Bevezetés az SPSS program statisztikai alapjaiba. Előadó: Dr. Balogh Péter

Bevezetés az SPSS program statisztikai alapjaiba Előadó: Dr. Balogh Péter

A statisztika olyan tudomány, amely adatok összegyűjtésével, rendszerezésével és értelmezésével foglalkozik abból a célból, hogy valamilyen a valós életben felmerült kérdésre választ találjon.

Az áremelkedés hatására csökken-e a kereslet?

A többféle tanítási módszer közül melyik a legjobb?

Dr. Vincze Szilvia anyaga alapján

Bevezetés az SPSS statisztikai program alapjaiba

A banki alapkamat-csökkentés hatására megnő-e a vállalkozói kedv a befektetésekre? Kimutatható, hogy 1 %-kal nőtt országosan a befektetések nagysága. Ez ténylegesen a kamatcsökkentés eredményének köszönhető-e? Mi okozhatta volna, ha csak 0,5 %-os emelkedés következik be a befektetésekben? Mi történt volna, ha nem történik kamatcsökkentés?

20 hízóval hagyományos tápsort, másik 20 hízóval egy új tápsort etettek. A hízlalás végén megmérték a napi átlagos súlygyarapodást mindkét csoportban. Az egyik esetben 550 gramm volt, a másik csoportnál ez 620 grammnak adódott. Bizonyítja-e ez azt, hogy a növekedés nagyobb az új tápsor hatására?



A statisztikának két jól elkülöníthető része van: (1) leíró és (2) induktív statisztika.

A leíró statisztika olyan módszerek összefoglaló elnevezése, amely az összegyűjtött adatok leírására szolgál.



Példa: Az Általános Mezőgazdasági Összeírás esetén minden mezőgazdasági termelőnek felveszik az adatait. Ha több millió adatot elénk tesznek, azzal semmire sem megyünk. Ezt az adathalmazt sűrített formában ábrázoljuk: grafikonok, átlagok és egyéb statisztikai mutatók segítségével.



Az induktív statisztika olyan módszerek összefoglaló elnevezése, amelyeket arra használnak, hogy egy minta alapján következtessenek a populáció tulajdonságaira.

Példa: Minőség-ellenőrzés, választás előtti közvélemény-kutatás



POPULÁCIÓ: A vizsgálat tárgyát képező egyedek összessége (alapsokaság). MINTA: A populációból a vizsgálat céljára kiválasztott egyedek összessége (a populáció egy részhalmaza). A KÉRDÉS: Az átlagbérek növekedése valójában fogyasztás növekedést okoz-e? KÖVETKEZTETÉS: A megválaszolandó kérdés szempontjából mit mond számunkra a minta az egész populációra? Dr. Vincze Szilvia anyaga alapján


A minta Miért van szükségünk mintára? Miért nem vizsgáljuk a teljes populációt? 1.) Túl költséges, és időigényes 2.) Nem érhető el az összes egyed 3.) A kísérlet rongálhatja, vagy megsemmisítheti az egyedeket Dr. Vincze Szilvia anyaga alapján


A mintával szemben elvárjuk, hogy reprezentálja a teljes populáció tulajdonságait, hiszen csak így lehet korrekt következtetéseket levonni a vizsgálat eredményeiből. A minta akkor lesz a legnagyobb valószínűséggel megfelelő, ha a mintaelemeket véletlenszerűen válogatjuk ki a teljes populációból, mert így kerülhet a populáció minden tagja egyforma valószínűséggel a mintába.



Az adatok A mintabeli egyedekről a vizsgálat során adatokat gyűjtünk. Két fő adattípust különböztetünk meg: 1. Kvalitatív adatok: Ezek nem fejezhetők ki mennyiségekként, inkább kategóriák: gépjármű típusa, vallási felekezet, vállalkozás formája, szem színe, pártállás



1. Kvantitatív adatok: Ezek valamilyen mérés eredményei (mennyiségek). árbevétel, alapterület, hengerűrtartalom, létszám, fizetés…..



A kvantitatív adatok kétfélék lehetnek: 1.) Folytonosak (a mérési skála egy intervallum)

hőmérséklet

lehullt csapadékmennyiség egy adott napon



A kvantitatív adatok kétfélék lehetnek: 2.) Diszkrétek (a mérhető értékek a számegyenes izolált pontjai)

a foglalkoztatottak létszáma, a vállalat gépjárműveinek száma



Az adatok másik csoportosítási lehetősége: 1. Forrásadat 2. Származtatott adat 3. Hiányzó adat 4. Becsült adat Dr. Vincze Szilvia anyaga alapján


Forrás adat Az adatgyűjtésből, felmérésből, mérésből származó adat. Ezeket az adatokat a rendelkezésre álló adatokból függvénykapcsolatok segítségével nem lehet előállítani. Például: név, születési dátum, stb…



Származtatott adat

1.

2.

Az azonos esethez tartozó több más változó komponensekből számoljuk ki valamilyen algoritmussal. Például: a kezdő és a jelenlegi fizetésből a fizetésnövekedés számolható ki.



Hiányzó adat 1.

2.

Akkor keletkezhet, ha nem áll rendelkezésünkre forrásadat, vagy származtatott adat (például a nullával való osztás, vagy negatív számból való négyzetgyökvonás miatt nem képezhető). Az adathiányt jelöljük a következő speciális karakterrel: „ , ”. Például a kartonról nem jól olvasható egy dolgozó születési dátuma, vagy a dolgozó egyszerűen megtagadta az adat közlését, például nemzetiség esetén.



Becsült adat 1.

2.

Akkor keletkezik, ha a változó többi adatából valamilyen statisztikai eljárással a hiányzó adatot kipótoljuk. Lehet ez a többi adat átlaga, vagy a többi adat eloszlásának megfelelő véletlenszerű generálás eredménye. Például ha egy dolgozónál hiányzik a „kezdő fizetés” adata, akkor az azonos korú, azonos iskolai végzettségű és hasonló beosztású dolgozók kezdő fizetésének átlagaiból becsülhetjük. Dr. Vincze Szilvia anyaga alapján


Adatszerzési módok Adatszerzés Teljes körű Kísérletek

Részleges Repr. megfigyelés

Véletlen kiválasztás


Egyéb

Nem véletlen kiválasztás


Mérési skálák Nominális (kategoriális) mérési szint a legegyszerűbb és a legkevésbé informatív mérési skála. Ebben az esetben az adat csupán az eset azonosítására, vagy valamilyen kategóriához tartozás azonosítására szolgál (pl. növényevő ill. húsevő állatok). A változók értékei kategóriákba vannak sorolva, közöttük nem feltétlenül van bármilyen viszony. Például: név, törzsszám, nemzetiség, nem, családi állapot...



Mérési skálák Ordinális (sorrendi) mérési szint esetén a skálaértékek egyezősége vagy különbözősége mellett az értékek sorrendiségét is figyelembe vehetjük. Ordinális az adat, ha az adatok között erős sorrend azaz rendezettség létesíthető. Azaz, ha bármely két adat közül meg tudjuk mondani, hogy ők egyenlők, vagy valamelyik nagyobb. Például az iskolai végzettség, vagy skálák: nagyon nem tetszik,

nem tetszik,….



Mérési skálák Intervallum (különbségi) az adat, ha rendezett, és értékkészlet egy intervallum, de nincsen origó, vagyis az adatok viszonylagosak. Például a fizetésnövekedés adat %-ban kifejezve ilyen, hiszen egy 10%-os fizetésemelés egy alacsony fizetésű dolgozónál kisebb lehet, mint egy 1%-os fizetésemelés egy kiemelt fizetéssel rendelkező dolgozónál. További példa: IQ, hőmérséklet…



Mérési skálák Arányskála (abszolút skála): a legtöbb információt adja. Arány az adat, ha valós számérték és ismert az origó, a viszonyítási alap. Például a kezdő- és jelenlegi fizetés, testsúly.





Példa:

Nominális

2. Név Nominális

1. Nem

Ordinális

3. Legmagasabb iskolai végzettség 4. Reggel és este mért vérnyomás

Arány

5. Kezdő és jelenlegi fizetés 6. Tájegység

Nominális

8. Földkategória Ordinális Dr. Vincze Szilvia anyaga alapján

Intervallum

7. Saját terület (ha) A Arány r á 9.program Erőgépek száma n az SPSS statisztikai Bevezetés y alapjaiba

Mezőgazdasági vállalkozások adatai (kivonat) 2002. 12. 31. Gazdaság

Tájegység

1

Hajdúság

2

Saját terület ha

Bérelt terület ha

Bérleti díj Ft/ha

Földkategó ria

Maximum hőmérséklet 0C

Erőgépek száma

Sertés db

Hízóértékesítés 2002ben t

0

3144

19600

4

28,9

18

0

397

B-A-Z megye

625

1758

9050

1

29,3

10

0

0

3

SzabolcsSzatmárBereg megye

45

4268

9100

1

25,8

22

2624

397

5

Hajdúság

0 3235,52

18500

4

28,9

19

950

14,5

7

Dél-Alföld

0

1322

11530

2

31,9

4

662

90,84

8

B-A-Z megye

0

1414

13500

1

25,9

6

532

51

9

SzabolcsSzatmárBereg megye

0

1300

16100

3

28,9

7

928

189

. . .

. . .

. . . . Dr. Vincze Szilvia anyaga alapján . .

. . .

.

.

.

.

.

.

Bevezetés az SPSS statisztikai program . . . alapjaiba

. . .

. . .

• A mezőgazdasági vállalkozások

• •

tulajdonában lévő erőgépek 2002. 12. 31-én elnevezésű sokaság diszkrét, álló, véges sokaságnak tekinthető. A hízósertés értékesítése a 2002. évben folytonos, mozgó és véges sokaság. A mezőgazdasági vállalkozások által bérelt terület nagysága 2002. 12. 31-én folytonos, álló, véges sokaságot képez.



Ismérvek és mérési szintek Ismérv

Változat

Ismérvfajta

Mérési szint

Tájegység

Hajdúság

Térbeli

Nominális/nomi nal

Saját terület ha

0

Mennyiségi/folytonos

Arány/scale

Földkategória

4

Minőségi

Ordinális/ordina l

Erőgépek száma

18

Mennyiségi/diszkrét

Arány/scale

Maximum hőmérséklet 0C

28,9


Intervallum/scal e

Hízóértékesítés 2002-ben t

397


Arány/scale



Statisztikai problémák megfogalmazása

Idősorelemzés: Az adatmátrix: az utóbbi 10 év (N=3650) napi villamosenergia fogyasztásának adatsora.



A felvetődő kérdések (statisztikai módszerek): [1] Milyen ciklikusság észlelhető az adatsorban? → periodicitás-elemzés [2] Volt-e növekedési, vagy csökkenési tendencia? → trendanalízis [3] Vannak-e hirtelen változások, töréspontok? → lineáris regresszió [4] Összevetve más országok hasonló idősorával, vannak-e azonos tendenciák? → homogenitásvizsgálat [5] Mi várható a jövőbeli fogyasztási adatokban, mire kell felkészülnie az áramszolgáltatónak? → extrapoláció Dr. Vincze Szilvia anyaga alapján


Kérdőíves felmérés: Az adatmátrix: Adva van egy N elemű címhalmaz, amihez tartozó emberek halmaza a magyarországi társadalmi, gazdasági, kulturális rétegződésnek megfelelő reprezentatív minta alkotja. Ez azt jelenti, hogy a mintában a korcsoportos, nem-, iskolázottsági-, foglalkoztatásistb. közel ugyanolyanok, mint a teljes 10 milliós populációban. A címekre kiküldött kérdőívekben az alábbi kérdésekre kellett válaszokat adni: 1. Milyen pártra szavazott? (válaszolnia kell 10 felsorolt párt közül); 2. Mi a véleménye a NATO csatlakozásról? (1: támogatom, 2: elutasítom, 3: nincs véleményem); 3. Mi a véleménye az EU tagságról? (1: támogatom, 2: elutasítom, 3: nincs véleményem); 4. Hogyan ítéli meg az ország gazdasági helyzetét? (1: romlott; 2: javult, 3: nem változott); Bevezetés az SPSS statisztikai program …. Dr. Vincze Szilvia anyaga alapján alapjaiba

A felvetődő kérdések (statisztikai módszerek): [1] A különböző pártokra szavazók válaszai mennyire térnek el egymástól, illetve vannak-e olyan pártok, akiknek a szavazói hasonlóan vélekednek? → Többdimenziós skálázás [2] Milyen gondolkodás jellemző az egyes pártok szavazóira? Milyen az egyes pártok társadalmi beágyazottsága? → Klaszterelemzés



Hipotéziselmélet Az adatmátrix: Egy szemészeti klinikán a páciensektől adatokat vesznek fel. A páciensek olyan személyi adatain kívül, mint pl. név, nem, kor, foglalkozás rögzítünk olyan adatokat is, mint a vérnyomás, súly, testmagasság, vércukor (egészségi kondíció). A szembetegség kórisméjét is tároljuk: pl. csarnokvíz, éleslátás, stb…



A felvetődő kérdések (statisztikai módszerek):

[1]

Van-e különbség az egyes foglalkozási (kor-, nemi-, …) csoportban egy adott szembetegség relatív gyakoriságában? → Homogenitásvizsgálat [2] Van-e kapcsolat egy adott szembetegség és az egyes egészségügyi kondíciók között? → Szórásanalízis



Közvéleménykutatás: Az adatmátrix: Egy TV csatorna kíváncsi a műsorainak nézettségére és tetszési indexére. Egy N elemet tartalmazó reprezentatív mintának a következő kérdéseket tették fel: (1) Nézte-e az adott műsor az 1,2,…10-edik héten? (2) Osztályozza le a produkciókat 1-től 10-ig tetszésének megfelelően. (3) Ha nem nézte, mit csinált az i-edik héten? (i) nem ért rá, de nézte volna; (ii) nem ért rá, de úgysem nézte volna; (iii) más TV csatornát nézett abban az időben; (iiii) időnként oda is kapcsolt. (4) A kérdéses csatornát összességében tévézésének hány %-ban nézi? stb… Dr. Vincze Szilvia anyaga alapján


A felvetődő kérdések (statisztikai módszerek): [1] Hogyan változott a műsor nézettsége és tetszési indexe a vizsgált terminusban? → Trendanalízis [2] Nézettebb-e a vizsgált műsor, mint a csatorna általában? → Hipotéziselmélet [3] Melyik héten volt a legsikeresebb a műsor? → Lineáris regresszió



Bevezetés az SPSS program statisztikai alapjaiba. Előadó: Dr. Balogh Péter

Recommend Documents