2.1. DISZKRÉT VÁLTOZÓK ESETE – Gyakorisági elemzés a NEM-változóra

Vegyük tehát az első esetet, illetve a harmadik esetnek azt a részét, amikor a változónknak a gyakorisági eloszlását szeretnénk bemutatni, pl. arra vonatkozó hipotéziseink miatt.

A vizsgálat lépései – ROPstat-ban

A ROPstat programcsomagban minden leíró statisztikát az Alapok (egymintás elemzések) menüpontban találhatunk meg.

Az első két menüpont a kvantitatív változók esetén alkalmazandó, míg a gyakoriság, hisztogram menüpont alkalmazható mind kvantitatív, mind kvalitatív változókra (de kvalitatív változókra csak ez).

Ha minden beállításunk megfelelő volt, akkor az alábbi output az eredmény:

|| A ROPstat olyan statisztikai programcsomag, amely a standard egyváltozós módszerek teljes repertoárja
|| mellett gazdag választékát nyújtja a robusztus technikáknak és az ordinális skálájú változókkal végezhető
|| elemzéseknek. A ROPstat megkülönböztetett figyelmet szentel a mintázatfeltáró eljárásoknak is.
|| A ROPstat szerzői:
|| - Prof. Dr. Vargha András, Károli Gáspár Református Egyetem Pszichológiai Intézete, Budapest
|| - Bánsági Péter matematikus mérnök, Budajenő
|| Konzultáns: Prof. Dr. Lars R. Bergman, Stockholm University, Department of Psychology

Az input fájl neve: C:\_vargha\ropstat\dat\CPI.msw

Gyakoriság, hisztogram

A beolvasott összes eset száma: 94

VÁLTOZÓ: Gender (Gender of subjects)


Érték	Gyak	%	Kum%
1	16	17,0	17,0	\|========
2	78	83,0	100,0	\|============================================
Össz	94

Értelmezésre ebben az esetben nem sok szükség van. A továbbiakban az output elején található, programot bemutató sávot nem fogom másolni. Az outputok elején látható mindig az input fájl neve (ezt is szisztematikusan ki fogom hagyni).

A következő sor mindig az alkalmazott eljárás, majd esetszám. Végül a számunkra most érdekes eredmények: a NEM-változónak két kódja van (1: férfi, 2: nő), gyakoriságok (16 férfi és 78 nő van a mintában), mely százalékos megoszlásban 17-83%. A kumulált százalékok a folytonos változók esetén játszanak inkább szerepet, hiszen ennek jelentése, hogy hányan tartózkodnak az adott értéknél nem nagyobb sávban (pl. hány legfeljebb 35 éves van a mintában.

A vizsgálat lépései – SPSS-ben

Miután a ROPstat és az SPSS outputja érdemben nem különbözhetnek egymástól, ezért csak az elemzés lépéseit mutatom be, illetve az output különböző részeit magyarázom el – a műhelymunka-megfogalmazás nem fog változni.

Az SPSS-ben minden elemzés az Analyze menüpontban található. A leíró statisztikákat értelemszerűen a leíró statisztikáknál (Descriptive Statistics) kell keresni, azon belül a diszkrét változókra vonatkozó gyakorisági elemzés a Frequencies… almenüben kapott helyet.

A gyakoriságokon túl az alábbi lehetőségeink vannak – tartva a fenti struktúrát a táblázatos leírásban is.

Percentilisek. Alapvetően folytonos változóknál fontos mutatók, melyek jelentése: a populációban várhatóan mely érték alatt / felett helyezkedik el a populáció adott százaléka. A kvartilisek esetén 25%-ot keresünk, megadhatóak olyan kérések, hogy pl. 10 egyenlő részre hogyan vághatná el a populációt (dekádok), illetve a percentilisek esetén akármely érték megadható (például 20-30-50-80 beállítással).

Műhelymunkában ritkán használt, leíró statisztikáknál sem túl gyakori.

Középértékek. Alapvető jelentőségű mutatók – mindenfajta változóra használhatjuk, azonban ha a fenti felsorolás harmadik esete áll fenn, azaz olyan változóval dolgozunk, mint pl. az osztályzatok, akkor itt spórolhatunk egy kis időt magunknak. Mert ezeket a statisztikákat egy másik menüpontban is elérhetjük, az output lényegében megegyezik – azonban akkor egy elemzési részt időben megtakaríthatunk. Kikérhető (sorrendben) az átlag, medián és módusz (az összeg lényegében nem használatos).

Műhelymunkákban gyakori, lényegében mindenfajta változó bemutatásánál alkalmaznunk kell valamilyen középérték meghatározást.

Leíró statisztikai mutatók. Az első oszlopban a szóródási mutatók kaptak helyet, sorrendben: szórás, variancia (szórásnégyzet) és a terjedelem (maximum és minimum különbsége). A második oszlopban a minimum és a maximum, illetve az átlag standard hibája, míg az utolsó oszlopban az alaki mutatók találhatóak – sorrendben a ferdeség (skewness) és a csúcsosság (kurtosis).

Műhelymunkában szintén gyakori az alkalmazásuk, de ez is folytonos változókra vonatkozik általában, így szintén nem e menüpontból érdemes elérni.

Az output itt kicsit másként néz ki, mint a ROPstat programcsomagban. Rögtön táblázatos formában kapunk mindent – mely szerencsés, ha nem kerül megszerkesztésre. Ezért is élek majd a fejezet végén egy általános javaslattal az outputokat illetően.

Tartalmát tekintve egyetlen többlet található. A valid százalékok jelentéséhez tudnunk kell, hogy vannak olyan helyzetek, amikor bizonyos kérdésekre a megkérdezettek nem tudnak vagy nem akarnak válaszolni. A valid százalék azt mutatja meg, hogy a válaszadók között milyen a százalékos megoszlása a különböző kategóriáknak – míg a százalék a teljes mintát figyelembe veszi.

Minden egyéb megegyezik a ROPstat adataival. Az első táblázatban láthatjuk, hogy hány fős a minta, illetve a Missing értékeknél látnánk, ha valaki nem válaszolt volna a fenti kérdésre.

A második táblázatban először a címkék (férfi-nő), majd sorban a gyakoriság, százalék, valid százalék és kumulatív százalék értékek szerepelnek.

Műhelymunkabeli megfogalmazás

A műhelymunkákban tehát a diszkrét változók elemzésére alapvetően a gyakorisági elemzéseket használhatjuk – azonban nem mindegy, hogy ezeket hogyan fogalmazzuk meg. Ábraszerkesztést szándékosan nem mutatok be, hiszen erre vonatkozóan sok lehetőségünk van – érdemes lehet kísérletezni. Általánosan az oszlop- vagy sávdiagram típus kereshető, vagy a kördiagramok. Az SPSS grafikai lehetőségei mellett az EXCEL is bevethető, illetve bármely más program, amiben kényelmesen tudunk ábrákat szerkeszteni.

Megfogalmazás

A felmérés során 94 válaszoló adatait sikerült megszerezni. A mintában 16 férfi és 78 nő volt. Az adatokat táblázatos formában is összefoglalom:

NEM	Gyakoriság	Százalékos megoszlás
Férfi	16	17%
Nő	78	83%
ÖSSZESEN	94	100%

Egy műhelymunkában tehát nem kell túlmisztifikálni a minta bemutatását, hiszen a lényegi részek majd a hipotéziseink lesznek – így az egyszerű, átlátható megfogalmazásokra kell törekedni. Röviden, pontosan definiáljunk mindent – mutassuk be a mintánkat, de ne ez legyen a fő statisztikai mozgatórugója a dolgozatunknak.

JAVASLAT

Bátran használjunk saját formátumot, nyugodtan szerkesszük át a programok által adott outputokat saját magunk számára könnyen értelmezhető, átlátható formába. AZ EREDETI OUTPUTOKAT MINDIG ŐRIZZÜK MEG, akár csatolmányként, mellékletként a dolgozathoz is lehet fűzni – ez mindig a helyzettől függ, hogy milyen formában kell ezeket tárolni.