Czy współczynnik korelacji w grupie A jest większy niż w grupie B?

Samo obliczenie współczynników korelacji w grupach (Dane -> podziel na podzbiory) nie wystarczy, aby powiedzieć, że między grupami jest różnica w związku między zmiennymi. Pewnym rozwiązaniem jest przeliczenie obu wskaźników na współczynnik determinacji – omega = r2*100%. Jeśli różnica między tymi współczynnikami przekracza 5%, warto się nad nimi „zatrzymać na dłużej”. Ale jeśli grupy są nierównoliczne, takie porównanie jest obciążone błędem, którego nie kontrolujemy.

Rozwiązaniem jest odwołanie się do transformacji Fishera i przeliczenia r -> z, a następnie skorzystanie z rozkładu normalnego do określenia istotności różnicy. Aby było łatwiej i nie trzeba było szukać tablic matematycznych tutaj link do strony z kalkulatorem.

Wpływ zmiennej na związek między zmiennymi (moderacja i mediacja)

Jest to ten szczególny przypadek, gdy słowa rozumiane potocznie mają inne znaczenie niż przyjęto rozumieć je w statystyce. Wyjaśniam więc różnicę między moderatorem a mediatorem.

Moderator to zmienna, której wartość decyduje o kierunku lub sile zasadniczej zależności. Obecność istotnego moderatora można sprawdzić wykorzystując analizę wariancji MANOVA.

Zasadniczą zależność obrazuje na rysunku strzałka A – istotność związku zasadniczych zmiennych 1 i 2 jest świadectwem istnienia podstawowej zależności. Świadectwem, że jakaś trzecia zmienna stanowi moderator tej zależności jest natomiast istotność strzałki C; nie ma przy tym znaczenia, czy zależność obrazowana strzałką B jest istotna, czy nie. W klasycznych kategoriach analizy wariancji dowodem na to, że zmienna 3 ma status moderatora związku zmiennych 1 i 2 jest istotna interakcja zmiennych 1 i 3 w wyznaczaniu natężenia 1-2 (ta ostatnia ma więc status zmiennej zależnej, podczas gdy 1 i 3 są w schemacie eksperymentu zmiennymi niezależnymi). Czytaj dalej Wpływ zmiennej na związek między zmiennymi (moderacja i mediacja)

Problemy z regresją liniową

Pojęcie analizy regresji jest pojęciem dosyć prostym, ale przysparza wiele kłopotów podczas prób zbudowania modelu za jego pomocą. Aby móc zastosować to podejście analityczne i otrzymać sensowne wyniki powinniśmy się odpowiednio przygotować, czyli przede wszystkim sprawdzić założenia dotyczace wymagań wobec danych:

  • Zmienne zależne i niezależna powinny być ilościowe, ewentualne zmienne jakościowe należy zakodować dychotomicznie (0-1).
  • Zmienna zależna powinna mieć rozkład normalny.
  • Relacje między zmienną zależną a niezależnymi (predyktorami) powinny być liniowe (por. kwadrat Anscombe’a).
  • Obserwacje winny być niezależne.

Czytaj dalej Problemy z regresją liniową

Procedura naprawy sprzętu

Ponieważ nasze wyposażenie objęte jest ubezpieczeniem podaję kroki, aby naprawić sprzęt w jego ramach:

  1. Zgłoszenie awarii do Działu Administracyjno-Gospodarczego UAM (_wzór_)
  2. Odczekać 5 dni roboczych i oddać do naprawy. W ciągu tych dni Ubezpieczyciel ma prawo skontaktować się i umówić na „wizję lokalną” będącą podstawą wyceny kosztów awarii
  3. Serwisant oprócz faktury za naprawę powinien wystawić ekspertyzę opisującą uszkodzenia a także (KONIECZNIE) prawdopodobne przyczyny usterki
  4. Fakturę opłacamy z Funduszu statutowego = z pieniędzy zakładu
  5. Po przyznaniu odszkodowania (_przeksięgowanie_) należy wysłać pismo do Działu Księgowego UAM z prośbą o przeksięgowanie pieniędzy przyznanych przez Ubezpieczalnie na konto Instytutu.

Ubezpieczenie nie obejmuje awarii, których koszt naprawy nie przekracza 500 PLN.

Bezprzewodowy UAM

Powoli zbliżamy się do momentu, w którym bezprzewodowy dostęp do internetu stanie się faktem. Aby z niego korzystać należy skonfigurować komputer używając swojego konta w sieci AMU-net. Po szczegóły odsyłam na oficjalną stronę eduroam.amu.edu.pl. Pracownicy, którzy nie mają konta w sieci mogą je otrzymać  wypełniając formularz ze strony CI i wysyłając go faxem (061 829 26 69) lub osobiście dostarczając do Centrum Informatycznego na ul. Umultowskiej.

Ksero jako drukarka (w Instytucie)

Wraz z zakupem nowego ksera Canon IR3300 pojawiła sie możliwość używania go jako drukarki sieciowej, czyli można wysyłać dokumenty bezpośrednio na ksero do pokoju 69. Niezbędny sterownik (Windows) można pobrać ze strony producenta. Kserograf Canona umożliwia także skanowanie czarno-białych dokumentów.

Użytkownicy Mac OS X poprostu dodają drukarkę korzystając z AppleTalk, linuxowcy GENERIC, PCL6 – sprawdzone – działa 🙂

Ksero jest pod adresem 150.254…..

Czy wynik w grupie różni się od norm?

Jeżeli dysponujemy informacją o normach wyrażonych w stenach, tenach lub staninach, to aby sprawdzić czy wyniki naszej grupy odbiegają od średniej watro użyć testu t-Studenta dla jednej próby podając jako wartość testowaną średni wynik dla danej skali (odpowiednio: 5,5, 50 lub 5). Oczywiście po wystandaryzowaniu wyników własnych i zakładając normalność ich rozkładu.

Poniżej podpowiedź jak skonstruować z wyników ww skale standardowe. Czytaj dalej Czy wynik w grupie różni się od norm?

Jak obliczyć rzetelność testu?

Rzetelność skali daje nam informację na ile dany kwestionariusz ?mierzy to, co mierzy? – pisząc pracę naukową (a tym jest mgr) jesteśmy zoobowiązani do podania informacji o jakości narzędzi, które zostały użyte w badaniu. Tym bardziej jeśli je konstruujemy (drugim kryterium jest trafność – po więcej odsyłam do literatury). Najbardziej popularne wskaźniki to alfa Cronbacha i rzetelność połówkowa. Oba współczynniki obliczają uśredniony współczynnik korelacji między pytaniami w obrębie skali (Skalowanie -> Analiza rzetelności), dlatego też trzeba wpisać do SPSSa odpowiedzi na poszczególne pytania.

rzetelnosc

O ile wybranie opcji alfa Cronbacha zwraca jeden wynik, o tyle metoda połówkowa zwraca ich kilka – istotny jest ten ostateczny, ale obie połówki także powinny mieć zbliżone wartości. Wartości poniżej 0,5 wskazują na niską rzetelnosć, a powyżej 0,8 pozwalają twierdzić, że jest ona zadowalająca.

W przypadku, gdy chcemy sprawdzić sprawdzić „jakość” poszczególnych pozycji możemy zaznaczyć opcję obliczania współczynnika rzetelności przy usunięciu danej pozycji testowej. Niska korelacja i poprawa współczynnika alfa w stosunku do wyjściowego wyniku dla całej skali sugeruje niską rzetelność danej pozycji.

A jak obliczyć rzetelność dla całego kwestionariusza?

Jeśli wynik ogólny składa się z sumy podskal to elementem analizowanym będą właśnie podskale, a nie pytania.

Jak przygotować i/lub wpisać dane do SPSS?

W SPSS dla ułatwienia 😉 są dwie zakładki: DANE i ZMIENNE.
Nasze dane wpisujemy w zakładce pierwszej przestrzegając zasady, aby w jednym wierszu znalazły się wszystkie informacje o obserwacjach (osoby, pary, np. małżeństwa albo trener – zawodnik, rodziny, itp.). W ten sposób kolejne kolumny będą zapisem wartości jakie przyjmują zmienne. W drugiej zakładce można je dookreślić (dodać opisy wartości, przyporządkować poziom pomiaru – nie jest to konieczne i służy jako ułatwienie).
Często łatwiej jest wprowadzić do SPSS wartości odpowiedzi na poszczególne pytania, a potem obliczyć w programie (menu Przekształcenia -> Oblicz wartości) wartości wskaźników zmiennych.
W miarę możliwości należy kodować wszystkie informacje w sposób numeryczny.

Dane można przygotować np. w Calcu lub Excelu pamiętając o zasadzie: 1 wiersz = 1 obserwacja. Poniżej ilustracje jak nie należy i dobrze przygotowanych danych (na żółto sposób kodowania pytań wielokrotnego wyboru).

 

Więcej na temat przygotowania danych do analiz statystycznych można znaleźć tutaj.

Jak sprawdzić normalność rozkładu?

Aby upewnić się czy dany rozkład zmiennej ilościowej ma charakter normalny najłatwiej w SPSS sprawdzić jaka jest różnica między obserwowanym rozkładem a idealnym. W tym celu wybieramy: Analiza -> testy nieparametryczne -> K-S dla jednej próby i wskazujemy zmienną, która ma być poddana testowaniu. test KS

Wynik nieistotny (p > 0,05) pozwala nam przyjąć założenie, iż nasz obserwowany rozkład ma kształt normalny (jeśli sprawdzaliśmy właśnie normalność ;-).

Jak odczytać wynik w teście t-Studenta?

Korzystam z testu t dla prób niezależnych i mam problem z interpretacją (nie wiem co brać pod uwagę, czy F, czy t i którą istotność i jak analizować?

1. sprawdzamy założenia testu t-Studenta czyli równość wariancji

2. podejmujemy decyzję co do założeń
3. odczytujemy wartość testu t i jego istotność
t-test
Jako wynik w pracy wpisujemy tylko właściwy wynik statystyki t, np. dla powyższego: t = 0,726; df = 105; p = 0,470.

Wybór skal dla zmiennych, czyli nie wiem czy ma to być skala nominalna, czy ilorazowa? 

 

Najprościej zdecydować można o poziomie pomiarowym danej zmiennej porównując „trudną” zmienną do wzorca: czy przypomina płeć (zmienna nominalna), wykształcenie (zmienna porządkowa), wzrost (zmienna ilościowa). Można też spróbować narysować rozrzut wyników i po nim zorientować się co do skali zmiennej. Niestety te same zmienne można często traktować dwojako i stąd większość problemów. Bardzo ogólna zasada brzmi: 2-3 poziomy = nominalna, 4-7 = porządkowa, >7 = ilościowa.

conti

Jeśli to nie rozwiewa wątpliwości, proszę odpowiedzieć na kilka pytań w tym PDFie, a z dużym prawdopodobieństwem (p > 0,95 😉 ) uda się zmienną określić.


Ale jak przyporządkować 1 punkt za odpowiedź, która w szablonie ma 5? Jak rekodować dane?

Są dwie metody: albo przekodować wyniki (Przekształcenia – Rekoduj…) albo podczas obliczania wyniku dla skali „powiedzieć” SPSSowi, że ma sobie wyniki odwrócić. W pierwszym wypadku trzeba podać w oknie rekodowania co na co ma być zamienione (np.: 5-> 1, 4->2 itd), w drugim pisząc wyrażenie w Przekształcenia -> Oblicz wartości należy pamiętać, że zamiast wartość n podstawić należy K-n, gdzie K to ilość kategorii + 1.

  • 5 -> 1 tzn. 1 = 6-5
  • 4 ->2 tzn. 2 = 6-4
  • 3 ->3 tzn. 3 = 6-3
  • 2->4 tzn. 4 = 6-2
  • 1->5 tzn. 5 = 6-1

W tym przypadku K = 6 (pięć kategorii + 1). A przykładowy wynik w skali składającej się z sumy wyników trzech pytań, w tym jednego odwróconego

= var1 + 6-var2 + var3, (gdzie 2 zmienna jest odwracana).

przeksztalcenia

Jaki rodzaj testu wybrać? [updated]

A jakie testy żeby obliczyć czy średnia zależy od zawodu, wykształcenia, …? Formułując hipotezę możemy zakładać istnienie związku między zmiennymi (hipotezy korelacyjne lub inaczej zależnościowe) lub różnicy między grupami (hipotezy istotnościowe). W pierwszym przypadku należy zbadać współczynnik korelacji między zmiennymi (np. na wybranej grupie lub wśród wszystkich osób uczestniczących w badaniach). W drugim przypadku badamy wielkość różnicy w przeciętnym poziomie zmiennej testowanej (zależnej) między grupami wyznaczonymi przez zmienną grupującą (niezależną). wybor

Pobierz – pobrano: 652

Należy przy tym zwrócić uwagę: czym innym są dane niezależne vs. zależne a czym innym zmienne niezależne vs. zależne. W tym drugim wypadku lepiej jest używać określeń typu zmienna testowana i grupująca. Tym bardziej, że w każdej hipotezie inna zmienna może pełnić role testowanej czy grupującej. Jaki wybrać współczynnik korelacji | Jaki wybrać test istotności różnic w SPSS | Można też sprawdzić rodzaj testu w tym drzewie decyzyjnym, tutaj z kolei jest tabelka jaki test wybrać w SPSS, STATA lub SAS.

Pod obrazkiem jest wyjaśnione, które współczynniki korelacji dla jakich zmiennych.

Nie wiem, jak zrobić, by automatycznie liczyły się wyniki kolejnych wpisywanych osób. Gdzie kliknąć?

Aby przeliczyć wyniki w SPSS należy wybrać z menu Przekształcenia -> Oblicz wartości, a następnie podać nową lub istniejącą zmienną wynikową, oraz wyrażenie numeryczne, które pozwoli programowi obliczyć wartość na podstawie innych wyników (np. wartość w skali na podstawie odpowiedzi na pytania, oczywiście odpowiednio zakodowane). SPSS dokona stosownych obliczeń po kliknięciu na przycisk OK, zatem nie warto się śpieszyć i lepiej poczekać aż wprowadzone zostaną dane wszystkich osób.

Jaki wybrać współczynnik korelacji?

A jeśli chcę sprawdzić, czy średni wynik w zmiennej A zależy od wieku (który został podzielony na kategorie) to również stosuję współczynnik korelacji?

Korelując dwie zmienne porządkowe (czyli zmienne w których znamy tylko kolejność kategorii, a nie znamy odległości między nimi), lub porządkową i ilościową (znamy sposób uporządkowania oraz jednostkę – cm, kg, pkt, %…) należy używać współczynnika korelacji r Spearmana lub tau Kendalla – dokonują one porangowania danych i subiektywne odległości między poziomami zmiennych są sprowadzone do wspólnego mianownika. W pozostałych przypadkach (dwie zmienne ilościowe) – używamy wsppółczynnika korelacji r Pearsona.

korelacje1

Czy powinnam opierać się na wynikach surowych czy na przeliczonych w badaniu?

Do obliczenia współczynnika korelacji lepiej jest używać wyników surowych, zachowuje się wtedy oryginalną informacje o rozkładzie wyników. Jednak, gdy chcemy porównywać wyniki przeciętne uzyskane przez grupy (2 jak i więcej) to jeśli istnieją normy – należy z nich skorzystać, ponieważ uwzględnia się wtedy różnice kontrolowane przez narzędzie (najczęściej związane z wiekiem i z płcią)

Technologia informacyjna – podsumowanie wyników 2008/2009

Rozwiązywanie projektów dało efekt w postaci zbioru ocen. Kilka słów podsumowania zajęć z TI w roku akademickim 2008/2009.

Na zajęcia zapisanych było 182 osoby w trybie dziennym i 97 osób w trybie wieczorowym, z czego większość płci pięknej.

liczebnosc

 

 

 

 

 

 

 

 

 

 

W toku zajęć można było uzyskać od 0 (;-) do 25 pkt, choć już 20 wystarczało na ocenę bdb. Na obu trybach znalazły się osoby, które pokusiły się o zdobycie maksymalnej ilości punktów.

hist

 

 

 

 

 

 

 

 

 

 

Patrząc na rozkład ocen można odnieść wrażenie, że nie było trudno zdobyć ocenę bardzo dobrą:

oceny

 

 

 

 

 

 

 

 

 

 

Czy zajęcia były łatwe – tutaj odpowiedź jest trudniejsza. Zdecydowanie najłatwiejsze były pierwsze zajęcia: z Impressa, Writera i z Gimpa. Calc poszedł najgorzej, szczególnie ostatni projekt, który podsumowywał umiejętności z całego arkusza.

projekty

 

 

 

 

 

Studenci dzienni pracowali trochę lepiej od początku zajęć więc ostatni projekt wiele osób „odpuściło”, wieczorowi zaś rzutem na taśmę zdobywali punkty na wymarzoną ocenę ;-).

Ogólne różnice w wyniku między trybami okazały się jednak nieistotne F(1) = 0,09, p = 0,76 a różnice w średnich wynikach pochodziły głównie z różnic między płciami (F(1) = 13,7; p <0,001):

przecietne

 

 

 

 

 

 

 

 

 

 

Panie na obu trybach „trzymały” wysoki poziom, Panowie, szczególnie na dziennych wykazywali „swobodny” stosunek do zajęć (otrzymując wyniki właściwie z zakresu całej skali).