλά-
Αγγλικής
% within Κλάδος 58,6% 41,4% 100,0% (Ν=153) έχει μόνο το βασικό πτυχίο και το 41,4%
δος % within Εκπαίδευση 56,5% 43,4% 50,2%
(Ν=108) είναι κάτοχος μεταπτυχιακού.
% of Total 29,4% 20,8% 50,2%
Count 53 51 104
Από τους 104 καθηγητές Γερμανικής, το 51%
% within Κλάδος 51,0% 49,0% 100,0%
Γερμανικής
% within Εκπαίδευση 19,6% 20,5% 20,0%
(Ν=53) έχει μόνο το βασικό πτυχίο και το 49%
% of Total 10,2% 9,8% 20,0% (Ν=51) είναι κάτοχος μεταπτυχιακού.
Count 271 249 520
% within Κλάδος 52,1% 47,9% 100,0%
Total
% within Εκπαίδευση 100,0% 100,0% 100,0%
% of Total 52,1% 47,9% 100,0%
Πίνακας Crosstabs
(Παράδειγμα-2)
Κλάδος * Εκπαίδευση Crosstabulation Κάθετη ερμηνεία
Εκπαίδευση
Βασικό Μεταπτυχιακές Total
πτυχίο σπουδές
Count 65 90 155
Από τους 271 κατόχους βασικού πτυχίου, το 24%
% within Κλάδος 41,9% 58,1% 100,0% (Ν=65) ανήκει στον κλάδο Γαλλικής, το 56,5%
Γαλλικής
% within Εκπαίδευση 24,0% 36,1% 29,8% (Ν=153) στον κλάδο Αγγλικής και το 19,6% (Ν=53)
% of Total 12,5% 17,3% 29,8%
Count 153 108 261
στον κλάδο Γερμανικής.
Κλά- % within Κλάδος 58,6% 41,4% 100,0%
δος
Αγγλικής
% within Εκπαίδευση 56,5% 43,4% 50,2% Αντίστοιχα, από τους 249 κατόχους μεταπτυχιακού
% of Total 29,4% 20,8% 50,2% τίτλου σπουδών, το 36,1% (Ν=90) ανήκει στον κλάδο
Count 53 51 104
% within Κλάδος 51,0% 49,0% 100,0%
Γαλλικής, το 43,9% (Ν=108) στον κλάδο Αγγλικής και
Γερμανικής
% within Εκπαίδευση 19,6% 20,5% 20,0% το 20,5% (Ν=51) στον κλάδο Γερμανικής.
% of Total 10,2% 9,8% 20,0%
Count 271 249 520
% within Κλάδος 52,1% 47,9% 100,0%
Total
% within Εκπαίδευση 100,0% 100,0% 100,0%
% of Total 52,1% 47,9% 100,0%
Πίνακας Crosstabs
(Παράδειγμα-2)
Κλάδος * Εκπαίδευση Crosstabulation
Εκπαίδευση
Ποσοστά επί του συνόλου
Βασικό Μεταπτυχιακές Total 12,5% του συνολικού δείγματος είναι Γαλλικής ΚΑΙ έχουν το βασικό
πτυχίο σπουδές πτυχίο.
Count 65 90 155 17,3% του συνολικού δείγματος είναι Γαλλικής ΚΑΙ έχουν
% within Κλάδος 41,9% 58,1% 100,0%
Γαλλικής μεταπτυχιακό.
% within Εκπαίδευση 24,0% 36,1% 29,8%
% of Total 12,5% 17,3% 29,8% 29,4% του συνολικού δείγματος είναι Αγγλικής ΚΑΙ έχουν το βασικό
Count 153 108 261 πτυχίο.
Κλά-
Αγγλικής
% within Κλάδος 58,6% 41,4% 100,0% 20,8% του συνολικού δείγματος είναι Αγγλικής ΚΑΙ έχουν
δος % within Εκπαίδευση 56,5% 43,4% 50,2% μεταπτυχιακό.
% of Total 29,4% 20,8% 50,2%
Count 53 51 104 10,2% του συνολικού δείγματος είναι Γερμανικής ΚΑΙ έχουν το
Γερμανικής
% within Κλάδος 51,0% 49,0% 100,0% βασικό πτυχίο.
% within Εκπαίδευση 19,6% 20,5% 20,0% 9,8% του συνολικού δείγματος είναι Γερμανικής ΚΑΙ έχουν
% of Total 10,2% 9,8% 20,0%
μεταπτυχιακό.
Count 271 249 520
% within Κλάδος 52,1% 47,9% 100,0% 52,1% του συνολικού δείγματος έχουν το βασικό πτυχίο.
Total
% within Εκπαίδευση 100,0% 100,0% 100,0%
47,9% του συνολικού δείγματος έχουν μεταπτυχιακό.
% of Total 52,1% 47,9% 100,0%
Πίνακας Crosstabs
(Παράδειγμα-2)
Κλάδος * Εκπαίδευση Crosstabulation
Εκπαίδευση
Βασικό Μεταπτυχιακές Total Ποσοστά επί του συνόλου
πτυχίο σπουδές
Count 65 90 155
% within Κλάδος 41,9% 58,1% 100,0%
Γαλλικής
% within Εκπαίδευση 24,0% 36,1% 29,8%
% of Total 12,5% 17,3% 29,8% 29,8% του συνολικού δείγματος είναι Γαλλικής.
Count 153 108 261
Κλά- % within Κλάδος 58,6% 41,4% 100,0%
Αγγλικής
δος % within Εκπαίδευση 56,5% 43,4% 50,2%
% of Total 29,4% 20,8% 50,2% 50,2% του συνολικού δείγματος είναι Αγγλικής.
Count 53 51 104
% within Κλάδος 51,0% 49,0% 100,0%
Γερμανικής
% within Εκπαίδευση 19,6% 20,5% 20,0%
% of Total 10,2% 9,8% 20,0% 20% του συνολικού δείγματος είναι Γερμανικής.
Count 271 249 520
% within Κλάδος 52,1% 47,9% 100,0%
Total
% within Εκπαίδευση 100,0% 100,0% 100,0%
% of Total 52,1% 47,9% 100,0%
Chi-Square Test - Ανάλυση χ2

Μεταβλητή Α Μεταβλητή Β
Nominal / Ordinal Nominal / Ordinal
Ανάλυση χ2 ή chi-square test (Υποθέσεις)

Η ανάλυση χ2 είναι μία διαδικασία για τον έλεγχο του εάν, σε έναν δεδομένο
πληθυσμό, σχετίζονται δύο κατηγορικές μεταβλητές.
Π.χ. ένας ερευνητής θέλει να μάθει εάν το ανώτατο επίπεδο εκπαίδευσης σχετίζεται με τον κλάδο στον οποίο
ανήκουν οι ξενόγλωσσοι εκπαιδευτικοί.

Δεν υπάρχει στατιστικά σημαντική


Μηδενική υπόθεση (Η0)
σχέση μεταξύ των μεταβλητών Α και Β Διατυπώνονται
Εναλλακτική/ δηλωτική Υπάρχει στατιστικά σημαντική σχέση πάντα σε ζεύγη!
υπόθεση (Η1) μεταξύ των μεταβλητών Α και Β

Μεταβλητή Α Μεταβλητή Β
Nominal / Ordinal Nominal / Ordinal
Chi-Square Test
(Παράδειγμα-1)
H0: Δεν υπάρχει στατιστικά σημαντική σχέση μεταξύ των μεταβλητών
«Κλάδος» και «Εκπαίδευση».
Πίνακας Crosstabs H1: Υπάρχει στατιστικά σημαντική σχέση μεταξύ των μεταβλητών
(Παράδειγμα 1) «Κλάδος» και «Εκπαίδευση».
Κλάδος * Εκπαίδευση Crosstabulation
Εκπαίδευση Chi-Square Tests
Βασικό Μεταπτυχιακές Total Asymptotic
Value df
πτυχίο σπουδές Significance (2-sided)
Count 65 90 155 Pearson Chi-Square 10,918a 2 ,004
% within Κλάδος 41,9% 58,1% 100,0% Likelihood Ratio 10,955 2 ,004
Γαλλικής
% within Εκπαίδευση 24,0% 36,1% 29,8% Linear-by-Linear Association 3,347 1 ,067
% of Total 12,5% 17,3% 29,8% N of Valid Cases 520
Count 153 108 261 a. 0 cells (0,0%) have expected count less than 5. The minimum expected count is 49,80.
Κλά- % within Κλάδος 58,6% 41,4% 100,0%
Αγγλικής
δος % within Εκπαίδευση 56,5% 43,4% 50,2%
% of Total 29,4% 20,8% 50,2%
Ερμηνεία
Count 53 51 104 Βάσει των αποτελεσμάτων στον Πίνακα 2, η μηδενική υπόθεση
Γερμανικής
% within Κλάδος 51,0% 49,0% 100,0% απορρίπτεται και αποδεχόμαστε τη δηλωτική.
% within Εκπαίδευση 19,6% 20,5% 20,0%
% of Total 10,2% 9,8% 20,0%
Υπάρχει στατιστικά σημαντική σχέση μεταξύ των μεταβλητών
Count 271 249 520 «Κλάδος» και «Εκπαίδευση» (Pearson χ2= 10,918, Sig.=0,004<0,05).
% within Κλάδος 52,1% 47,9% 100,0%
Total
% within Εκπαίδευση 100,0% 100,0% 100,0%
Μπορεί να το δούμε και έτσι (χ2= 10,918, p<0,05)
% of Total 52,1% 47,9% 100,0%
Chi-Square Test
(Παράδειγμα-2)
H0: Δεν υπάρχει στατιστικά σημαντική σχέση μεταξύ των μεταβλητών
«Φύλο» και «Προετοιμασία».
Πίνακας Crosstabs H1: Υπάρχει στατιστικά σημαντική σχέση μεταξύ των μεταβλητών
(Παράδειγμα 2) «Φύλο» και «Προετοιμασία».
Chi-Square Tests
Preparation* Gender Crosstabulation Asymptotic Significance
Gender Value df
Total (2-sided)
Female Male
Pearson Chi-Square 5,342a 3 ,148
Count 71 39 110
Likelihood Ratio 5,452 3 ,142
Very well % within Preparation for lessons 64,5% 35,5% 100,0%
prepared % within Gender 23,0% 24,2% 23,4% Linear-by-Linear Association 2,983 1 ,084
% of Total 15,1% 8,3% 23,4%
Count 106 69 175
N of Valid Cases 470
Quite well % within Preparation for lessons 60,6% 39,4% 100,0% a. 0 cells (0,0%) have expected count less than 5. The minimum expected count is 15,76.
prepared % within Gender 34,3% 42,9% 37,2%
Prepara % of Total 22,6% 14,7% 37,2%
tion Count 97 42 139
Not very well % within Preparation for lessons 69,8% 30,2% 100,0% Ερμηνεία:
prepared % within Gender 31,4% 26,1% 29,6%
% of Total 20,6% 8,9% 29,6% Βάσει των αποτελεσμάτων στον Πίνακα 2, αποδεχόμαστε τη μηδενική
Count
Not prepared at % within Preparation for lessons
35
76,1%
11
23,9%
46
100,0%
υπόθεση.
all % within Gender 11,3% 6,8% 9,8% Δεν υπάρχει στατιστικά σημαντική σχέση μεταξύ των μεταβλητών
% of Total 7,4% 2,3% 9,8%
Count 309 161 470
«Φύλο» και «Προετοιμασία» (Pearson χ2=5,342, Sig=0,148>0,05).
Total
% within Preparation for lessons 65,7% 34,3% 100,0% Μπορεί να το δούμε και έτσι (χ2= 5,342, p>0,05)
% within Gender 100,0% 100,0% 100,0%
% of Total 65,7% 34,3% 100,0%
Συντελεστής Συσχέτισης

Μεταβλητή Α Μεταβλητή Β
Scale Scale
Ορισμός Συντελεστή Συσχέτισης

Ενώ η διαδικασία χ2 μας λέει ΑΝ υπάρχει σχέση μεταξύ δύο μεταβλητών,

ο Συντελεστής Συσχέτισης μας δίνει το μέγεθος και την κατεύθυνση αυτής της σχέσης.

Μέγεθος συσχέτισης: ισχυρή ή αδύναμη


Κατεύθυνση συσχέτισης: θετική ή αρνητική (πρόσημο συντελεστή)

Ο συντελεστής συσχέτισης συμβολίζεται με το αγγλικό γράμμα r.


Μηδενική Δεν υπάρχει στατιστικά σημαντική συσχέτιση
υπόθεση (Η0) μεταξύ των μεταβλητών Α και Β.
Μεταβλητή Α Μεταβλητή Β Δηλωτική Υπάρχει στατιστικά σημαντική συσχέτιση
Πάντα σε
Scale Scale υπόθεση (Η1) μεταξύ των μεταβλητών Α και Β. ζεύγη!
Ορισμός Συντελεστή Συσχέτισης

Θετικός Συντελεστής Συσχέτισης


Ανάλογη σχέση, δηλαδή οι μεταβλητές κινούνται προς την ίδια κατεύθυνση.
Όσο αυξάνεται η τιμή της μεταβλητής Α,
αυξάνεται η τιμή της μεταβλητής Β.

Αρνητικός Συντελεστής Συσχέτισης


Αντιστρόφως ανάλογη σχέση, δηλαδή οι μεταβλητές κινούνται
προς την αντίθετη κατεύθυνση.
Όσο αυξάνεται η τιμή της μεταβλητής Α,
μειώνεται η τιμή της μεταβλητής Β.
Τιμές Συντελεστή Συσχέτισης

Συντελεστής
Μέγεθος Συσχέτισης
Συσχέτισης
-1 Ισχυρή αρνητική συσχέτιση
< -0,5 Μεγάλη/δυνατή αρνητική συσχέτιση -1 < r < +1
-0,3 μέχρι -0,5 Μέτρια αρνητική συσχέτιση
-0,1 μέχρι -0,29 Μικρή/αδύναμη αρνητική συσχέτιση
Κοντά στο 0 ή
Δεν υπάρχει συσχέτιση
ακριβώς 0
0,1 μέχρι 0,29 Μικρή/αδύναμη θετική συσχέτιση
0,3 μέχρι 0,5 Μέτρια θετική συσχέτιση
>0,5 Μεγάλη/δυνατή θετική συσχέτιση
1 Ισχυρή θετική συσχέτιση
Πλήρης Πλήρης Θετική
Αρνητική συσχέτιση
συσχέτιση Οι δύο μεταβλητές είναι
ασυσχέτιστες
Πίνακας Συσχετίσεων
(Παράδειγμα) Συντελεστής
συσχέτισης
Πίνακας 1. Correlations Συντελεστής
Στατιστική Μέγεθος Συσχέτισης
Βαθμολογία Βαθμός Συσχέτισης
Στάση
τετραμήνου
Videogames
διαγωνίσματος σημαντικότητα
Pearson Correlation 1 ,256** -,142** ,066
-1 Ισχυρή αρνητική συσχέτιση
Στάση Sig. (2-tailed) ,000 ,000 ,070 < -0,5 Μεγάλη/δυνατή αρνητική συσχέτιση
N 520 520 520 520 -0,3 μέχρι -0,5 Μέτρια αρνητική συσχέτιση
Pearson Correlation ,256** 1 -,218** ,759**
Βαθμολογία -0,1 μέχρι -0,29 Μικρή/αδύναμη αρνητική συσχέτιση
Sig. (2-tailed) ,000 ,000 ,000
τετραμήνου
N 520 520 520 520 Κοντά στο 0 ή
Δεν υπάρχει συσχέτιση
Pearson Correlation -,142** -,218** 1 -,081**
ακριβώς 0
Videogames Sig. (2-tailed) ,000 ,000 ,000 0,1 μέχρι 0,29 Μικρή/αδύναμη θετική συσχέτιση
N 520 520 520 520 0,3 μέχρι 0,5 Μέτρια θετική συσχέτιση
Pearson Correlation ,366 ,759** -,081** 1
Βαθμός >0,5 Μεγάλη/δυνατή θετική συσχέτιση
Sig. (2-tailed) ,070 ,000 ,000
διαγωνίσματος
N 520 520 520 520
1 Ισχυρή θετική συσχέτιση
**. Correlation is significant at the 0,01 level (2-tailed).

Το 0,05 σημαίνει 5% πιθανότητα να απορρίψουμε τη μηδενική υπόθεση ενώ αυτή ισχύει. Το 0.01 σημαίνει 1% Πόσες τιμές περιγράφω; Συνήθως 3-4,
πιθανότητα. Είναι πιο ισχυρό και εμπεριέχεται στην πιθανότητα 0,05. Επί της ουσίας δεν αλλάζει η στατιστική απόφαση. τις μεγαλύτερες ή τις μικρότερες.
Πίνακας Συσχετίσεων
(Παράδειγμα)
Μεταξύ των μεταβλητών «Βαθμός διαγωνίσματος» και «Στάση»
δεν υπάρχει στατιστικά σημαντική συσχέτιση (sig=0,070>0,05).
Δηλαδή, οι δύο μεταβλητές είναι ασυσχέτιστες.

Μεταξύ των μεταβλητών «Βαθμολογία τετραμήνου» και «Βαθμός


διαγωνίσματος» υπάρχει ισχυρή θετική συσχέτιση (r=0,759) η οποία
είναι στατιστικά σημαντική (sig=0,000<0,05). Δηλαδή υπάρχει
σημαντική τάση στο δείγμα, καθώς αυξάνεται η τιμή της βαθμολογίας
τετραμήνου να αυξάνεται ο βαθμός του διαγωνίσματος.

Μεταξύ των μεταβλητών «Βαθμολογία τετραμήνου» και «Videogames» υπάρχει


αδύναμη αρνητική συσχέτιση (r=-0,218), η οποία είναι στατιστικά σημαντική
(sig=0,000<0,05). Δηλαδή υπάρχει μικρή τάση στο δείγμα, καθώς αυξάνεται η τιμή της
βαθμολογίας τετραμήνου να μειώνονται οι ώρες ενασχόλησης με τα videogames.
Συντελεστής Συσχέτισης

Μεγαλύτερη είναι η συσχέτιση που είναι πιο κοντά στο +1 Ή στο -1.
Δηλαδή οι συσχετίσεις r= -0.58 και r= 0.58 έχουν ίδιο μέτρο και αντίθετη φορά
(ανάλογη και αντιστρόφως ανάλογη σχέση).
r= -0.58 r= 0.58

Πλήρης Αρνητική Πλήρης Θετική


συσχέτιση συσχέτιση
Οι δύο μεταβλητές είναι ασυσχέτιστες

Μία κοινή δυσκολία είναι να συγκρίνουμε το p-value όταν υπάρχουν πολλά δεκαδικά.
Η τιμή p=0.024 είναι στατιστικά σημαντική, γιατί είναι μικρότερη του 0,05. Αυτό το πιο
αντιλαμβανόμαστε πιο ξεκάθαρα εάν προσθέσουμε δεκαδικά στο τέλος: 0.024 < 0.050.
Προσοχή!

Εάν χρειαστεί να συγκρίνουμε δύο συσχετίσεις, μία τιμή είτε είναι στατιστικά σημαντική είτε όχι. Δεν υπάρχει "πιο
σημαντική" τιμή. π.χ., το 0,000 και το 0,024 είναι και τα δύο μικρότερα από το 0,05.

Υπάρχει, όμως, πιο ισχυρή συσχέτιση (με βάση το μέγεθος του συντελεστή)!
Στο συγκεκριμένο παράδειγμα:
«Βαθμολογία τετραμήνου» και «Videogames» (r= -0.218, p=0.000<0.05)
«Βαθμολογία τετραμήνου» και «Βαθμός διαγωνίσματος»(r= 0,759, p=0.000<0.05)
Το r=-0,218 υποδηλώνει μικρότερη συσχέτιση από το r= 0,759, όχι επειδή είναι αρνητικός αριθμός,
αλλά επειδή είναι μικρότερος κατ' απόλυτη τιμή.
r= -0.218 r= 0.759

Πλήρης Αρνητική Πλήρης Θετική


συσχέτιση Οι δύο μεταβλητές είναι ασυσχέτιστες συσχέτιση
t-test

Μεταβλητή Α Μεταβλητή Β
Nominal / Ordinal
Scale
(2 ομάδες)
t-test για Ανεξάρτητα Δείγματα

Είναι ένα τεστ επαγωγικής στατιστικής που χρησιμοποιείται για τον έλεγχο της ύπαρξης
στατιστικά σημαντικής διαφοράς μεταξύ των μέσων όρων δύο ομάδων.
Δεν υπάρχει στατιστικά σημαντική διαφορά ανάμεσα
Μηδενική υπόθεση (Η0) στους μέσους όρους της μεταβλητής Β μεταξύ των
ομάδων της μεταβλητής Α.
Υπάρχει στατιστικά σημαντική διαφορά ανάμεσα στους
Δηλωτική υπόθεση (Η1) μέσους όρους της μεταβλητής Β μεταξύ των ομάδων της
μεταβλητής A.

Μεταβλητή Α Μεταβλητή Β
Nominal / Ordinal
Scale
(2 ομάδες)
t-test για Ανεξάρτητα Δείγματα
(Μηδενικές υποθέσεις των τεστ)
Ισότητα διακυμάνσεων Ισότητα μέσων όρων

Independent Samples Test


Levene's Test for
t-test for Equality of Means
Equality of Variances
Sig. (2- Mean
F Sig. t df Διαφορά των
tailed) Difference
Equal variances μέσων όρων
Τεστ 5,627 ,018 3,435 518 ,041 ,58037
assumed
συναισθηματικής
Equal variances not
νοημοσύνης 2,249 12,253 ,054 ,58037
assumed

Levene’s Test for Equality of Variances T-test for Equality of Means


H0: Οι διακυμάνσεις των δύο ομάδων δε διαφέρουν σε H0: Η παρατηρούμενη διαφορά στους μέσους όρους των
στατιστικά σημαντικό επίπεδο (δηλαδή είναι ίσες). δύο ομάδων ΔΕΝ είναι στατιστικά σημαντική, είναι τυχαία.

Άρα, αν sig.<0,05, τότε απορρίπτουμε τη H0 και συμπεραίνουμε Συνεπώς, αν sig.<0,05, τότε απορρίπτουμε τη H0 και
ότι οι διακυμάνσεις διαφέρουν, δηλαδή ΔΕΝ είναι ίσες (Equal συμπεραίνουμε ότι η παρατηρούμενη διαφορά είναι
Variances not Assumed). Διαβάζουμε την κάτω σειρά του t-test. στατιστικά σημαντική.
t-test για Ανεξάρτητα Δείγματα
(Παράδειγμα-1, Εξαγόμενοι πίνακες)
Group Statistics
Φύλο N Mean Std. Deviation Std. Error Mean

Τεστ συναισθηματικής Γυναίκα 507 4,2054 ,59161 ,02627


νοημοσύνης Άνδρας 430 3,6250 ,92562 ,25672

Independent Samples Test


Levene's Test for
t-test for Equality of Means
Equality of Variances
Sig. (2- Mean
F Sig. t df
tailed) Difference
Equal variances
Τεστ 5,627 ,018 3,435 518 ,041 ,58037
assumed
συναισθηματικής
Equal variances not
νοημοσύνης 2,249 12,253 ,054 ,58037
assumed
t-test για Ανεξάρτητα Δείγματα
(Παράδειγμα-1)
Group Statistics
Φύλο N Mean Std. Deviation Std. Error Mean

Τεστ συναισθηματικής Γυναίκα 507 4,2054 ,59161 ,02627


νοημοσύνης Άνδρας 430 3,6250 ,92562 ,25672

Περιγραφή Αποτελεσμάτων
Στην έρευνα έλαβαν μέρος 507 γυναίκες και 430 άντρες.
Ο μέσος όρος των βαθμών στο τεστ συναισθηματικής νοημοσύνης για τις
γυναίκες ήταν 4,21 (Τ.Α. = 0,59) και για τους άντρες ήταν 3,63 (Τ.Α. = 0,93).

Τα αποτελέσματα αυτού του πίνακα δείχνουν πως υπάρχει κάποια διαφορά ανάμεσα στους μέσους
όρους των δύο φύλων. Δεν γνωρίζουμε όμως αν η διαφορά αυτή είναι στατιστικά σημαντική. Για αυτό
πρέπει να μελετήσουμε τα αποτελέσματα του πίνακα Independent Samples Test.
t-test για Ανεξάρτητα Δείγματα
(Παράδειγμα-1)
Ισότητα διακυμάνσεων Ισότητα μέσων όρων
Independent Samples Test
Levene's Test for
t-test for Equality of Means
Equality of Variances
Sig. (2- Mean
F Sig. t df
tailed) Difference Διαφορά
Equal variances μέσων
Τεστ 5,627 ,018 3,435 518 ,041 ,58037
assumed όρων
συναισθηματικής
Equal variances not
νοημοσύνης 2,249 12,253 ,054 ,58037
assumed
Ερμηνεία:
Με βάση τα αποτελέσματα του Levene’s Test for Equality of Variances, υπάρχει στατιστικά σημαντική διαφορά ανάμεσα
στις διακυμάνσεις των δύο ομάδων (Sig = 0,018 < 0,05). Συνεπώς, ΔΕΝ μπορούμε να υποθέσουμε πως οι διακυμάνσεις
των δύο ομάδων είναι ίσες (Equal Variances not Assumed).
Η τιμή του κριτηρίου t-test είναι 2,249 (t=2,249). Δεδομένου ότι το p-value είναι μεγαλύτερο από 0,05 (Sig.=0,054 > 0,05),
τότε δεν μπορούμε να απορρίψουμε τη μηδενική υπόθεση και συμπεραίνουμε πως ΔΕΝ υπάρχει στατιστικά σημαντική
διαφορά ανάμεσα στους μέσους όρους των βαθμών στο τεστ συναισθηματικής νοημοσύνης μεταξύ των δύο φύλων. Η
παρατηρούμενη διαφορά υπέρ των γυναικών κατά 0,58 μονάδες είναι τυχαία.
t-test για Ανεξάρτητα Δείγματα
(Παράδειγμα-2, Εξαγόμενοι πίνακες)
t-test για Ανεξάρτητα Δείγματα
(Παράδειγμα-2)

Περιγραφή Αποτελεσμάτων
Στην έρευνα έλαβαν μέρος 35 άτομα που δεν έχουν
σκεφτεί σχετικά με το μελλοντικό τους επάγγελμα και
237 που έχουν σκεφτεί.
Ο μέσος όρος της δυσκολίας σχετικά με την επιλογή
επαγγέλματος για όσους δεν έχουν σκεφτεί ήταν 6,11 (Τ.Α.
= 2,13) και για όσους σκέφτηκαν ήταν 4,76 (Τ.Α. = 2,36).

Τα αποτελέσματα αυτού του πίνακα δείχνουν πως υπάρχει διαφορά


ανάμεσα στους μέσους όρους των δύο ομάδων. Δεν γνωρίζουμε όμως αν η
διαφορά αυτή είναι στατιστικά σημαντική. Για αυτό πρέπει να
μελετήσουμε τα αποτελέσματα του πίνακα Independent Samples Test.
t-test για Ανεξάρτητα Δείγματα
(Παράδειγμα-2)
Ισότητα διακυμάνσεων Ισότητα μέσων όρων

Διαφορά
μέσων
όρων

Ερμηνεία:
Με βάση τα αποτελέσματα του Levene’s Test for Equality of Variances, αποδεχόμαστε τη μηδενική υπόθεση ότι
δεν υπάρχει στατιστικά σημαντική διαφορά ανάμεσα στις διακυμάνσεις των δύο ομάδων (Sig = 0,078 > 0,05). Συνεπώς,
μπορούμε να υποθέσουμε πως οι διακυμάνσεις των δύο ομάδων είναι ίσες (Equal Variances Assumed).
Η τιμή του κριτηρίου t-test είναι 3,224 (t= 3,224). Δεδομένου ότι το p-value είναι μικρότερο από 0,05 (Sig.=0,001 < 0,05),
αποδεχόμαστε τη δηλωτική υπόθεση και συμπεραίνουμε πως υπάρχει στατιστικά σημαντική διαφορά ανάμεσα στους μέσους
όρους στη δυσκολία για την επιλογή επαγγέλματος ανάλογα με το εάν οι συμμετέχοντες είχαν σκεφτεί για το μελλοντικό τους
επάγγελμα. Μεγαλύτερη δυσκολία κατά 1,359 μονάδες αναφέρουν όσοι δεν σκέφτηκαν σχετικά με το μελλοντικό τους
επάγγελμα.
ANOVA με Post-hoc comparisons

Μεταβλητή Α Μεταβλητή Β
Nominal / Ordinal
Scale
( ≥ 2 ομάδες)
ANOVA (Analysis of Variance)

Είναι ένα τεστ επαγωγικής στατιστικής που ελέγχει εάν υπάρχει στατιστικά σημαντική
διαφοράς μεταξύ των μέσων όρων σε δύο ή περισσότερες ομάδες.

Δεν υπάρχει στατιστικά σημαντική διαφορά ανάμεσα στους μέσους


όρους της μεταβλητής Β μεταξύ των ομάδων της μεταβλητής Α, δηλ.
Μηδενική υπόθεση (Η0)
Μ1=M2 =M3 =Mi
Εάν υπάρχουν παρατηρούμενες διαφορές, αποδίδονται στην τύχη.
Οι μέσοι όροι κάποιων ομάδων διαφέρουν μεταξύ τους σε στατιστικά
Εναλλακτική/ δηλωτική
σημαντικό επίπεδο.
υπόθεση (Η1)
Δεν έχει σημασία προς ποια φορά διαφέρουν.

Μεταβλητή Α Μεταβλητή Β
Π.χ. θέλουμε να συγκρίνουμε τους μέσους όρους των βαθμών των γυναικών Nominal / Ordinal
Scale
από τρεις διαφορετικές χώρες σε τεστ ικανοποίησης από την εργασία. (≥ 2 ομάδες)
ΕΡΩΤΗΜΑ: Διαφέρουν οι μέσοι όροι των γυναικών από
την Αγγλία, τη Γερμανία και τη Γαλλία ως προς την
ANOVA ικανοποίηση που λαμβάνουν από την εργασία τους;

(Παράδειγμα-1, Εξαγόμενοι πίνακες)


Descriptives
Ικανοποίηση από την εργασία
95% Confidence
Std. Interval for Mean
N Mean Std. Error Minimum Maximum
Deviation Lower Upper
Bound Bound
Γαλλία 155 4,3355 ,74238 ,05963 4,2177 4,4533 2,33 5,00
Αγγλία 261 4,4888 ,64749 ,04008 4,4099 4,5677 2,00 5,00 Tests of Between-Subjects Effects
Γερμανία 104 4,5000 ,53894 ,05285 4,3952 4,6048 2,33 5,00 Dependent Variable: Ικανοποίηση από την εργασία
Total 520 4,4454 ,66057 ,02897 4,3884 4,5023 2,00 5,00
Type III Sum of
Source df Mean Square F Sig.
Squares

Corrected Model 2,675a 2 1,337 3,090 ,046


Intercept 8922,178 1 8922,178 20611,746 ,000
Country 2,675 2 1,337 3,090 ,046
Error 223,793 517 ,433

Total 10502,271 520

Corrected Total 226,468 519


a. R Squared = ,012 (Adjusted R Squared = ,008)
ANOVA
(Παράδειγμα-1)
Descriptives
Ικανοποίηση από την εργασία
95% Confidence
Std. Std. Interval for Mean Minimu Maxim
N Mean
Deviation Error Lower Upper m um
Bound Bound
Γαλλία 155 4,3355 ,74238 ,05963 4,2177 4,4533 2,33 5,00
Αγγλία 261 4,4888 ,64749 ,04008 4,4099 4,5677 2,00 5,00
Γερμανία 104 4,5000 ,53894 ,05285 4,3952 4,6048 2,33 5,00
Total 520 4,4454 ,66057 ,02897 4,3884 4,5023 2,00 5,00

Περιγραφή:
Στο τεστ σχετικά με την ικανοποίηση από την εργασία, ο μέσος όρος των 155 γυναικών από τη Γαλλία
που συμμετείχαν στην έρευνα ήταν 4,34 (ΤΑ=0,74), ο μέσος όρος των 261 γυναικών από την Αγγλία ήταν
4,49 (ΤΑ=0,65), ενώ ο μέσος όρων των 104 γυναικών από τη Γερμανία ήταν 4,5 (ΤΑ=0,54).
Συνολικά, 520 γυναίκες με μέσο όρο 4,45 (ΤΑ=0,66) απάντησαν στην ερώτηση σχετικά με την
ικανοποίηση από την εργασία τους.
ANOVA
(Παράδειγμα-1)
Tests of Between-Subjects Effects
Dependent Variable: Ικανοποίηση από την εργασία

Source
Type III Sum of
df Mean Square F Sig.
Ερμηνεία:
Squares
Υπάρχει στατιστικά σημαντική διαφορά
Corrected Model 2,675a 2 1,337 3,090 ,046
(F = 3,09, Sig = 0,046 < 0,050) μεταξύ
Intercept 8922,178 1 8922,178 20611,746 ,000
Country 2,675 2 1,337 3,090 ,046 των μέσων όρων των γυναικών από
Error 223,793 517 ,433 διαφορετικές χώρες στο τεστ σχετικά με
Total 10502,271 520 την ικανοποίηση από την εργασία.
Corrected Total 226,468 519
a. R Squared = ,012 (Adjusted R Squared = ,008)

Ο παραπάνω πίνακας δεν παρέχει πληροφορίες ακριβώς μεταξύ ποιων ομάδων


ειδικοτήτων υπάρχουν στατιστικά σημαντικές διαφορές στους μέσους όρους. Για να
το εξετάσουμε, πρέπει να διεξάγουμε ανάλυση Post-hoc (πολλαπλών συγκρίσεων).
ANOVA: Post-hoc
(Παράδειγμα-1 )
Multiple Comparisons
Dependent Variable: Ικανοποίηση από την εργασία
Bonferroni Υπάρχει στατιστικά σημαντική διαφορά (F = 3,09, Sig = 0,046 < 0,05)
95% Confidence μέσους όρους των χωρών στο τεστ σχετικά με την ικανοποίηση από
Mean Interval την εργασία. Συγκεκριμένα, εντοπίζονται διαφορές μεταξύ:
Std.
(I) Χώρα (J) Χώρα Difference Sig.
Error Lower Upper
(I-J)
Bound Bound
Των μέσων όρων των γυναικών από τη Γαλλία και την Αγγλία
Αγγλία -,15334 ,06672 ,026 -,3136 ,0069
Γαλλία (Sig = 0,026 < 0,05).
Γερμανία -,16452 ,08340 ,147 -,3648 ,0358
Γαλλία ,15334 ,06672 ,026 -,0069 ,3136
Αγγλία
Γερμανία -,01117 ,07629 1,000 -,1944 ,1721 Ο μέσος όρος στην περίπτωση των γυναικών από τη Γαλλία
Γαλλία ,16452 ,08340 ,147 -,0358 ,3648
είναι κατά 0,15 μονάδες μικρότερος από τον μέσο όρο των
Γερμανία γυναικών από την Αγγλία.
Αγγλία ,01117 ,07629 1,000 -,1721 ,1944

Δεν εντοπίζεται στατιστικά σημαντική διαφορά μεταξύ του μέσου όρου των γυναικών από τη Γαλλία και του μέσου όρου των γυναικών από τη
Γερμανία (Sig = 0,147 > 0,05). Ο μέσος όρος στην περίπτωση των γυναικών από τη Γαλλία είναι κατά 0,16 μονάδες μικρότερος από τον μέσο όρο
των γυναικών από τη Γερμανία.
ΕΡΩΤΗΜΑ: Διαφέρουν οι μέσοι όροι των μαθητών των
σχολείων Α, Β, Γ ως προς την επίδοσή τους στα γερμανικά;
ANOVA
(Παράδειγμα-2, Εξαγόμενοι πίνακες)
Descriptives
German
95% Confidence
Std. Std. Interval for Mean
N Mean Deviation Minimum Maximum
Error Lower Upper
Bound Bound
School A 88 18,64 1,205 ,128 18,38 18,89 16 20
School B 80 14,71 1,917 ,214 14,29 15,14 11 18
School C 88 14,58 1,805 ,192 14,20 14,96 11 18
Total 256 16,02 2,522 ,158 15,71 16,33 11 20

ANOVA
German
Sum of Mean
df F Sig.
Squares Square
Between Groups 921,743 2 460,872 166,526 ,000
Within Groups 700,194 253 2,768
Total 1621,938 255
Σημείωση: Μπορεί να δούμε τον πίνακα ANOVA και έτσι.
ANOVA
(Παράδειγμα-2)
Descriptives
German
95% Confidence
Std. Std. Interval for Mean
N Mean Deviation Minimum Maximum
Error Lower Upper
Bound Bound
School A 88 18,64 1,205 ,128 18,38 18,89 16 20
School B 80 14,71 1,917 ,214 14,29 15,14 11 18
School C 88 14,58 1,805 ,192 14,20 14,96 11 18
Total 256 16,02 2,522 ,158 15,71 16,33 11 20
Περιγραφή

Στην έρευνα σχετικά με τις επιδόσεις στα Γερμανικά έλαβαν μέρος μαθητές από τρία σχολεία.
Οι 88 μαθητές από το σχολείο Α είχαν μέσο όρο 18,64 βαθμούς (τ.α. 1,205), οι 80 μαθητές από το σχολείο Β είχαν
μέσο όρο 14,71 βαθμούς (τ.α. 1,917), και οι 88 μαθητές από το σχολείο Γ είχαν μέση επίδοση 14,58 βαθμούς (τ.α.
1,805).
Συνολικά, συμμετείχαν 256 μαθητές, με μέσο όρο βαθμολογίας 16,02 (2,522).
ANOVA
(Παράδειγμα-2)

ANOVA
Ερμηνεία:
German
Sum of Mean Υπάρχει στατιστικά σημαντική διαφορά (F
df F Sig.
Squares Square = 166,256, Sig = 0,000< 0,050) μεταξύ των
Between Groups 921,743 2 460,872 166,526 ,000 μέσων όρων των τριών σχολείων ως προς
Within Groups 700,194 253 2,768
Total 1621,938 255
την επίδοση των μαθητών στα γερμανικά.

Ο παραπάνω πίνακας δεν παρέχει πληροφορίες ακριβώς μεταξύ ποιων ομάδων


ειδικοτήτων υπάρχουν στατιστικά σημαντικές διαφορές στους μέσους όρους. Για να
το εξετάσουμε, πρέπει να διεξάγουμε ανάλυση Post-hoc (πολλαπλών συγκρίσεων).
ANOVA: Post-hoc
(Παράδειγμα-2)
Multiple Comparisons
Dependent Variable: German
Bonferroni
Υπάρχει στατιστικά σημαντική διαφορά (F = 166,256, Sig = 0,000<
Mean 95% Confidence Interval
0,05) μέσους όρους των σχολείων ως προς την επίδοση στα
Difference Std. Error Sig.
(I) Lower Upper γερμανικά. Συγκεκριμένα, εντοπίζονται διαφορές μεταξύ των μέσων
(I-J)
SCHOOL (J) SCHOOL Bound Bound όρων των μαθητών από:
School B 3,924* ,257 ,000 3,30 4,54
School A
το σχολείο Α και το σχολείο Β (Sig = 0,000 < 0,05). Ο μέσος όρος στην
School C 4,057* ,251 ,000 3,45 4,66
περίπτωση του σχολείου Α είναι 3,924 μονάδες υψηλότερος.
School A -3,924* ,257 ,000 -4,54 -3,30
School B
School C ,133 ,257 1,000 -,49 ,75 το σχολείο Α και το σχολείο Γ (Sig = 0,000 < 0,05). Ο μέσος όρος στην
περίπτωση του σχολείου Α είναι 4,057 μονάδες υψηλότερος.
School A -4,057* ,251 ,000 -4,66 -3,45
School C
School B -,133 ,257 1,000 -,75 ,49 Σημείωση: η διαφορά παρουσιάζεται ως αρνητική, επειδή από τον μ.ό. του Γ
αφαιρέθηκε ο μ.ό. του Α, που ήταν υψηλότερος.

Δεν εντοπίζεται στατιστικά σημαντική διαφορά μεταξύ του μέσου όρου των μαθητών από σχολείο Β και το
σχολείο Γ (Sig = 1,000 > 0,05). Ο μέσος όρος των μαθητών από σχολείο Β είναι κατά 0,133 βαθμούς υψηλότερος.
Παραγοντική Ανάλυση
(διερευνητική)
Παραγοντική Ανάλυση
(Factor Analysis)
•Μια στατιστική μέθοδος που χρησιμοποιείται για να περιγράψει τη διακύμανση μεταξύ ενός αριθμού
παρατηρούμενων συσχετιζόμενων μεταβλητών (ερωτήσεων) με έναν μικρότερο αριθμό μη παρατηρούμενων
μεταβλητών, που ονομάζονται παράγοντες (data reduction).

•Δηλαδή, εντοπίζει ομάδες ερωτήσεων (παράγοντες/ διαστάσεις) στις οποίες οι απαντήσεις είναι παρόμοιες.

•Ο ερευνητής είναι αυτός που θα βρει τι έχουν κοινό αυτές οι ερωτήσεις (από θεωρητική και εννοιολογική σκοπιά).

•Όταν δεν γνωρίζουμε την ακριβή δομή των δεδομένων, αλλά την αναζητάμε, διεξάγουμε Διερευνητική
Παραγοντική Ανάλυση (Exploratory Factor Analysis – EFA).

•Η EFA μπορεί να καταλήξει σε πολλές διαφορετικές λύσεις, ανάλογα με τις μαθηματικές επιλογές, αλλά πιθανώς
να μην είναι όλες θεωρητικά ερμηνεύσιμες -> Η τελική απόφαση είναι του ερευνητή.
Κατασκευή ερωτηματολογίου

Διαφωνώ -- Συμφωνώ
απόλυτα απόλυτα

Είτε το περιεχόμενο είναι δύσκολο είτε εύκολο, είμαι 1 2 3 4 5


σίγουρος ότι μπορώ να το καταλάβω. ΑΥΤΟΠΕΠΟΙΘΗΣΗ
Είμαι σίγουρος ότι μπορώ να τα πάω καλά στη
διαγωνίσματα μαθηματικών. 1 2 3 4 5
ΑΥΤΟΠΕΠΟΙΘΗΣΗ
Ανεξάρτητα από την προσπάθεια που καταβάλω, δεν 1 2 3 4 5
μπορώ να μάθω μαθηματικά. ΑΥΤΟΠΕΠΟΙΘΗΣΗ
Κατά την διαδικασία της μάθησης, προσπαθώ να
συνδέσω τις έννοιες που μαθαίνω μεταξύ τους. 1 2 3 4 5
ΣΤΡΑΤΗΓΙΚΕΣ ΜΑΘΗΣΗΣ
Όταν κάνω ένα λάθος, προσπαθώ να βρω το γιατί. 1 2 3 4 5
ΣΤΡΑΤΗΓΙΚΕΣ ΜΑΘΗΣΗΣ
Διερευνητική Παραγοντική Ανάλυση
(Exploratory Factor Analysis – EFA)
Οι θεωρητικοί όροι στα ερευνητικά θέματα των κοινωνικών επιστημών στην
πράξη δεν είναι άμεσα μετρήσιμοι στο εμπειρικό επίπεδο.

Κατά την κατασκευή του εργαλείου


Μη μετρήσιμες, θεωρητικές
Μετρήσιμες μεταβλητές
μεταβλητές
(παράγοντες ή διαστάσεις)
Π.χ. Είμαι σίγουρος ότι μπορώ να τα
πάω καλά στα διαγωνίσματα
Π.χ. Αυτοπεποίθηση ως προς
μαθηματικών.
τα μαθηματικά

Με την Παραγοντική Ανάλυση, ελέγχουμε εάν οι


εμπειρικές μεταβλητές συγκροτούν ομάδες που
αντιστοιχούν στους θεωρητικούς παράγοντες, ώστε
να τις συνδέσουμε με αυτούς.
Ανάλυση Κύριων Συνιστωσών
(Principal Component Analysis)
Παράδειγμα: Ετοιμότητα για αλλαγή

Για τον εντοπισμό και την περιγραφή των κύριων παραγόντων που θα καθορίσουν την
ετοιμότητα για αλλαγή θα χρησιμοποιηθεί η Ανάλυση Κύριων Συνιστωσών (Principal
Component Analysis).

Πίνακες που προκύπτουν


1.Περιγραφική ανάλυση μεταβλητών (items)
2.Πίνακας συσχέτισης των items
3.ΚΜΟ και Barlett’s test
4.Communalities
5.Eigenvalue
6.Rotated Component Matrix
Περιγραφική ανάλυση μεταβλητών (items)

Descriptive Statistics
Std. Analysis
Mean
Deviation N
9. Γενικά, θεωρώ τις αλλαγές ως κάτι το αρνητικό. 2,06 0,951 309
10. Θα προτιμούσα μια μέρα ρουτίνας παρά μια μέρα γεμάτη από αναπάντεχα
3,01 1,147 309
γεγονότα.
11. Μου αρέσει να κάνω τα ίδια πράγματα από το να δοκιμάζω νέα και
2,17 0,916 309
διαφορετικά.
12. Προτιμώ να βαριέμαι παρά να εκπλήσσομαι. 1,90 0,766 309
13. Εάν ήταν να πληροφορηθώ ότι θα λάμβανε χώρα μια σημαντική αλλαγή
στον τρόπο που γίνονται τα πράγματα στο σχολείο μου, μάλλον θα ένιωθα 2,70 1,136 309
πολύ αγχωμένος/η

14. Όταν πληροφορούμαι για αλλαγές των σχεδίων νιώθω κάποια ένταση. 3,00 1,152 309

15. Όταν πάρω μια απόφαση, δεν είναι πιθανό να αλλάξω γνώμη. 2,82 1,116 309
16. Όταν κάποιος με πιέζει να αλλάξω κάτι, συνήθως αντιστέκομαι ακόμα κι
2,43 1,022 309
αν σκέφτομαι ότι, τελικά, η αλλαγή θα με ωφελήσει.
17. Συχνά αλλάζω γνώμη. 3,09 1,103 309
18. Εάν άλλαζαν τα κριτήρια αξιολόγησης, θα ένιωθα άβολα, ακόμα κι αν
σκεφτόμουν ότι θα τα πήγαινα καλά χωρίς να χρειαστεί να κάνω κάτι 2,56 1,000 309
επιπλέον.
19. Το να αλλάζω σχέδια φαίνεται σε μένα ως πραγματική αναστάτωση. 2,54 0,978 309
Πίνακας Συσχέτισης

Π.χ.

η E11. Μου αρέσει να


κάνω τα ίδια
πράγματα από το να
δοκιμάζω νέα και
διαφορετικά.

παρουσιάζει υψηλή
συσχέτιση (r=0,516)

με την E12. Προτιμώ


να βαριέμαι παρά να
εκπλήσσομαι.
ΚΜΟ και Barlett’s test
καταλληλότητα των δεδομένων για την εφαρμογή της PCA
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.
0,821 Πρέπει να είναι άνω του 0,7

Bartlett's Test of Sphericity Approx. Chi-Square 801,042


df 55
Sig. 0,000
Πρέπει να είναι κάτω από 0,05

Με τον δείκτη ΚΜΟ ελέγχεται η υπόθεση εάν τα δεδομένα είναι κατάλληλα για τη διεξαγωγή
παραγοντικής ανάλυσης.
Η τιμή του κριτηρίου Kaiser-Meyer-Olkin (KMO) πρέπει να είναι μεγαλύτερη του 0.70.
Το τεστ του Bartlett για τη σφαιρικότητα (sphericity) είναι στατιστικά σημαντικό όταν το sig. είναι
μικρότερο από το 0.05.
Στο παράδειγμα, εφόσον Sig. <0.05, η παραγοντική ανάλυση μπορεί να συνεχιστεί.
Communalities
Οι Κοινοί Παράγοντες (Communalities) μετρούν το
ποσοστό της διακύμανσης που κάθε μεταβλητή έχει
Communalities
Initial Extraction
κοινό/ μοιράζεται με τις υπόλοιπες μεταβλητές
9. Γενικά, θεωρώ τις αλλαγές ως κάτι το αρνητικό. 1,000 0,394 (δηλαδή αναφέρονται στην Κοινή Παραγοντική
10. Θα προτιμούσα μια μέρα ρουτίνας παρά μια μέρα γεμάτη από
αναπάντεχα γεγονότα.
1,000 0,591 Διακύμανση).
11. Μου αρέσει να κάνω τα ίδια πράγματα από το να δοκιμάζω νέα
1,000 0,649
και διαφορετικά.
12. Προτιμώ να βαριέμαι παρά να εκπλήσσομαι. 1,000 0,572 Οι επιτρεπόμενες τιμές των κοινών παραγόντων
13. Εάν ήταν να πληροφορηθώ ότι θα λάμβανε χώρα μια σημαντική χρειάζεται να είναι πάνω από 0.40.
αλλαγή στον τρόπο που γίνονται τα πράγματα στο σχολείο μου, 1,000 0,611
μάλλον θα ένιωθα πολύ αγχωμένος/η
14. Όταν πληροφορούμαι για αλλαγές των σχεδίων νιώθω κάποια
ένταση.
1,000 0,629 Εάν κάποιες τιμές είναι κάτω από την τιμή 0.40 τότε
15. Όταν πάρω μια απόφαση, δεν είναι πιθανό να αλλάξω γνώμη. 1,000 0,559 απομακρύνουμε από το μοντέλο τις μεταβλητές
16. Όταν κάποιος με πιέζει να αλλάξω κάτι, συνήθως αντιστέκομαι
ακόμα κι αν σκέφτομαι ότι, τελικά, η αλλαγή θα με ωφελήσει.
1,000 0,253 αυτές και ξανατρέχουμε τα δεδομένα.
17. Συχνά αλλάζω γνώμη. 1,000 0,689
18. Εάν άλλαζαν τα κριτήρια αξιολόγησης, θα ένιωθα άβολα, ακόμα
κι αν σκεφτόμουν ότι θα τα πήγαινα καλά χωρίς να χρειαστεί να 1,000 0,552
κάνω κάτι επιπλέον.
Σε αυτή την περίπτωση, απομακρύναμε πρώτα την Ε16 και
19. Το να αλλάζω σχέδια φαίνεται σε μένα ως πραγματική ξανατρέξαμε την ανάλυση. Η τιμή της Ε9 ήταν πάνω από 0.40 στη
1,000 0,554
αναστάτωση. δεύτερη ανάλυση, συνεπώς παρέμεινε στην παραγοντική δομή.
Extraction Method: Principal Component Analysis.
Ιδιοτιμές (Eigenvalue)
Στο τελικό μοντέλο παραμένουν μόνο
παράγοντες των οποίων οι ιδιοτιμές
(eigenvalues) είναι μεγαλύτερες από
το 1 στη στήλη Extraction Sums of
Squared Loadings.

Tο αθροιστικό ποσοστό της


εξηγούμενης διακύμανσης πρέπει
να είναι μεταξύ των ποσοστών 60%
και 80% (σίγουρα άνω του 50%).
Scree –plot ιδιοτιμών
Περιστροφή (Rotation)
Μια στατιστική τεχνική που αλλάζει την προοπτική από την οποία βλέπουμε τα δεδομένα.
Σκοπός της «περιστροφής» των παραγόντων είναι να τοποθετήσει τις μετρήσιμες τιμές στη σωστή θέση μεταξύ των αξόνων χ
και y, έτσι ώστε να προκύψει όσο το δυνατόν μια ξεκάθαρη ομαδοποίηση των μετρήσιμων μεταβλητών σε κάθε παράγοντα.

https://www.theanalysisfactor.com/rotations-factor-analysis/

Ως μέθοδος περιστροφής επιλέγεται συνήθως, στις κοινωνικές επιστήμες, η oblique rotation, και συγκεκριμένα promax, η
οποία επιτρέπει τη συσχέτιση των Παραγόντων (Κύριων Συνιστωσών) μετά την ομαδοποίηση των μετρήσιμων μεταβλητών,
εφόσον από τη σχετική θεωρία υποστηρίζεται ότι οι παράγοντες συσχετίζονται μεταξύ τους.
Πίνακας φορτίσεων των μετρήσιμων μεταβλητών
(σε ποιους παράγοντες φορτίζει κάθε ερώτηση)
Component Matrixa

1
Component
2 3
Rotated Component Matrixa
13. Εάν ήταν να πληροφορηθώ ότι θα λάμβανε χώρα Component
μια σημαντική αλλαγή στον τρόπο που γίνονται 1 2 3
0,759
τα πράγματα στο σχολείο μου, μάλλον θα ένιωθα
14. Όταν πληροφορούμαι για αλλαγές των σχεδίων νιώθω κάποια ένταση. 0,744 0,275 0,005
πολύ αγχωμένος/η
14. Όταν πληροφορούμαι για αλλαγές των σχεδίων 18. Εάν άλλαζαν τα κριτήρια αξιολόγησης, θα ένιωθα άβολα, ακόμα κι αν σκεφτόμουν
0,731 0,741 0,052 0,008
νιώθω κάποια ένταση. ότι θα τα πήγαινα καλά χωρίς να χρειαστεί να κάνω κάτι επιπλέον.
19. Το να αλλάζω σχέδια φαίνεται σε μένα ως
πραγματική αναστάτωση.
0,700 19. Το να αλλάζω σχέδια φαίνεται σε μένα ως πραγματική αναστάτωση. 0,688 0,281 0,043
11. Μου αρέσει να κάνω τα ίδια πράγματα από το να 13. Εάν ήταν να πληροφορηθώ ότι θα λάμβανε χώρα μια σημαντική αλλαγή στον
0,690 0,411
δοκιμάζω νέα και διαφορετικά.
12. Προτιμώ να βαριέμαι παρά να εκπλήσσομαι. 0,654
τρόπο που γίνονται τα πράγματα στο σχολείο μου, μάλλον θα ένιωθα πολύ 0,679 0,386 0,024
αγχωμένος/η
18. Εάν άλλαζαν τα κριτήρια αξιολόγησης, θα ένιωθα
άβολα, ακόμα κι αν σκεφτόμουν ότι θα τα πήγαινα 0,584 -0,430 10. Θα προτιμούσα μια μέρα ρουτίνας παρά μια μέρα γεμάτη από αναπάντεχα
καλά χωρίς να χρειαστεί να κάνω κάτι επιπλέον.
0,071 0,765 -0,021
γεγονότα.
10. Θα προτιμούσα μια μέρα ρουτίνας παρά μια 11. Μου αρέσει να κάνω τα ίδια πράγματα από το να δοκιμάζω νέα και διαφορετικά. 0,240 0,764 0,084
0,550 0,537
μέρα γεμάτη από αναπάντεχα γεγονότα.
9. Γενικά, θεωρώ τις αλλαγές ως κάτι το αρνητικό. 0,540 12. Προτιμώ να βαριέμαι παρά να εκπλήσσομαι. 0,253 0,712 0,005
17. Συχνά αλλάζω γνώμη. 0,823 9. Γενικά, θεωρώ τις αλλαγές ως κάτι το αρνητικό. 0,258 0,451 0,352
15. Όταν πάρω μια απόφαση, δεν είναι πιθανό να
αλλάξω γνώμη.
-0,625 17. Συχνά αλλάζω γνώμη. 0,149 0,071 -0,814
Extraction Method: Principal Component Analysis. 15. Όταν πάρω μια απόφαση, δεν είναι πιθανό να αλλάξω γνώμη. 0,241 0,134 0,695
a. 3 components extracted.
Extraction Method: Principal Component Analysis.
a. Rotation converged in 4 iterations.

Φορτίσεις πριν την περιστροφή Φορτίσεις μετά την περιστροφή


Rotated Component Matrix
Αποδεκτές γίνονται οι φορτίσεις
Rotated Component Matrixa
παραγόντων πάνω από το 0.50
Component
(μπορώ να επιλέξω στο πρόγραμμα ανάλυσης)
1 2 3
14. Όταν πληροφορούμαι για αλλαγές των σχεδίων νιώθω κάποια ένταση. 0,744 0,275 0,005
π.χ. Παράγοντας 1
18. Εάν άλλαζαν τα κριτήρια αξιολόγησης, θα ένιωθα άβολα, ακόμα κι αν
σκεφτόμουν ότι θα τα πήγαινα καλά χωρίς να χρειαστεί να κάνω κάτι επιπλέον.
0,741 0,052 0,008 •Ε13: τιμή φόρτισης = 0,679
19. Το να αλλάζω σχέδια φαίνεται σε μένα ως πραγματική αναστάτωση. 0,688 0,281 0,043 •Ε14: τιμή φόρτισης = 0,744
13. Εάν ήταν να πληροφορηθώ ότι θα λάμβανε χώρα μια σημαντική αλλαγή στον •Ε18: τιμή φόρτισης = 0,741
τρόπο που γίνονται τα πράγματα στο σχολείο μου, μάλλον θα ένιωθα πολύ 0,679 0,386 0,024 •Ε19: τιμή φόρτισης = 0,688
αγχωμένος/η
10. Θα προτιμούσα μια μέρα ρουτίνας παρά μια μέρα γεμάτη από αναπάντεχα
γεγονότα.
0,071 0,765 -0,021 π.χ. Παράγοντας 2
11. Μου αρέσει να κάνω τα ίδια πράγματα από το να δοκιμάζω νέα και διαφορετικά. 0,240 0,764 0,084 •Ε09: τιμή φόρτισης = 0,551
12. Προτιμώ να βαριέμαι παρά να εκπλήσσομαι. 0,253 0,712 0,005 •Ε10: τιμή φόρτισης = 0,765
9. Γενικά, θεωρώ τις αλλαγές ως κάτι το αρνητικό. 0,258 0,551 0,352 •Ε11: τιμή φόρτισης = 0,764
17. Συχνά αλλάζω γνώμη. 0,149 0,071 -0,814 •Ε12: τιμή φόρτισης = 0,712
15. Όταν πάρω μια απόφαση, δεν είναι πιθανό να αλλάξω γνώμη. 0,241 0,134 0,695
Extraction Method: Principal Component Analysis.
π.χ. Παράγοντας 3
a. Rotation converged in 4 iterations.
•Ε15: τιμή φόρτισης = 0,695
•Ε17: τιμή φόρτισης = -0,814
Rotated Component Matrix
Αποδεκτές γίνονται οι φορτίσεις
Rotated Component Matrixa
παραγόντων πάνω από το 0.50
Component
(μπορώ να επιλέξω στο πρόγραμμα ανάλυσης)
1 2 3
14. Όταν πληροφορούμαι για αλλαγές των σχεδίων νιώθω κάποια ένταση. 0,744
π.χ. Παράγοντας 1: Στρες απέναντι στην αλλαγή
18. Εάν άλλαζαν τα κριτήρια αξιολόγησης, θα ένιωθα άβολα, ακόμα κι αν
σκεφτόμουν ότι θα τα πήγαινα καλά χωρίς να χρειαστεί να κάνω κάτι επιπλέον.
0,741 •Ε13: τιμή φόρτισης = 0,679
19. Το να αλλάζω σχέδια φαίνεται σε μένα ως πραγματική αναστάτωση. 0,688 •Ε14: τιμή φόρτισης = 0,744
13. Εάν ήταν να πληροφορηθώ ότι θα λάμβανε χώρα μια σημαντική αλλαγή στον •Ε18: τιμή φόρτισης = 0,741
τρόπο που γίνονται τα πράγματα στο σχολείο μου, μάλλον θα ένιωθα πολύ 0,679 •Ε19: τιμή φόρτισης = 0,688
αγχωμένος/η
10. Θα προτιμούσα μια μέρα ρουτίνας παρά μια μέρα γεμάτη από αναπάντεχα
γεγονότα.
0,765 π.χ. Παράγοντας 2: Αντίσταση στην αλλαγή
11. Μου αρέσει να κάνω τα ίδια πράγματα από το να δοκιμάζω νέα και διαφορετικά. 0,764 •Ε09: τιμή φόρτισης = 0,551
12. Προτιμώ να βαριέμαι παρά να εκπλήσσομαι. 0,712 •Ε10: τιμή φόρτισης = 0,765
9. Γενικά, θεωρώ τις αλλαγές ως κάτι το αρνητικό. 0,551 •Ε11: τιμή φόρτισης = 0,764
17. Συχνά αλλάζω γνώμη. -0,814 •Ε12: τιμή φόρτισης = 0,712
15. Όταν πάρω μια απόφαση, δεν είναι πιθανό να αλλάξω γνώμη. 0,695
Extraction Method: Principal Component Analysis.
π.χ. Παράγοντας 3: Αποφασιστικότητα
a. Rotation converged in 4 iterations.
•Ε15: τιμή φόρτισης = 0,695
•Ε17: τιμή φόρτισης = -0,814
Προσδιορισμός παραγόντων (περιληπτικά)

Προσδιορισμός Ξεκινάμε εξετάζοντας τις ιδιοτιμές (eigenvalues) που πρέπει να είναι μεγαλύτερες από το 1
αριθμού (στη στήλη Extraction Sums of Squared Loadings).
παραγόντων
Ελέγχουμε το scree-plot για να δούμε αν συμφωνούν.
Εξετάζουμε τις ερωτήσεις που φόρτωσαν σε κάθε παράγοντα. Εντοπίζουμε κοινά μοτίβα
και τον ονοματίζουμε.
Ερμηνεία της
δομής Οι παράγοντες που εξάγουμε πρέπει να προέρχονται από τη θεωρία.
Είναι ερμηνεύσιμη η παραγοντική δομή στο πλαίσιο της σχετικής θεωρίας;

Η EFA είναι ευέλικτη μέθοδος.


Η τελική απόφαση λαμβάνεται από την ερευνήτρια.
Παλινδρομική Ανάλυση
Παλινδρομική Ανάλυση Υ΄ = β0 + β1Χ

Χρησιμοποιείται όταν:

θέλουμε να προβλέψουμε κάποιο αποτέλεσμα (τιμή εξαρτημένης μεταβλητής) με βάση τις


τιμές της πιθανής αιτίας (ανεξάρτητη μεταβλητή).

Δηλαδή, βασικός σκοπός της παλινδρομικής ανάλυσης είναι η δημιουργία ενός μοντέλου για
την πρόβλεψη μίας μεταβλητής με βάση τις τιμές κάποια άλλης.
Παλινδρομική Ανάλυση
Θεωρία-Εξίσωση Μοντέλου
Υ΄ Χ
τιμές της ανεξάρτητης μεταβλητής
προβλεπόμενες τιμές της εξαρτημένης μεταβλητής

Υ΄ = β0 + β1 * Χ

β0 β1
προβλεπόμενη τιμή της εξαρτημένης μεταβλητής όταν η πόσο θα αυξηθεί το Υ για κάθε μονάδα αύξησης του Χ
τιμή της ανεξάρτητης μεταβλητής είναι 0 η αύξηση του Υ όταν η τιμή Χ αυξάνεται κατά 1 μονάδα
(δηλαδή το β0 είναι μία σταθερά - constant).
Παλινδρομική Ανάλυση Υ΄ = β0 + β1Χ
(Παράδειγμα-1)

Ας υποθέσουμε πως:

Εξαρτημένη μεταβλητή: Ο εκπαιδευτικός βελτιώνει τη διδασκαλία του βασιζόμενος στην


ανατροφοδότηση.

και

Ανεξάρτητη μεταβλητή: Ο εκπαιδευτικός επιμορφώνεται για τις νέες τάσεις της διδακτικής.
Παλινδρομική Ανάλυση Υ΄ = β0 + β1Χ
(Παράδειγμα-1, Εξαγόμενοι πίνακες)
Model Summary
Std. Error of the
Model R R Square Adjusted R Square
Estimate
1 ,363a ,132 ,130 ,582
a. Predictors: (Constant), Ο εκπαιδευτικός επιμορφώνεται για τις νέες τάσεις της

διδακτικής.

ANOVAa
Model Sum of Squares df Mean Square F Sig.
Regression 26,595 1 26,595 78,570 ,000b
1 Residual 175,336 518 ,338
Total 201,931 519
a. Dependent Variable: Ο εκπαιδευτικός βελτιώνει τη διδασκαλία του βασιζόμενος στην ανατροφοδότηση.
b. Predictors: (Constant), Ο εκπαιδευτικός επιμορφώνεται για τις νέες τάσεις της διδακτικής.

Coefficientsa
Standardized
Unstandardized Coefficients
Model Coefficients t Sig.
B Std. Error Beta
(Constant) 3,176 ,150 21,141 ,000
Ο εκπαιδευτικός
1
επιμορφώνεται για τις νέες ,302 ,034 ,363 8,864 ,000
τάσεις της διδακτικής.
a. Dependent Variable: Ο εκπαιδευτικός βελτιώνει τη διδασκαλία του βασιζόμενος στην ανατροφοδότηση.
Παλινδρομική Ανάλυση Υ΄ = β0 + β1Χ
(Παράδειγμα-1)
• R: παλινδρομικός συντελεστής συσχέτισης
• R Square: ποσοστό διασποράς της εξαρτημένης μεταβλητής το οποίο μπορεί να προβλεφθεί από την ανεξάρτητη μεταβλητή
Στο παράδειγμα: R = 0,363 και R Square = 0,132

Model Summary
Std. Error of the
Model R R Square Adjusted R Square
Estimate
1 ,363a ,132 ,130 ,582
a. Predictors: (Constant), Ο εκπαιδευτικός επιμορφώνεται για τις νέες τάσεις της διδακτικής.

Ερμηνεία R: Υπάρχει μέτρια θετική συσχέτιση Ερμηνεία R Square: Το 13,2% της διασποράς της εξαρτημένης
μεταξύ του βαθμού στον οποίο ο εκπαιδευτικός μεταβλητής «Ο εκπαιδευτικός βελτιώνει τη διδασκαλία του
βελτιώνει τη διδασκαλία του βασιζόμενος στην βασιζόμενος στην ανατροφοδότηση» μπορεί να προβλεφθεί από
ανατροφοδότηση και της επιμόρφωσής του σε την ανεξάρτητη μεταβλητή «Ο εκπαιδευτικός επιμορφώνεται για
σύγχρονες τάσης της διδακτικής (R = 0,363). τις νέες τάσεις της διδακτικής».
Παλινδρομική Ανάλυση Υ΄ = β0 + β1Χ
(Παράδειγμα-1)
ANOVAa
Model Sum of Squares df Mean Square F Sig.
Regression 26,595 1 26,595 78,570 ,000b
1 Residual 175,336 518 ,338
Total 201,931 519
a. Dependent Variable: Ο εκπαιδευτικός βελτιώνει τη διδασκαλία του βασιζόμενος στην ανατροφοδότηση.
b. Predictors: (Constant), Ο εκπαιδευτικός επιμορφώνεται για τις νέες τάσεις της διδακτικής.

Ερμηνεία: Η παλινδρομική σχέση (R = 0,363) είναι στατιστικά σημαντική (F = 78,570, Sig = 0,000 < 0,05).

Test F: αν το μοντέλο (στο σύνολο)


Από τον προηγούμενο πίνακα είναι στατιστικά σημαντικό
Παλινδρομική Ανάλυση Υ΄ = β0 + β1Χ
(Παράδειγμα-1)
Coefficientsa
Unstandardized Standardized
Model Coefficients Coefficients t Sig.
B Std. Error Beta
(Constant) 3,176 ,150 21,141 ,000
1 Ο εκπαιδευτικός επιμορφώνεται
,302 ,034 ,363 8,864 ,000
για τις νέες τάσεις της διδακτικής.
a. Dependent Variable: Ο εκπαιδευτικός βελτιώνει τη διδασκαλία του βασιζόμενος στην ανατροφοδότηση.

Αστάθμητη Εξίσωση: Μπορούμε να προβλέψουμε την τιμή της μεταβλητής «βελτίωση


διδασκαλίας βάσει ανατροφοδότησης», εάν πολλαπλασιάσουμε το 0,302
Υ΄ = βο + β1Χ επί τις τιμές της μεταβλητής «επιμόρφωση στις νέες τάσεις της
Υ΄ = 3,176 + 0,302 Χ διδακτικής» και σε αυτό προσθέσουμε το 3,176.

Υ΄ = βελτίωση διδασκαλίας βάσει ανατροφοδότησης


Χ = Επιμόρφωση στις νέες τάσεις της διδακτικής
3,176 = βαθμός που θα λάβει ο εκπαιδευτικός στο ερώτημα σχετικά με τη βελτίωση της διδασκαλίας του βάσει ανατροφοδότησης, εάν δεν
ενδιαφέρεται καθόλου για την επιμόρφωση στο θέμα της διδακτικής.
0,302 = η αύξηση στη Βελτίωση βάσει ανατροφοδότησης όταν η τιμή της Επιμόρφωσης αυξάνεται κατά 1 μονάδα.
Παλινδρομική Ανάλυση Υ΄ = β0 + β1Χ
(Παράδειγμα-2)

Ας υποθέσουμε πως:

Εξαρτημένη μεταβλητή: Επίδοση στην ιστορία

και

Ανεξάρτητη μεταβλητή: Στάση απέναντι στο μάθημα της ιστορίας


Παλινδρομική Ανάλυση Υ΄ = β0 + β1Χ
(Παράδειγμα-2, Εξαγόμενοι πίνακες)
Model Summary
Adjusted R Std. Error of
R R Square
Model Square the Estimate
1 ,554a ,307 ,304 37,578
a. Predictors: (Constant), Στάση

ANOVAa
Sum of
df Mean Square F Sig.
Model Squares
Regression 158945,934 1 158945,934 112,561 ,000b
1 Residual 358669,300 254 1412,084
Total 517615,234 255
a. Dependent Variable: Επίδοση
b. Predictors: (Constant), Στάση

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients t Sig.
Model B Std. Error Beta
(Constant) 42,771 5,121 8,352 ,000
1
Στάση 9,523 ,898 ,554 10,609 ,000
a. Dependent Variable: Επίδοση
Παλινδρομική Ανάλυση Υ΄ = β0 + β1Χ
(Παράδειγμα-2)
• R: παλινδρομικός συντελεστής συσχέτισης
• R Square: ποσοστό διασποράς της εξαρτημένης μεταβλητής το οποίο μπορεί να προβλεφθεί από την ανεξάρτητη μεταβλητή

Model Summary

R R Square Adjusted R Square Std. Error of the Estimate


Model
1 ,554a ,307 ,304 37,578
a. Predictors: (Constant), Στάση

Ερμηνεία R: Υπάρχει ισχυρή θετική συσχέτιση Ερμηνεία R Square: Το 30,7% της διασποράς της εξαρτημένης
μεταξύ της Στάσης απέναντι στην ιστορία και της μεταβλητής «Επίδοση στο μάθημα της ιστορίας» μπορεί να
Επίδοσης στο μάθημα (R = 0,554). προβλεφθεί από τις τιμές της ανεξάρτητης μεταβλητής «Στάση
απέναντι στην ιστορία».
Παλινδρομική Ανάλυση Υ΄ = β0 + β1Χ
(Παράδειγμα-2)
ANOVAa
Sum of
df Mean Square F Sig.
Squares
Model
Regression 158945,934 1 158945,934 112,561 ,000b
1 Residual 358669,300 254 1412,084
Total 517615,234 255
a. Dependent Variable: Επίδοση

b. Predictors: (Constant), Στάση

Ερμηνεία: Η παλινδρομική σχέση (R = 0,554) είναι στατιστικά σημαντική (F = 112,561, Sig = 0,000 < 0,05).

Από τον προηγούμενο πίνακα


Παλινδρομική Ανάλυση Υ΄ = β0 + β1Χ
(Παράδειγμα-2)
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients t Sig.
Model B Std. Error Beta
(Constant) 42,771 5,121 8,352 ,000
1
Στάση 9,523 ,898 ,554 10,609 ,000
a. Dependent Variable: Επίδοση

Αστάθμητη Εξίσωση: Μπορούμε να προβλέψουμε την τιμή της μεταβλητής


Υ΄ = βο + β1Χ «Επίδοση», εάν πολλαπλασιάσουμε το 9,523 επί τις τιμές της
Υ΄ = 42,771 + 9,523 Χ μεταβλητής «Στάση» και σε αυτό προσθέσουμε το 42,771.

Υ΄ = Τιμές στη μεταβλητή «Επίδοση στο μάθημα της ιστορίας»


Χ = Τιμές στη μεταβλητή «Στάση απέναντι στην ιστορία»
42,771 = βαθμός που θα λάβει ο μαθητής στη μεταβλητή Επίδοση, εάν έχει πλήρως αρνητική στάση απέναντι στην ιστορία
9,523 = η αύξηση της Επίδοσης όταν η τιμή της Στάσης αυξάνεται κατά 1 μονάδα
Καλή επιτυχία!

You might also like