AKDII., ZS 2013 ANONYMIZOVÁNO
AKDII. - Seminární práce revize Jiří Šafr (6/2/2014) Chybí název (nadpis), který by charakterizoval téma (výzkumnou otázku)
Sociologie volného času V západním světě se v poslední době začíná klást velký důraz na sociologii volného času. Jednou z hlavních postav je profesor sociologie Chris Rojek, který působí na Londýnské univerzitě. Volný čas je vyplněn zábavou a celebritami. A právě tento autor má zajímavou práci o celebritách, kde popisuje tři formy statusu celebrit – připsaný, dosažený a přidělený. Mezi připsaný status celebrity řadí osoby, které svůj status získaly na základě pokrevní příbuzenské linie, jedná se např. o šlechtické a královské rodiny. Již v tradičních společnostech byla těmto rodinám vždy prokazována úcta a respekt a bylo to považováno za něco samozřejmého. Dosažený status mají osoby, které získaly úspěch ve veřejné sféře na základě svých
Komentář [JS1]: Kvalitu první „přehledové“ části nehodnotím, pouze konstatuji, že vůbec nesouvisí s tématem v analýze v druhé části. Komentář [JS2]: To je z hlediska tématu redundantní informace. Jděte k meritu věci = sociologickému problému (a ne ke jménům autorů). Komentář [JS3]: Tak tohle je hodně, hodně zkratkovité, navíc vytržené z kontextu. Navíc na úvod tématu by to chtělo něco jiného. Komentář [JS4]: Mimochode m, tohle je standardní pojmosloví, to se učí každý student sociologie v prvním ročníku, k tomu není třeba číst Rojeka (ostatně on to rozdělení nevymyslel, tedy možná ten „přidělený“ status).
schopností a svého talentu. Může to být např. televizní hlasatelka. A poslední skupinou je přidělený status - některé celebrity jsou pouze mediálně vytvořené a objeví se v záři reflektorů jen krátce. Známý britský sociolog Anthony Giddens hovoří o “globálních celebritách”, které jsou především produktem nových komunikačních technologií. Publicita a sláva se v moderním globalizovaném světě šíří rychle. Díky tomuto novému uspořádání můžeme ovlivňovat veřejné mínění na celém světě. Nové časoprostorové uspořádání přináší výhody, ale má také svá rizika. Polsko-britský sociolog, který od roku 1971 žije ve Velké Británii, Zygmunt Bauman uvádí, že rušení časoprostorových vzdáleností lidi spíše polarizuje, než spojuje. A kanadský filosof a mediální teoretik Marshall McLuhan se domnívá, že moderní média dělají z našeho světa „globální vesnici“. Touto globální vesnicí myslí všechny televizní diváky, a tímto způsobem je vytvořena vzájemná společenská závislost. McLuhan říká, že jde o jakýsi návrat ke kmenové identitě. Francouzský filosof, sociolog a esejista Gilles Lipovetsky provádí analýzu dnešní konzumní společnosti. Tvrdí, že moderní člověk prodělává antropologickou mutaci a stává se čím dál více narcistický a individualistický. Moderní
1
člověk je zotročen svou vlastní slabou vůlí a snadno podléhá tlakům společnosti, např. v oblasti módy. V díle Paradoxní štěstí, Esej o hyperkozumní společnosti píše, že „Dnešní konzument již nenakupuje jen zboží, ve svrchované míře konzumuje také k oslnivosti dohnanou podívanou na štěstí celebrit“. Australský profesor kulturních studií Greame Turner ve své knize Understanding celebrity popisuje třídění celebrit a sociální funkce celebrit. Diskutuje o celém zábavním průmyslu i bulvárním tisku, a zamýšlí se také nad tím, jakou funkci hrají novináři, agenti, manageři. Turner uvádí, že hlavní prioritou médií je vytváření příběhů. Někdy se objeví mimořádná událost nebo osobnost, jejíž příběh zahltí média na delší dobu. Takovým případem byla smrt britské princezny Diany. Podle Turnera nejlepší kategorie celebrit předložil Chris Rojek, kterého jsem již uváděla. Volný čas probíhá z hlediska aktérů. Lidé si vytvářejí určité světy, mikrosvěty – aktuální, možné i fiktivní (vymyšlené). Zabývají se vymyšlenostmi, a k tomu patří také hra, je to něco vymyšleného pro zábavu. Hra se vztahuje k fikci. Ve hře se prožívá svět „jakoby“. Mikrosvět - jde o kulturní artefakt a jeho sociální funkci. Někteří lidé si ty světy vymýšlejí, jiní do nich aktivně vstupují a participují na lidském bytí, na určité činnosti. Lidé se uzavřou do svého vlastního mikrosvěta tak, že si vyberou určitou herní aktivitu. Lidé mají ty vlastní světy nebo mikrosvěty. K tomuto tématu je zajímavá kniha Světy hraček (1982) od psychologa, filozofa a badatele v oblasti her Vladimíra Boreckého. Filozoficky vycházel z fenomenologie a archetypální psychologie švýcarského psychoanalytika C.G. Junga. Zaměřoval se také na filozofické kořeny české psychoterapie (Jaroslav Stuchlík, Bohuslav Brouk). Bohuslav Brouk byl psychoanalytik, sociolog, esejista, estetik a od roku 1948 žil v emigraci. Napsal např. knihu o vztahu člověka k věcem Lidé a věci (1947).
Komentář [JS5]: To sem vůbec nepatří, to je absolutně redundantní!
Hry mohou být předmoderní, moderní nebo postmoderní. Postmoderní hry se často odehrávají ve virtuálním světě. Informace se mohou překlopit do hry. I mobil můžeme chápat jako hračku. Ty malé světy – mikrosvěty, jsou to určité marginální sociokulturní systémy. Marginální jako okrajové, vedlejší. Ale může se to překlopit a stát se hlavním systémem. Lidé se snaží najít kompenzační činitel v dnešní uspěchané době plné stresu a to je důležité pro psychickou hygienu. Marginální světy jako „světy jakoby něco jiného“, jakoby to byla skutečnost. Lidská hra je jakoby, např. dítě si hraje na námořníka. Tento svět přináší jiné bytí, jiný způsob života.
2
Dnes žijeme v rizikové společnosti a o tom napsal zajímavou knihu Riziková společnost (1986, česky 2004) německý sociolog Ulrich Beck. Tato kniha byla přeložena do více než 15 světových jazyků. Je mnoho rizik, která nás ohrožují - riziko války, riziko finančního kolapsu,
Komentář [JS6]: To zde nikoho nezajímá.
riziko nezaměstnanosti. Mohou být i další rizika, která jsou ale uměle vytvářena a lidé je sami vyhledávají, např. adrenalinové sporty. Riziko, že se dostanou na hranu života a smrti. Oblast herní a sportovní. O riziku a dobrodružství píše také německý filozof a sociolog Georg Simmel ve své Eseji o dobrodružství. Podle významného českého sociologa Miloslava Petruska byl Simmel v době svého života velmi populárním evropským sociologem, ale přesto bohužel nezískal status klasika. Simmel je dnes považován za prvního velkého teoretika modernity a také vytvořil nový literární žánr – sociologické eseje, což byly asi 20 stránkové eseje především o nastupující moderní společnosti. Simmel žil v Berlíně a byl fascinován moderním velkoměstským životem.
Komentář [JS7]: K čemu to tady je? To sem už vůbec nepatří.
Pohybujeme se především v oblasti zábavy, užívání si, simulace, zakoušení. Pojem zážitek, nebo prožitek. Místo pojmu učení, rozumění. Něco intenzivního prožívám a zažívám, pojem experience – to je zkušenost a je to prožitek nebo zážitek. Zážitky se více posilují nebo prohlubují. Čeká nás „ekonomika zážitků“, mluvíme o kulturním průmyslu. Dnešní doba je ve znamení gamefikace jako marketingového nástroje, snaha dát do všeho hru, soutěž, zábavu. Gamefikace jako posílení úlohy her. Pojem experience používal i britský sociální antropolog a ritualista Victor Turner. Dělal výzkumy v kmenových společnostech v rovníkové Africe. Dělal výzkumy i v Evropě v komplexních společnostech. Výzkumy poutí a poutních míst. Zkoumal sociální typus poutníka a fenomén poutě. Pouť jako liminální zkušenost. Obřad přechodu, přechodová liminální fáze – z chlapce se stává muž. Turner je spojen také s teorií performace-předvádění. Obrat k performaci jako předvádění něčeho. Liminální fáze je důležitá a je třeba jí zdárně ukončit. Pouť je přechodem z vlastního místa bydliště na poutní místo. Cestou je nutné překonat překážky, ujít velký kus cesty a dostat se k náboženskému prožitku. Hlavní pojem experience je spjatý s rizikem, směřuje ke krizi, k dramatismu. Turner se také zmiňuje o přechodu od rituálu k divadlu. Podtitul jeho díla Lidská vážnost hry.
3
Pojem identity jako být někým. Filozofickým smyslem hry je mít jinou identitu. V té hře být někým jiným. Jiné světy living history. Je to oživlá historie. Lidé provádějí určité aktivity a snaží se co nejvíce napodobit život v určité historické epoše. Přiznám se, že ani při troše fantazie mi nedochází, jak má předchozí text (popravdě zcela chaotický bez jednotící výkladové linky) souviset s následujícími výzkumnými otázkami resp. hypotézami (o vztahu kultury a sociální třídy) a analýzou (data z ISSP 2007). Text jako takový nehodnotím, ale viz poznámky k i tak redundantním pasážím. Soustředím se pouze na druhou – analytikou část. Takže vždy nejprve začněte formulací problému a uvedení do něj (zde by se tedy hodila v první přehledové části spíše teorie kulturní reprodukce P. Bourdieu). Výzkumné otázky: 1. Jak se liší intervaly spolehlivosti ve vztahu míře pití alkoholu (q19) muži a ženy a pohlaví (s30)? K ověření hypotézy o rozdílu využijeme intervalový odhad četností (Interval spolehlivosti 95%). 2. Jak často lidé navštěvují kulturní akce (q1_e) podle třídní příslušnosti (EGP3)? Hypotéza předpokládá, že příslušníci různých sociálních tříd navštěvují kulturní akce s odlišnou intenzitou. Zjištění Tu budu ověřovat podle Chíkvadrát testu a znaménkového schématu.
Komentář [JS8]: Popravdě tohle (alkohol a pohlaví) vůbec nesouvisí s následujícími dvěma hypotézami, které mi přijdou velmi zdařilé a zajímavé.
3. a) Jak se liší trávení volného času posloucháním hudby (q1_i) podle třídní příslušnosti (EGP3)? b) A jak se výsledky změní, když odstraníme vliv věku (vek3)? Shrnutí výsledku ověřování Hhypotéza: 1. Domnívám se, že muži pijí alkohol více než ženy. Hypotéza vyšlabyla potvrzena. 2. Domnívám se, že vyšší sociální třída více navštěvuje kulturní akce než nižší třída. Hypotéza byla potvrzenavyšla. 3. Domnívám se, že vyšší sociální třída více poslouchá hudbu než nižší třída. Hypotéza byla potvrzenavyšla.
Komentář [JS9]: Tohle dáváme většinou až na konec. Standardní členění textu: 1.úvod, teorie 2. Komentář [JS10]: popravdě klasicky popperovsky můžeme pouze tvrdit, že se nám jí „nepodařilo zamítnout“ (na dostupných datech a s analytickými nástroji, které ovládáte) Platí i pro zbylé hypotézy.
A jak dopadlo ověřování hypotézy 3b)? Zdroj: Data ISSP 2007 → celkově velmi, velmi stručné (berte to tak, že to po Vás bude číst někdo, kdo s námi nestrávil celý semestr analýzami dat ISSP07, tedy někdo komu je třeba říci alespoň v jedné větě, o jaká data se jedná, co z hlediska položených otázek umožňují). 1.)
4
Proč je tady tato tabulka? Chápu, že jste původní proměnnou q19 rekódovala, ale to je třeba v textu popsat a tabulde dát nějaký nadpis. K tomu viz http://metodykv.wz.cz/tabulky_intepretace_prezentace.pdf q19 Pijete alkoholické nápoje Frequency
Percent
Valid Percent
Cumulative Percent
1 Ano, téměř denně
48
3,9
4,0
4,0
203
16,6
16,8
20,8
485
39,7
40,1
60,9
4 Velmi zřídka
276
22,6
22,8
83,7
5 Vůbec
197
16,1
16,3
100,0
1209
98,9
100,0
13
1,1
1222
100,0
2 Ano, jednou až dvakrát týdně Valid
3 Ano, ale pouze příležitostně
Total Missing
6 bez odpovědi
Total
Alkohol Pití alkoholu * s30 Pohlaví Crosstabulation s30 Pohlaví 1 muž 1,00 ano Alkohol Pití alkoholu 2,00 ne
Total
Count % within s30 Pohlaví Count % within s30 Pohlaví Count % within s30 Pohlaví
Total
2 žena
191
60
251
35,0%
8,9%
20,5%
354
617
971
65,0%
91,1%
79,5%
545
677
1222
100,0%
100,0%
100,0%
Run MATRIX procedure: Confidence Interval for a Single Population Proportion n phat zstar SE Lower 545,0000 ,3505 1,9604 ,0204 ,3104 ------ END MATRIX -----
Upper ,3905
Komentář [JS11]: popravdě v sociologickém textu tohle takto být nemůže, to buď přepište – doplňte do předchozí tabulky (horní a dolní mez) a nebo aspoň dejte do poznámky či do přílohy. opět jak text upravit viz http://metodykv.wz.cz/tabulky_in tepretace_prezentace.pdf
5
Run MATRIX procedure: Confidence Interval for a Single Population Proportion n phat zstar SE Lower 1222,0000 ,1686 1,9604 ,0107 ,1476
Upper ,1896
------ END MATRIX -----
Pravděpodobnost 95%, že muž bude pít alkohol je mezi 31‐39%. Pravděpodobnost 95%, že žena bude pít alkohol je mezi 15‐19%. Proto → Můžeme konstatovat, že dospělí muži pijí alkohol častěji než ženy, zatímco skutečnost, že pije alkohol jednou až dvakrát týdně uvádí přibližně třetina mužů (31–39 %), tak u žen je to pouze necelá pětina (15–19 %). Hypotézu tak můžeme přijmout (platí na 95 % hladině statistické významnosti).
Komentář [JS12]: Když si vytýčíte hypotézy, tak je také nějak zhodnoťte a hlavně interpretujte výsledky.
Komentář [JS13]: správně „nemůžeme zamítnout – nemáme k zamítnutí dostatek evidence)“
2.) Platí to co u předchozí otázky/hypotézy 1: 1. Uvést o co jde, můžete stručně zmínit i nějaký teoretický argument, proč hypotéza bude formulovaná tak a tak, 2. pokud jako zde (q1_e) vstupuje do analýzy nějaká proměnná transformovaná–rekódovaná, tak stručně popište jak (které kategorie byly sloučeny?) 3. popisujte tabulky co v nich čtenář vidí (viz http://metodykv.wz.cz/tabulky_intepretace_prezentace.pdf)
q1_e Jak často - Návštěva kult. akcí Frequency
Percent
Valid Percent
Cumulative Percent
1 denně
1
,1
,1
,1
16
1,3
1,3
1,4
3 několikrát za měsíc
144
11,8
11,8
13,2
4 několikrát za rok nebo
651
53,3
53,4
66,6
408
33,4
33,4
100,0
1220
99,8
100,0
2 několikrát týdně
Valid
méně často 5 nikdy Total Missing Total
6 bez odpovědi
2
,2
1222
100,0
6
Kultura Návštěva kult. akcí * EGP3 EGP 3 Crosstabulation EGP3 EGP 3
Total
1 Servisní tř.
2 Mezilehlé tř.
3 Dělnická tř.
(odborníci)
(OSVČ,
(dělníci, RTN)
úředníci) Count
1,00 Kultura Návštěva
% within EGP3 EGP
ano
50
22
29
101
19,5%
13,0%
5,0%
10,1%
206
147
550
903
80,5%
87,0%
95,0%
89,9%
3
kult. akcí
Count 2,00 ne
% within EGP3 EGP 3 Count
Total
% within EGP3 EGP
256
169
579
1004
100,0%
100,0%
100,0%
100,0%
3
Chi-Square Tests Value
df
Asymp. Sig. (2sided)
a
2
,000
Likelihood Ratio
41,668
2
,000
Linear-by-Linear
43,217
1
,000
Pearson Chi-Square
43,344
Association N of Valid Cases
1004
a. 0 cells (0,0%) have expected count less than 5. The minimum expected count is 17,00.
Hodnota Chíkvadrát 43 (při 2 stupních volnosti) překračuje kritickou tabulkovou hodnotu 5,99 (pro Alfa 0,05). Dosažená hladina významnosti Chíkvadrát testu je p = 0,000. To znamená, že zamítáme nulovou hypotézu a pozorujeme, že existuje vztah mezi návštěvností kulturních akcí a třídní příslušností. V dalším kroku nás zajímá, pro které konkrétní sociální třídy je návštěva kulturních akcí typická a pro které nikoliv. K tomu využijeme hodnoty adjustovaných residuí.
Komentář [JS14]: Pokud to chcete takto „klasicky s tabulkami“, tak ale tabulkovou‐ kritickou hodnotu uveďte (máte je např. na http://metodykv.wz.cz/Tab_Chisq _krit.pdf vidím tam 5,99) Nicméně stačí komentovat p‐ hodnotu, tj. dosaženou hladinu významnosti (Asymp.Sig.)
Kultura Návštěva kult. akcí * EGP3 EGP 3 Crosstabulation
7
Adjusted Residual EGP3 EGP 3 1 Servisní tř.
2 Mezilehlé tř.
3 Dělnická tř.
(odborníci)
(OSVČ,
(dělníci, RTN)
úředníci) Kultura Návštěva kult. akcí
1,00 ano
5,8
1,4
-6,2
2,00 ne
-5,8
-1,4
6,2
Hranice znamének je 1,96 2,58 a 3,29. Z tabulky je patrné, že nejvyšší servisní třída častěji navštěvuje kulturní akce, než dělnické třída, pro kterou je spíše typičtější nezájem o tyto kulturní programy. 3.) dtto předchozí 3 a)
q1_i Jak často - Poslouchání hudby Frequency
Percent
Valid Percent
Cumulative Percent
Valid
1 denně
536
43,9
44,1
44,1
2 několikrát týdně
338
27,7
27,8
71,9
3 několikrát za měsíc
195
16,0
16,0
88,0
69
5,6
5,7
93,7
77
6,3
6,3
100,0
1215
99,4
100,0
7
,6
1222
100,0
4 několikrát za rok nebo méně často 5 nikdy Total
Missing
6 bez odpovědi
Total
Hudba Poslouchání hudby * EGP3 EGP 3 Crosstabulation EGP3 EGP 3
Total
1 Servisní tř.
2 Mezilehlé tř.
3 Dělnická tř.
(odborníci)
(OSVČ,
(dělníci, RTN)
úředníci) Hudba Poslouchání
1,00 ano
Count
198
122
389
709
8
hudby
% within EGP3 EGP 3 2,00 ne
Count % within EGP3 EGP 3 Count
Total
% within EGP3 EGP 3
77,3%
72,2%
67,2%
70,6%
58
47
190
295
22,7%
27,8%
32,8%
29,4%
256
169
579
1004
100,0%
100,0%
100,0%
100,0%
Tak tady ale musí být aspoň Chíkvadrát test (podobně jako u předchozí hypotézy). 3 b) A tady by bylo třeba nejprve popsat, o co nám ve finále půjde (definovat problém), že se nespokojíme s ověřením hypotézy pomocí třídění druhého stupně (H 3a), ale že jí dále podrobíme testu, zda do vztahu mezi poslechem hudby a příslušností k sociální třídě nějak neintervenuje věk (hypotáza 3b). Popravdě tady by to také nejprve ještě chtělo Chíkvadrát odděleně 3x v jednotlivých kategoriích věku. Test jsem spočítal a jak vidíte, vztah pro Hudbu a EGP platí jen v poslední nejstarší skupině (nad 50 let). U mladších se třídní rozdíly neprojevují. To samo o sobě činí další výpočty – vážení podle věku problematickým a vlastně tak trochu i zbytečným.
Chi-Square Tests vek3 1 19-29
2 30-49
Value Pearson Chi-Square
Asymp. Sig. (2-sided)
2
,729
Likelihood Ratio
,689 2
,709
Linear-by-Linear Association
,079 1
,779
N of Valid Cases
103 ,606b 2
,739
Likelihood Ratio
,609 2
,737
Linear-by-Linear Association
,289 1
,591
Pearson Chi-Square
N of Valid Cases 3 50+
df a
,632
329 8,636c 2
,013
Likelihood Ratio
8,945 2
,011
Linear-by-Linear Association
8,619 1
,003
Pearson Chi-Square
N of Valid Cases
566
a. 2 cells (33,3%) have expected count less than 5. The minimum expected count is 1,82. b. 0 cells (,0%) have expected count less than 5. The minimum expected count is 16,41.
9
Chi-Square Tests vek3 1 19-29
2 30-49
3 50+
Value
df
Asymp. Sig. (2-sided)
,632a 2
,729
Likelihood Ratio
,689 2
,709
Linear-by-Linear Association
,079 1
,779
N of Valid Cases
103
Pearson Chi-Square
,606b 2
,739
Likelihood Ratio
,609 2
,737
Linear-by-Linear Association
,289 1
,591
N of Valid Cases
329
Pearson Chi-Square
c
Pearson Chi-Square
8,636
2
,013
Likelihood Ratio
8,945 2
,011
Linear-by-Linear Association
8,619 1
,003
N of Valid Cases
566
a. 2 cells (33,3%) have expected count less than 5. The minimum expected count is 1,82. b. 0 cells (,0%) have expected count less than 5. The minimum expected count is 16,41. c. 0 cells (,0%) have expected count less than 5. The minimum expected count is 30,56.
Hudba Poslouchání hudby * EGP3 EGP 3 * vek3 Crosstabulation vek3
EGP3 EGP 3
Total
1 Servisní tř.
2 Mezilehlé tř.
3 Dělnická tř.
(odborníci)
(OSVČ,
(dělníci, RTN)
úředníci) Hudba Poslouchání 1 19-29
hudby
1,00
Count
ano
% within EGP3 EGP 3
2,00
Count
ne
% within EGP3 EGP 3 Count
Total
Hudba Poslouchání 2 30-49
hudby
% within EGP3 EGP 3 1,00
Count
ano
% within EGP3 EGP 3
2,00
Count
ne
% within EGP3 EGP 3 Count
Total 3 50+
Hudba Poslouchání hudby Total
% within EGP3 EGP 3 1,00
Count
ano
% within EGP3 EGP 3
2,00
Count
ne
% within EGP3 EGP 3 Count
26
16
50
92
86,7%
94,1%
89,3%
89,3%
4
1
6
11
13,3%
5,9%
10,7%
10,7%
30
17
56
103
100,0%
100,0%
100,0%
100,0%
79
42
118
239
75,2%
70,0%
71,5%
72,4%
26
18
47
91
24,8%
30,0%
28,5%
27,6%
105
60
165
330
100,0%
100,0%
100,0%
100,0%
93
64
221
378
76,9%
69,6%
61,7%
66,2%
28
28
137
193
23,1%
30,4%
38,3%
33,8%
121
92
358
571
10
% within EGP3 EGP 3 Hudba Poslouchání hudby
Total
1,00
Count
ano
% within EGP3 EGP 3
2,00
Count
ne
% within EGP3 EGP 3 Count
Total
% within EGP3 EGP 3
100,0%
100,0%
100,0%
100,0%
198
122
389
709
77,3%
72,2%
67,2%
70,6%
58
47
190
295
22,7%
27,8%
32,8%
29,4%
256
169
579
1004
100,0%
100,0%
100,0%
100,0%
Váhy:
vek3 Frequency
Percent
Valid Percent
Cumulative Percent
Valid
1 19-29
219
17,9
17,9
17,9
2 30-49
367
30,0
30,0
48,0 100,0
3 50+
636
52,0
52,0
Total
1222
100,0
100,0
Váha 19‐29 je 0,179 Váha 30‐49 je 0,3 Váha 50+ je 0,52 Výpočet: 0,179 x 86,7 = 15,5193 0,179 x 94,1 = 16,8439 0,179 x 89,3 = 15,9847
11
0,3 x 75,2 = 22,56 0,3 x 70,0 = 21 0,3 x 71,5 = 21,45 0,52 x 76,9 = 39,988 0,52 x 69,6 = 36,192 0,52 x 61,7 = 32,084 Srovnání vážených a nevážených hodnot poslouchání hudby (v %) podle sociální třídy při kontrole věku: Servisní třída: 15,5193 + 22,56 + 39,988 = 78,0673 srovnám s 77,3% Rozdíl 8,5486 Mezilehlé třídy: 16,8439 + 21 + 36,192 = 74,0359 srovnám s 72,2% Dělnická třída: 15,9847 + 21,45 + 32,084 = 69,5187 srovnám s 67,2% Rozdíl 10,1
Komentář [JS15]: Tohle ne, to je principielně špatně. Viz poznámku v textu. Ale konečný výsledek „redukci“ vlivu třídy při kontrole vlivu věku 15 % máte dobře. Komentář [JS16]: dtto.
Pozor tady je chyba: porovnání hrubých a vážených procent je správně, ale nevyjadřujeme to takto, ale jak jsem to opravil. Hrubý Rrozdíl mezi krajními hodnotami kategoriemi sociálních tříd je 10,1 % (77,3–67,2 %) zatímco po kontrole vlivu věku klesá na 15,368,55% (78,1–69,5 %). Můžeme tak konstatovat, že Po pokud odstraněníme vlivu věku, se vztah mezi poslechem hudby a sociální třídou se zredukuje o cca 15% (1– (8,55 / 10,1)). Jinými slovy věk vysvětluje z přibližně jedné šestiny vztah mezi sociální třídou EGP a poslechem hudby. Podstatné zde je, že ač věk sledovaný vztah určitým způsobem modifikuje, tak tento vztah přetrvává i při jeho kontrole a celkově je statisticky významný, byť je třeba zdůraznit, že jde o vztah velmi slabý a to mj. proto, že mezitřídní rozdíly se projevují pouze u nejstarší kategorie (nad 50 let), mezi nejvyšší a nejnižší třídou jde o 14 procentních bodů (77 % oproti 63 %; viz předchozí výpočty u hypotézy 3a). Pro zajímavost, zde je ještě pomocný výpočet pomocí parciální korelace pro původní nerekódovanou proměnnou q1_i, pomocný je proto, že a) všechny proměnné jsou zde kategoriální (byť ordinální) – SPSS umí parciální korelaci pouze pro kardinální znaky (Pearsonův korelační koef.) a b) rozložení hodnot q1_i je velmi silně vychýlené doprava.
12
Předně korelace jsou extra slabé (a z předchozích tabulek již víme proč), pro bivariátní vztah poslech hudby a EGP3 je to r=0,097, ta klesá po přidání kontroly vlivu věku na r=0,081, tj. o cca 0,16% (což je obdobné jako u výše provedené standardizace v tabulce s procenty). Zadání a výstup v SPSS vypadá takto:
PARTIAL CORR/q1_i EGP3 BY vek3
/STATISTICS CORR.
Correlations q1_i Jak často Poslouchání hudby
Control Variables -none- q1_i Jak často a Poslouchání hudby
Correlation Significance (2tailed)
1,000 .
df EGP3 EGP 3
vek3
q1_i Jak často Poslouchání hudby
,002 ,000 0
996
996
,097
Significance (2tailed)
,002 .
df
996
Correlation
,167
,102 1,000
Significance (2tailed)
,000
,001 .
Correlation Significance (2tailed) df
EGP3 EGP 3
vek3
,097 ,167
Correlation
df vek3
EGP3 EGP 3
1,000 ,102 ,001 0
996
996
1,000
,081
.
996
0
,010 0
995
Correlation
,081
1,000
Significance (2tailed)
,010 .
df
995
0
a. Cells contain zero-order (Pearson) correlations.
Příloha Syntax: *seminárka. FREQUENCIES q19. RECODE q19 (1 2=1) (3 thru 6=2) into Alkohol. VARIABLE LABELS Alkohol "Pití alkoholu".
13
VALUE LABELS Alkohol 1 ano 2 ne. FREQUENCIES s30. CROSSTABS Alkohol BY s30/CELLS col count. Použijete‐li tento skriptík, pak je spravedlivé ho citovat, např. jako: Gwilym Pryce 2002. Large‐Sample Confidence Interval for a Single Population Proportion. Inference for Proportions. Available at: http://www.spsstools.net/Syntax/Distributions/ProportionTestsAndCI.txt. Navíc by mělo být zkopírováno i to o jaký test jde. *‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐. * Large‐Sample Confidence Interval for a Single Population Proportion. * (see Moore and McCabe (2001) Intro to the Practice of Statistics, p. 586‐588). *‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐. MATRIX. COMPUTE n = {545}. /* Enter the sample size here (change the number in curly brackets)*/ COMPUTE x = {191}. /* Enter the number of "successes"(change the number in curly brackets)*/ COMPUTE CONFID = {0.95}. /* Enter the desired confidence level here */ *The remainder oMATRIX. COMPUTE n = {1222}. /* Enter the sample size here (change the number in curly brackets)*/ COMPUTE x = {206}. /* Enter the number of "successes"(change the number in curly brackets)*/ COMPUTE CONFID = {0.95}. /* Enter the desired confidence level here */ *The remainder of the syntax calculates the Confidence Interval given the values for n and x
which you have entered above.
*NB you don't need to alter anything from here on. COMPUTE Q = 0.5 * (1‐CONFID).
14
COMPUTE A = ln(1/(Q**2)). COMPUTE T_ = SQRT(A). COMPUTE zstar = T_ ‐ ((2.515517 + (0.802853*T_) + (0.010328*T_**2))/ (1 + (1.432788*T_) + (0.189269*T_**2) + (0.001308*T_**3))). COMPUTE phat = x/n. COMPUTE SE_phat = SQRT((phat*(1‐phat))/n). COMPUTE m = zstar * SE_phat. COMPUTE LOWER = phat ‐ m. COMPUTE UPPER = phat + m. COMPUTE ANSWER = {n, phat, zstar, SE_phat, Lower, Upper}. PRINT ANSWER / FORMAT "F10.4"
/Title = "Confidence Interval for a Single Population Proportion"
/ CLABELS = n, phat, zstar, SE, Lower, Upper.
END MATRIX. MATRIX. COMPUTE n = {677}. /* Enter the sample size here (change the number in curly brackets)*/ COMPUTE x = {60}. /* Enter the number of "successes"(change the number in curly brackets)*/ COMPUTE CONFID = {0.95}. /* Enter the desired confidence level here */ *The remainder oMATRIX. COMPUTE n = {1222}. /* Enter the sample size here (change the number in curly brackets)*/ COMPUTE x = {206}. /* Enter the number of "successes"(change the number in curly brackets)*/ COMPUTE CONFID = {0.95}. /* Enter the desired confidence level here */ *The remainder of the syntax calculates the Confidence Interval given the values for n and x
15
which you have entered above.
*NB you don't need to alter anything from here on. COMPUTE Q = 0.5 * (1‐CONFID). COMPUTE A = ln(1/(Q**2)). COMPUTE T_ = SQRT(A). COMPUTE zstar = T_ ‐ ((2.515517 + (0.802853*T_) + (0.010328*T_**2))/ (1 + (1.432788*T_) + (0.189269*T_**2) + (0.001308*T_**3))). COMPUTE phat = x/n. COMPUTE SE_phat = SQRT((phat*(1‐phat))/n). COMPUTE m = zstar * SE_phat. COMPUTE LOWER = phat ‐ m. COMPUTE UPPER = phat + m. COMPUTE ANSWER = {n, phat, zstar, SE_phat, Lower, Upper}. PRINT ANSWER / FORMAT "F10.4"
/Title = "Confidence Interval for a Single Population Proportion"
/ CLABELS = n, phat, zstar, SE, Lower, Upper.
END MATRIX. *Chíkvadrát. FREQUENCIES q1_e. RECODE q1_e (1 thru 3=1) (4 thru 6=2) into Kultura. VARIABLE LABELS Kultura "Návštěva kult. akcí".
16
VALUE LABELS Kultura 1 ano 2 ne. CROSSTABS Kultura BY EGP3/CELLS col count. CROSSTABS Kultura BY EGP3/STATISTICS chis. CROSSTABS Kultura BY EGP3/CELLS asres. *3.úkolhypotéza. FREQUENCIES q1_i. RECODE q1_i (1 thru 2=1) (3 thru 6=2) into Hudba. VARIABLE LABELS Hudba "Poslouchání hudby". VALUE LABELS Hudba 1 ano 2 ne. CROSSTABS Hudba BY EGP3/CELLS col count.
17
CROSSTABS Hudba BY EGP3 BY vek3/CELLS col count. FREQUENCIES vek3.
18
