statystyka.docx

SPRAWDZAM RÓZNICĘ MIĘDZY GRUPAMI:

SKALA ILOŚCIOWA:

Test KS – dla sprawdzenia rozkładu normalnego (warunkuje czy czy zrobimy test – t studenta czy nie)

1.      Analiza à testy nieparametryczneà testy tradycyjne à KS dla jednej próby (tutaj wkładamy zmienną, którą chcemy testować (np. picie kawy)

2.      Z prawej strony klikamy opcje à statystyki opisowe

3.      Otwiera się raport: Sprawdzamy istotność dwustronną/ asymptotyczną w tabei zatytułowanej Test Kołmogorowa- Smirnowa  dla jednej próby

UWAGA: Test K-S testuje hipotezę zerową o tym, że rozkład naszej zmiennej jest zbliżony do normalnego. Z tego wynika, że istotny wynik testu K-S świadczy o tym, że rozkład zmiennej obserwowanej nie jest podobny do rozkładu normalnego. 

Czyli: Aby móc przeprowadzić test t-studenta musimy mieć rozkład normalny. A w teście KS rozkład normalny rozpoznajemy po tym,że istotność asymptotyczna jest WIĘKSZA od 0,05.

WIĘC ABY ROBIĆ TEST T_STUDENTA ISTOTNOŚĆ W TEŚCIE KS MUSI BYĆ WIĘKSZA OD 0,05.

Test t –studenta dla danych niezależnych ( dwie grupy ,jeden pomiar)

1.      Analiza à porównywanie średnichà tst t dla prób niezależnych

2.      Pojawia się tabelka:

Do zmiennych testowanych : to co chcę testować ( np. zadowolenie)

Do zmiennych grupujących: grupa -à DEFINIUJ GRUPY: grupa 1 – 1, grupa 2-2 – w zależności od tego jaką wartość nadamy grupie)

3.      Raport;:  TABELE TEST DLA PRÓB NIEZALEŻNYCH: Krok 1à sprawdzamy w teście Leav ena istotność. Jeżeli jest większa niż 0,05 to oznacza, że wariancje są jednorodne. KRok 2à Sprawdzamy istotność dwustronną w Teście T ( patrz ta sama tabelka tylko w prawo) I TERAZ: jeżeli w teście Leavena wyszły wariancje jednorodne (większe od 0,05) to czytamy istotność w teście t studenta z 1 wersetu, jeżeli wariancje w teście leavena wyszły niejednorodne (czyli jak wiemy istotność mniejsza od 0,05) to odczytujemy istotność w teście t studenta z 2 werstu.

Jeśli istotność w teście t studenta wychodzi mniejsza jak 0,05 to wtedy grupy różnią się statystycznie i patrzymy na tabelę „statystyka opisowa” i sprawdzamy średnie ( która jest większa)
Piszemy raport: Analiza testem t-studenta dla prób niezależnych pozwoliła stwierdzić, że między grupą ..(M-średnia,sd – odchylenie standardowe) a grupą..(M,sd) istnieją różnice statystycznie istotne względem (i tu nazwa zmiennej testowanej). Grupa..cechuje się bardziej (nazwa zmiennej testowanej, np. zadowoleniem) niż grupa..
t(df)=….;p<0,05

Test t- studenta dla danych zależnych ( jedna grupa,dwa pomiary)

I tu też najpierw test ks,żeby sprawdzić czy jest rozkład normalny..jeśli jest to:

1.      Analiza à porównywanie średnichà test t dla prób zależnych

W zmienne pary wkładamy nasze zmienne testowane – czyli nie grupę i np.zadowolenie przed testem i grupę +zadowolenie po teście, tylko mierzymy zadowolenie przed z zadowoleniem po.

W tabeli test t dla prób zależnych sprawdzamy istotność. Jeśli jest mniejsza jak 0,05 to oznacza, że różnice między zadowoleniem przed a zadowoleniem po są istotne statystycznie.

Piszemy raport:

Analiza testem t studenta dla prób zaleznych pozwoliła stwierdzić,że istnieje róznica mię dzy ….(nazwa zmiennej testowanej) a …(nazwa zmiennej testowanej) i jest ona statystycznie istotna.

T(df)=…..; p <0,05

SKALA PORZĄDKOWA ( coś co można przyporządkować, 1 –nigdy, 2- rzadko…)

Test Wilcoxona: DANE ZALEŻNE

1.      Analiza à testy nieparametryczne à testy tradycyjne à test dwie próby zależne (sprawdzamy czy w okienku jest zaznaczony test Wilcoxon)
 

2.      Pakujemy zmienne (znów parami czyli nie grupa z czymś, - bo przy danych zaleznych mamy jedną grupę) tylko te dwa pomiary (słynne zadowolenie przed i po:P)

3.      Raport: sprawdzamy istotność asymptotyczną  (tabela statystyki testu) – jeśli jest mniejsza od 0,05 to są różnice istotne statystycznie

4.      Wtedy przechodzimy do tabeli Rangi , w kolumnie „N” szukamy najwyższej wartości. Ona będzie miała przy sobie literkę – a,b lub c. Pod tabelką mamy wyjaśnienia co oznaczają konkretne literki. Załóżmy,że najwyższa wartość ma literkę a –wtedy odczytujemy spod tabelki co to oznacza : np. a. zadowolenie przed< zadowolenie po
Raport: Zastosowanie testu znakow rangowanych Wilcoxona pozwoliło stwierdzić, że pomiędzy pomiarem 1 (M rang – spisujemy średnią rangę z tabeli rangi,kolumna średnie rangi) (np., zadowolenie przed) a pomiarem 2(Mrang)(np. zadowolenie po)  istnieje różnica statystycznie istotna. Z(tabela statystyki testu) = ; p<0,05. Pomiar  1 ma wyższą rangę. ( który ma wyższą widzimy po średniej randze:P)

Test Mana – Whitney’a: DANE NIEZALEŻNE:

1.      Analiza à testy nieparametryczne à testy tradycyjneà dwie próby niezależne.

2.      Do zmiennych testowanych wkładamy to co testujemy ( zadowolenie) do zmiennych grupujących grupę, definiujemy grupę ( dokładnie tak jak w teście t –studenta), sprawdzamy czy zaznaczony jest U Mana-Whityney’a

3.      Sprawdzamy istotność asymptotyczną ( tabela statystyki testu)( gdy jest mniejsza jak 0,05 to różnice są istotne),

4.      Wtedy patrzymy na tabelę Rangi w kolumnę średnie rangi – ta,gdzie jest wyższy wynik jest bardziej istotna

5.      Raport: Zastosowanie testu U Mana – Whitney’a pozwoliło stwierdzić, że pomiędzy grupą(Mrang) i grupą (Mrang) istnieje różnica statystycznie istotna. U (Mana – Whitneya)= …; p<0,05 . Grupa … wykazała istotnie wyższy wynik (ze średnich rang)

SKALA NOMINALNA ( tak/nie, zmotywowany/niezmotywowany)

Test Chi Kwadrat

1.      Analiza àopis statystycznyà tabele krzyżoweàchodzimy w statystyki ( po prawej stronie) i zaznaczamy Chi – Kwadrat, wchodzimy w komórki ( po prawej stronie) i zaznaczamy oczekiwane i obserwowane)

2.      Wkładamy zmienne w zmienne w kolumnach i wierszach ( nieważne jak, to chodzi tylko o wygląd)

3.      W tabeli Chi Kwadrat Pearsona sprawdzamy istotność asymptotyczną chi kwadrat ( tutaj standardowo…jeśli jest mniejsza to są różnice..)

4.      Raport: okazało się, że wartość statystyki chi2 jest istotna statystycznie.
Chi kwadrat ( df , N – liczba osób) …..;p<0,05
w tym miejscu musimy napisać jakie są liczebności w grupach( tabela krzyżowa rodzaj grupy) np. studentek uksw jest zmotywowanych 10 a niezadowolonych 8
( i tak z każdą grupą)

KORELACJE : badamy zależność , czy coś wpływa na coś

Współczynnik korelacji może przybierać wartość od -1 do +1 ( im bliżej ) tym mniejsza korelacja)

Zmienne ilościowe:

Test R –Pearsona:

1.      Analiza à korelacjeà parami

Przenosimy nasze zmienne do zmiennych , sprawdzamy czy zaznaczony jest Pearsona

2.      Istotność dwustronna. ( standardowo)

3.      Raport: Zastosowanie współczynnika R- Pearsona pozwoliło stwierdzic, że między zmienną b a zmienną c zachodzi istotna korelacja.  R= 0, 463 ;p <0,05

SKALA PORZĄDKOWA: Kendalla i Spearmana

1.      Analiza à korelacjeà parami, zaznaczamy tau – b Kendala i Spearman

2.      Wrzucamy te zmienne, które są porządkowe

3.      Patrzymy na istotność w tabeli korelacje Na Spearmana( jeśli jest mniejsza istotność niż 0,05 to są związki)

4.      Raport: jak wyżej

SKALA NOMINALNA: Chi kwadrat + Phi V – Cramera

1.      Analiza à opis statystyczny à tabele krzyżowe à statystykià zaznaczamy chi kwadrat = współczynnik kontyngencji + Phi V- Cramera

2.      Zmienne wrzucamy do wierszy i kolumn (bez różnicy co i gdzie)

3.      Patrzymy na tabelę Chi kwadrat – sprawdzamy istotnośc asymptotyczną chi kwadra ( to co zwykle)

4.      Potem patrzymy na tabelę Miary symetryczne( wartośc Phi sprawdzamy)

5.      Raport: W celu sprawdzenia istotności związku między analizowanymi zmiennymi przeprowadzono test niezależności dwóch zmiennych Chi kwadrat. Istotny wynik testu pozwala na odrzucenie hipotezy zerowej i przyjęcie hipotezy alternatywnej. O istotnym związku między analizowanymi zmiennymi Chi kwadrat ( df, N)=…..;p<0,05

Siła związku między analizowanymi zmiennymi mierzona statystyką Phi wskazuje na istnienie wyraźnego/ słabego związku między zmienną taką a taką.  Phi ( to kółko przekreślone) = .. ;p<0,05

* jak sprawdzić czy związek jest wyraźny czy słaby: zaokrąglić Phi i sprawdzić czy bliżej do 0 czy do 1 lub -1. Im bliżej krańców tym silniejszy związek, im bliżej do 0 tym słabszy.


 

Analiza różnicy dla więcej niż 2 grup

ANALIZA WARIANCJI  ( dane niezależne)

1.      Analiza à porównywanie średnich à jednoczynnikowa ANOVA

2.      Post hoc – zaznaczamy TUKEY

3.      Opcje – statystyki opisowe

4.      W tabeli jednoczynnikowa ANOVA sprawdzamy istotność, jeśli jest mniejsza to wiadomo ( są róznice ale nie wiemy które, bo mamy trzy grupy)

5.      Następnie wierszami sprawdzamy istotność w tabeli porównania wielokrotne