Formatowanie statystyk w stylu APA

Poniższe przykłady ilustrują sposób raportowania statystyk w tekście raportu z badań.

  • Styl APA wymaga podania dokładnej wartości p w tekście (chyba że wartość p jest mniejsza niż 0,001).
  • Wartość p zapisuje się bez wiodącego „0” (w publikacji po angielsku. W polskich zero zostaje, a jako symbol dziesiętny używamy przecinka, a nie kropki).
  • Zwróć uwagę na kursywy i odstępy – znaki matematyczne otoczone są łącznikiem nierozdzielającym, symbole statystyk pisane są kursywą.
  • N – oznacza całą próbę, n — jej fragment.
  • Podawanie wielkości efektu oraz przedziałów ufności przez wiele czasopism nie jest jeszcze wymagane, ale warto je już zamieszczać.
  • Z wyjątkiem wartości p większość statystyk powinna być zaokrąglana do dwóch miejsc po przecinku.

Średnie i odchylenie standardowe są przedstawione w nawiasach:

Próba jako całość była stosunkowo młoda (= 17.21, SD = 3.45).

Średnia wieku uczniów wyniosła 17.21 lata (SD = 3.45).

Procenty są w nawiasie bez miejsc po przecinku:

Prawie połowa (48%) próbki wyszła za mąż.

⇢ Statystyki chi-kwadrat podaje się wraz z stopniami swobody i wielkością próbki w nawiasie, wartości zaokrągla się do dwóch miejsc po przecinku, podaje się poziom istotności i wielkość efektu (np. iloraz szans). Dopuszczalne jest zamienne stosowanie chi2 ⇢ chi2 ⇢ χ2, η ⇢ eta itp.

Odsetek uczestników zamężnych nie różnił się płcią, chi2(1, N = 60) = 0.87, p = .34, OR = 2.33.

⇢ Testy t Studenta (sugerowane jest używanie Welcha) – należy podać statystyki t (zaokrąglone do dwóch miejsc po przecinku), stopnie swobody, poziom istotności i wielkość efektu z przedziałem ufności.

Istniał istotny wpływ płci, t(54) = 5.43, p < .001, d = 3.45, 95% CI [2.91, 3.57], mężczyzni uzyskiwali wyższe wyniki niż u kobiety.

ANOVA (zarówno jedno-, jak i wielozmiennowa) jest zapisywana podobnie jak test t-Studenta, ale podaje się dwa stopnie swobody. Najpierw stopnie swobody między grupami, a następnie stopnie swobody w grupach (rozdzielone przecinkami), następnie statystykę F (zaokrągloną do dwóch miejsc po przecinku) i poziom istotności, wielkość efektu z przedziałem ufności.

Stwierdzono istotny wpływ na poziom badanej zmiennej zmiennej rodzaju terapii: F(2, 45) = 5.43, p = .02, ηp2 = .035, CI.90 [.003, .094], oraz istotnym statystycznie okazał się efekt interakcji terapia x płeć, F(4, 42) = 7.48, MSE = 3.029, p = .008, ηp2 = .091, CI.95 [.014, .202].

Korelacje są podawane w stopniach swobody (czyli N-2) w nawiasie i poziomie istotności:

Obie zmienne były silnie skorelowane, r(35) = .39, p < .01.

⇢ Wyniki regresji najlepiej prezentować w tabeli. Jeśli to niezbędne w tekście, powinno przedstawić się współczynnik niestandardowy lub znormalizowany, w zależności od tego, która z tych liczb jest interpretowana, wraz z wynikiem testu t-Studenta i poziomem istotności (stopnie swobody dla t-Studenta to Nk-1, gdzie k równe liczba zmiennych w modelu). Zazwyczaj raportuje się dla modelu regresji skorygowany odsetek wariancji wyjaśnionej razem z odpowiednim testem F. W prostych przypadkach zaleca się podawanie całego wzoru:

Wsparcie społeczne znacząco przewidywało wyniki depresji, b = -.34, t(225) = 6,53, p < .001.

Wsparcie społeczne wyjaśniło różnicę w odchyleniach depresji, R2adj= .12, F(1, 225) = 42.64, < 001.

Wśród studentów (n = 63), linia regresji była płaska, depresja = 2.40 + 0.02 empatia, r = .02, p = .87 CI.95 [-0.23, +0.27].

Tabele są użyteczne, jeśli akapit ma prawie tyle samo liczb co słów. Jeśli używasz tabeli, nie wypisuj tych samych informacji w tekście.

Oparte na: Amerykańskie Stowarzyszenie Psychologiczne. (2010). Podręcznik publikacji Amerykańskiego Towarzystwa Psychologicznego (wydanie 6). Waszyngton, DC.

Wersja do pobrania: Formatowanie statystyk w stylu APA

Jak na maku napisać artykuł w stylu APA bez męczenia się z formatowanem?

Po pierwsze – nie używać Worda. Niestety Pages też odpada i wszystkie edytory WYSIWYG. Przez chwilę korzystałem z szablonu w Pages i za pomocą styli, makr w TextWranglerze i EndNote wszystko w miarę działało. Niestety w momencie eksportu cała konstrukcja się waliła.

A ponieważ nie wierzę, że tylko ja borykam się z tym problemem poszukałem i znalazłem: Markdown (a właściwie jego dialekt RMarkdown) w RStudiu plus LaTeX. Tu i tu kilka pakietów i w końcu wszystko działa a ja mam ślicznie sformatowane dokumenty. Co będzie potrzebne:

  • RStudio i R-project (R to serce, Studio to tylko nakładka)
  • pakiety dodatkowe:
    • papaja – polecenia:
      • install.packages(„devtools”)
      • devtools::install_github(„crsh/papaja”)
    • captioner (polecenie: install.packages(„captioner”) – automatyczna numeracja wykresów i tabel)
  • MacTeX (kompilator LaTeX’a dla maka, polecam wersję basic)
  • BibDesk (manager literatury – prosty, wszystko w plikach tekstowych, możliwość przechowania plików PDF)

Po instalacji i wybraniu nowego dokumentu Rmd wybieramy z szablonów artykuł APA i … zaczynamy pisać 🙂

W szablonie są oczywiste miejsca czekające na treść oraz ustawienia, które zmieniamy wpisując „yes”, „no” lub inne wartości.

Warto dodać do RStudio dodatek (na górnej belce Addins) o nawie „citr” – ułatwia odnajdowanie pozycji literatury w pliku *.bib i wstawianie do tekstu.

Teraz w dowolnym momencie możemy użyć KNIT (przycisk nad tekstem) aby pojawił się dokument sformatowany jak proof (słowo „jou” w ustawieniach) lub manuskrypt („man”).

Można też uzyskać DOC wordowskiego, ale nie wszystko zadziała dobrze – szczególnie tabele mogą mieć problem z konwersją. Ale komu potrzebny jest Word 😉

Przy okazji – podczas pierwszej kompilacji Rmd do Pdf’a pewnie wyskoczą błędy. Nie trzeba się tym zrażać 99% spowodowanych jest brakiem paczek z LaTeX’a, które można doinstalować w programie TeX Live Utility (instalowany razem z MacTeXem). Trzeba tylko zajrzeć do pliku *.log i zobaczyć jakiej „paczka.sty” brakuje.

No i bonus – coraz więcej wydawców akceptuje pliki *.tex, które powstają podczas używanego opisanego powyżej frameworka, nie wspominając już o integracji z R – wszystkie obliczenia mogą być wykonane dynamicznie podczas tworzenia Pdf’a a ich wyniki wplatane w tekst – co za wygoda!

Powyższy framework można też ustawić na komputerze z windowsem lub linuksem – jedynie dystrybucja LaTeX’a będzie miała inną nazwę.

Jeśli ktoś potrzebuje polskiej wersji APA, to wśród plików pakietu papaja musi podmienić apa6.tex i skeleton.Rmd a w katalogu w którym umieści swój plik *.Rmd umieścić apa_sty.cpl (pliki PL do pobrania tu)

Zamiast SPSS

Wreszcie napotkałem program statystyczny, który łączy to co najlepsze z kilku źródeł – JAMOVI i jest dopasowany zarówno do początkujących jak i umożliwia dodawanie własnych analiz bardziej zaawansowanym.

Wystarczy studentom i nie ogranicza naukowców. Nic tylko wykrzyknąć hura! i zainstalować 🙂 No i jest: 1) darmowy, 2) otwarty z błyskawicznym wsparciem przez forum lub twittera.

Wersja 8.0.2 pokrywa większość potrzeb studentów naszego Instytutu, łącznie z  analizą czynnikową oraz analizą rzetelności. Można też edytować dane bezpośrednio w programie, ale jak wskaże się plik excela to edycja „tam” odświeża wyniki w programie!

Założenia prac magisterskich 2016/2017

Na seminarium zajmuję się dwoma obszarami:
Temat „techniczny” dotyczy metodologii i psychometrii badania psychologicznego, takich jak: analiza trafności zewnętrznej eksperymentu psychologicznego poprzez modyfikowane replikacje, stronniczość testowania psychologicznego, rola introspekcji w badaniu psychologicznym, rzetelność i trafność badania indywidualnego.
Temat „treściowy” obejmuje równoważność metod nauczania wykorzystujących nowe technologie. Na ile technologia może zastąpić, a na ile tylko wspomagać nauczyciela? Czy wprowadzanie do nauczania reguł z gier (nie tylko video) wnosi coś więcej poza wzrostem motywacji? Czy dostęp do otwartej edukacji zmienia jej rolę we współczesnym świecie?
Praca może łączyć oba obszary, ale też można się skupić na wybranym fragmencie.

Korekta Holm’a dla wielu porównań post hoc w teście nieparametrycznym

Analiza różnic w przypadku wielokrotnych porównań, gdy wykorzystujemy analizę waraincji jest dosyć prosta w SPSS i sprowadza się do wybrania z listy dostępnych korekt (Jaki wybrać test post hoc w analizie wariancji?). Często jednak zmienna zależna nie ma rozkładu normalnego, a grupy różnią się liczebnością i zmuszeni jesteśmy używać testu nieparametrycznego H Kruskala-Wallisa. Jeśli używamy do analiz IBM SPSS Statistics to od kilku wersji w kreatorze przeprowadzana jest taka korekta (nie wiadomo jaka, ale jest) dla testu Dunna (porównania parami), której wyniki dostępne są w raporcie „pod obrazkiem” (należy kliknąć dwukrotnie w tabelę z wynikiem testu H):

image

Jeśli jednak ktoś nie lubi SPSS 😉 lub chciałby zastosować poprawkę Holm’a (Holm, S. 1979. “A simple sequentially rejective multiple test procedure”. Scandinavian Journal of Statistics. 6: 65–70) dokonując wielokrotnych porównań testem nieparametrycznym to może skorzystać z poniższego pliku w arkuszu kalkulacyjnym (.ods.xlsx.numbers). Wystarczy wpisać uporządkowane rosnąco istotności uzyskane np. w testach U Manna-Whitneya lub Wilcoxona i odczytać skorygowaną wartość p.

Jeżeli ktoś używa R to wystarczy skorzystać z pakietu dunn.test, który oprócz porównań wylicza skorygowane p do wyboru wg Bonferroniego, Holma, Sidak’a, Hochberga i innych.

Jaki rodzaj testu do tabeli krzyżowej?

W przypadku badania relacji między dwoma zmiennymi kategorialnymi najpopularniejszym sposobem zbadania istotności tej relacji jest użycie testu Chi2. Ale nie w każdej sytuacji test ten jest najlepszy (czyt. najbardziej rzetelny). Mam nadzieję, że tabela poniżej rozwieje wątpliwości i pozwoli dobierać testy prawidłowo do posiadanych danych.

Liczebności obserwowane Liczebności oczekiwane Rodzaj testu
N > 40 wszystkie > 10 test chi2
N > 40 jedna < 10 V-Cramera
N > 40 jedna < 5 test chi2 z poprawką Yatesa
20 < N <= 40 wszystkie > 5
20 < N <= 40 jedna < 5 test dokładny Fishera
N <= 20

Dla siły związku prostsza tabela, ale tutaj uzależniamy wybór od stosunku ilości kolumn i wierszy w tabeli krzyżowej

Wiersze Kolumny Rodzaj testu
2 2 phi Yule’a
>=2 >=2 V-Cramera
>=2 >=2 tau Kendalla *
m m tau-b Kendalla *

* – dane porządkowe

Co mnie wkurza w SPSS?

Mam już trochę dość. PRogram wyceniony (specjalnie nie piszę wart) na taką kwotę za jaką roczną licencję kupuje moja Uczelnia powinien działać lepiej! Skandaliczny czas uruchamiania na najnowszych komputerach (3,5 minuty na najnowszym maku? litości! Często w międzyczasie zdążę odpalić PSPP, policzyć i zamknąć), tworzenie swoich katalogów mimo odznaczenia tego w opcjach, znikanie ikonek na belkach, otwieranie raportu w zmaksymalizowanym oknie, ignorowanie ustawień opcji dotyczących raportów oraz zawieszanie się. To są bolączki wersji beta, a nie programu, który obecną wersję aktualizował już z 3 razy. Pomyślałem jednak, że może ludzie w IBM/SPSS tego nie wiedzą, że ich program działa jak … (wstawić dowolne słowo – ja mam niestety na końcu języka same obraźliwe). Stąd pomysł na petycję – opiszmy błędy i zgłośmy do firmy z prośbą o usunięcie. W najgorszym wypadku tego nie zrobią, a wtedy są inne programy – często darmowe, a te kilkadziesiąt tysięcy Uczelnia przeznaczy na coś pożyteczniejszego. Otwieram listę:

  1. Czas otwierania się programu [update: rozmowa z PredictiveSolutions pozwoliła zdefiniować problem po stronie mojego komputera, lecz nadal nie wiadomo jak go rozwiązać]
  2. Gubienie niektórych opcji z ustawień (lokalizacja plików roboczych, polecenia w raporcie)
  3. Znikanie ikonek wraz z paskami narzędziowymi
  4. Zawieszanie się przy próbie skorzystania z pomocy
  5. Aby wpisać nazwę zmiennej trzeba kliknąć trzy razy: wskazać komórkę, zaznaczyć zawartość, napisać. Krok 2 jest niepotrzebny
  6. Zmiana kolejności zmiennych wymaga ciągłego machania myszką – po dojechaniu na początek SPSS nie raczy przesuwać listy zmiennych
  7. Często zawodzą skróty CTRL+C, CTRL+V – trzeba korzystać z menu Edycja
  8. W testach nieparametrycznych trzeba zmieniać poziom pomiaru zmiennej na ilościowy, aby program nie twierdził „Nie można obliczyć”
  9. Tłumaczenie! Nowe oznaczenia na rozkład F, „ist.” zamiast „p”, itd.

 

Proszę pisać do mnie lub zostawiać uwagi w komentarzach a ja to zbiorę i wyślę do odpowiedzialnych w firmie IBM/SPSS

 

Czy jest jakaś alternatywa? Tak: tutaj.

AD. 3:

Na Mac’u wystarczy w terminalu użyć:
killall -u {CURRENT_USER} cfprefsd
rm -fR ~/Library/Preferences/com.ibm.spss.plist

Obliczenia statystyczne on-line

W siecie jest wiele ciekawych stron z gotowymi kalkulatorami statystycznymi. Podejrzewam, że jakby dobrze poszukać to całą statystykę można policzyć on-line. Spróbuję to udowodnić gromadząc tutaj linki do takich stron:


Adres: SocialStatistics.com

Poziom istotności do powyższych: Quick P Value Calculators


Adres: Statistics Calculators  – 104 kalkulatory. Z ciekawszych:


Adres: EasyCalculation.com – cała masa kalulatorów, statystyczne to tylko jeden z działów. Ciekawsze:


Adres: Vassarstats.net – Aplety są starannie zrobione i jest ich dużo, w tym trudno znajdowalne gdzie indziej
(np. dokładny test Fischera, który wymaga dużych mocy obliczeniowych). Do tego jest też przystępny podręcznik online [zgłoszone przez prof. Robert Lew – dziękuję]


Adres: Simple Interactive Statistical Analysis – oprócz tradycyjnych testów wiele przydatnych procedur:

 

Analiza czynnikowa – kiedy i jak?

Analiza czynnikowa jest jednym z popularnych sposobów redukcji zmiennych, stosowanym np. w sytuacji wybierania najlepszyszych pozycji testowych do kwestionariusza, lub przy badaniu trafności teoretycznej narzędzi.
Niestety w SPSS domyślnie ustawienia pod hasłem Analiza Czynnikowa (Factor Analysis) wskazują na Analizę Głównych Składowych (Principal Components), która została opracowana w czasach, gdy komputery były drogie, powolne i trudno dostępne (z dzisiejszego punktu widzenia ;-).

Różnica między tymi analizami polega na tym, że PCA wyznacza czynniki tylko w oparciu o wspólną wariancję poszczególnych pozycji testowych, zaś EFA (E to exploratory, jest jeszcze odmiana konfirmacyjna, z narzucone odgórnie strukturą czynników: CFA) uwzględnia zarówno wariancję wspólna jak i swoistą dla każdej pozycji testowej.

Użycie FA jest jednak trudniejsze ze względu na mnogość metod estymacji dostępnych w programach statystycznych, gdy dla PCA jest tylko jedna. Generalna zasada mówi o tym, że jeżeli spełniony jest warunek normalności rozkładu dla danych, to najlepsza jest metoda największego prawdopodobieństwa (ML – maximum lilelihood), natomiast przy nie spełnianiu tego założenia przez dane metoda głównych osi (PAF – principal axis factors).

Jeśli chodzi o ilość czynników to decyzję najlepiej podjąć na podstawie wykresu osypiska. Znów domyślnie stosowana zasada wartości własnej większej lub równej 1 (tzw. kryterium Kraisera) jest najsłabszym możliwym wyznacznikiem. Jeśli oba kryteria wskazują na inną liczbę czynników, to warto porównać tabele z ładunkami czynnikowymi po rotacji dla obu rozwiązań. Ten przypadek, w którym jest mniej „bałaganu” (niskie wartości, pozycje ładujące kilka czynników (>.32), czynniki z 3 lub mniej pozycjami) jest lepszym rozwiązaniem.

Kolejną decyzją, którą się podejmuje podczas używania EFA jest wybór metody rotacji. Wybór opiera się na decyzji, czy oczekiwane czynniki będą skorelowane (oblimin, quartimin, promax), czy też nie (varimax, quartimax, eqiamax). Warto pamiętać, że rotacja eqiamax preferuje wyróżnienie jednego czynnika, kosztem pozostałych, natomiast varimax i oblimin są „sprawiedliwe” dla czynników.

A poniżej nagranie z ekranu jak wygląda analiza czynnikowa w SPSS:

Jeśli nie SPSS to co? [update]

Dodano: 2017-01-13

Jeśli ktoś z użytkowników SPSS nie boi się angielskich poleceń i potrzebuje podstwowych analiz (statystyka opisowa, różnice, analiza wariancji, korelacja i regresja, analiza czynnikowa) to polecam JASP – program wzorowany na SPSS (autorzy piszą, że tak powinien wyglądać SPSS ;-).

Program jest rozwojowy, tworzony przez środowisko akademickie. Oprócz podejścia częstościowego do statystyki jest też implementowane podejście Bayesowskie. Polecam!

Jeszcze wygodniejszy jest jego brat bliźniak (bez Bayesa, ale za to z modułami nieparametrycznymi) JAMOVI – to program tworzony przez tych samych autorów z celem zdefiniowanym jako: zastąpić SPSS na uczelniach wyższych.


 

 

W linkach podana jest strona z zestawieniem darmowego oprogramowania statystycznego. Ale najładniejszy (na 2013 😉 soft jaki znalazłem to SOFA – Statistics Open For All. Program młody, lecz ciągle rozwijany. Wersja bieżąca (1.3.3) pokrywa 75% potrzeb studentów psychologii i kognitywistyki. W programie są ładne wykresy, wszystkie statystyki opisowe, import z GoogleDocs oraz pomoc w wyborze testów. A wszystko w ładnej oprawie na licencji AGPL3.

Ponieważ nie ma [jeszcze] polskiej wersji zabieram się za tłumaczenie. Wszystkich chętnych zapraszam na stronę SOFA

Bardziej tradycyjny, darmowy, uproszczony SPSS pod nazwą PSPP jest do ściągnięcia tutaj (Linux, Windows, OS X).

Inne  darmowe pakiety statystyczne lub programy można znaleźć tutaj oraz tutaj a jak ktoś nie chce nic instalować może dokonać prostych analiz bezpośrednio na www w StatCrunch [instrukcje wideo].

Osoby lubiące i znające Excela będą zachwycone dodatkiem Real Statistics Using Excel, w którym jest zaimplementowana duża liczba funkcji statystycznych (przy okazji polecam też stronę tego dodatku jako źródło informacji).

 

Metaanaliza

Metaanaliza jest dosyć prostym sposobem na empiryczny przegląd literatury, ale wymagającym wiedzy na temat wielkości efektów (warto zajrzeć na stronę z ich kalkulatorami). Mając dobry plan i postępując według procedur można rozstrzygnąć w sposób empiryczny wiele dyskusji w stylu „terapia działa vs. nie działa

Ponieważ pełna instrukcja jak zrobić metaanalizę nadaje się na książkę (i są one już napisane ;-), a nie wpis na blogu ograniczę ją do podstawowych informacji.

Po pierwsze plan:

  • 1. Zdefiniowanie tematu przeglądu.
  • 2. Określenie źródeł w których można zapoznać się z opublikowanymi i nie opublikowanymi wynikami badań.
  • 3. Wybranie wszystkich artykułów związanych z tematem przeglądu.
  • 4. Sporządzenie wyciągu z niezbędnymi statystykami, ujętymi w odpowiednich tabelach.
  • 5. Zdefiniowanie procedury metaanalizy.
  • 6. Zbadanie homogeniczności wyników badań (np funnel-plot).
  • 7. Sporządzenie zestawień wyników, np. w postaci graficznej (forest-plot).
  • 8. Zbadanie i redukcja w miarę możliwości heterogeniczności między badaniami.
  • 9. Obliczenie odpowiedniego współczynnika wielkości efektu (efect size).
  • 10. Analiza wariancji wielkości efektu w zależności od kryteriów doboru badań.

Każdy etap jest ważny i warto poświęcić mu odpowiednią ilość czasu.

Przy obliczaniu wielkości efektu przydatne będą te podstawowe wzory

 

Natomiast do badania heterogeniczności i wyboru modelu (stały vs. losowy) te:

Oczywiście najlepiej użyć jakiegoś pakietu statystycznego (polecam R-project i bibliotekę meta lub metafor) czy dodatku do excela, których jest bardzo dużo w internecie. Ale jeśli ktoś chce spróbować sił (a uważam, że warto) to można taką metaanalizę zrobić samemu w arkuszu kalkulacyjnym. Na dowód: metaanaliza praktycznie przykład.xls

Literatura:

  • Hedges, L. V., Olkin, I. (1985). Statistical methods for meta-analisys. London: Academic Press.
  • Rosenthal, R. (1995). Writing meta-analytic rewiews. Psychological Bulletin, 118, 183-192.
  • Kleka, P. (2011). Statystyczne kryteria przydatności raportu z badań do metaanalizy. W: Jerzy Marian Brzeziński, (red.), Metodologia badań społecznych. Wybór tekstów. Poznań: Zysk i S-ka Wydawnictwo.

 

 

Restrukturyzacja zmiennych niezależnych na zależne w SPSS

Czasami dostaniemy, czasami wpiszemy dane w ten sposób, że powtarzając liczbę porządkową umieszczamy dane z kolejnych pomiarów jeden pod drugim. Nie ma w tym nic złego, ale SPSS wymaga do testów dla danych zależnych wpisania wyników w kolejnych kolumnach, a nie pod spodem. Zamiast przepisywać wszsytko można skorzystac z polecenia Restrukturyzuj dane w menu Dane. Po uruchomieniu kreatora i odpowiedzeniu na kilka pytań dane zmienią swój układ.

Przekształcenia sa możliwe w obydwu kierunkach. Warunkiem poprawnego działanie tej operacji jest bezbłednie zakodowana lp obserwacji i lp badania.

Wielkość efektu w analizie wariancji

SPSS jest bardzo ubogi jeśli chodzi o obliczanie wielkości efektu (czyli obiektywnej miary na ile wynik jest ważny, gdy już jest istotny). Ze wszystkich analiz można uzyskać taki wynik tylko dla analizy wariancji i to pod warunkiem, że użyjemy „Analizy wariancji jednej zmiennej” (a nie porównywanie średnich -> jednoczynnikowa ANOVA).

A więc klikamy: Analiza -> Ogólny model liniowy -> Analiza wariancji jednej zmiennej i zaznaczamy jak na rysunku:

Jeśli ktoś chce wiedzieć więcej o obliczaniu wielkości efektów, proszę zostawić komentarz lub napisać do mnie.

SPSS dla opornych

Tym linkiem zapoczątkowuję zbiór ciekawych stron i dokumentów obecnych w sieci, dzięki którym osoby zaczynające przygodę z SPSSem (najgorszym i jednocześnie najprostszym programem statystycznym 😉 będą mogły zredukować poziom niewiedzy. Istotnie zredukować.

Mam nadzieję, że zbiór wyczerpie tematy poruszane cyklicznie przez studentów i nie tylko, a sprowadzające się co odwiecznego pytania: JAK ZACZĄĆ?