You are on page 1of 181

SPSS:priruinik

za Prciivliavanie

Glavni urednik Redaktor Tehniiki urcdnik Slog

Olga Nlilanko S t e l aS p a s i i S a n j aT a s i i SanjaTasii Nataia Pavlov Mikro knjiga, Beograd Dragan Tanaskoski Greenfieldstudio' Beograd

Sadrlal

lzdavaiDirektor Stampa

se irvrtc d o b i j e t e b e s p l a t a n k a t a l o g , .p i ! i t t ' t r ' t t : r i l i Ako imate o i t a n i a i l i k o m e n r a f e , i l i a k o Z e l i t e d a

Mikro knirga P. fah 20-87 -t1030 tseograd t e l :0 11 / 3 5 4 0 - 5 4 4 pismaomikroknj iga. rs Survival Manual' Third Edition' jezika knlige SPSS prevod sa engleskog Autoriz-ovan N i i c , d o z v o l l e n J r r t e d : nd e o o v c k n i i g cI ' u d e o O C o p y r r g , h r 2 0 0 9 M i k r o k n i i g a 'S v r p r r v r z a d r 2 r n r ' u el.tt.onrkl 'li mchanicki. kliu.ujuii totokopiranic' f.ii .--.^.t,,Lnvrn ili ernrrovf,n d "r'iii" p b . l" .z . L r" . b c z p r e r h o . l n e i s r n c n c o z v o l ei z d a v r c r ' " ,ini ,. lli*il,i.i'iir"'k;;i';".;;i;i;,.;,r SurvivalManual: A Stcpby Step edition, entitled SPSS Authorized translation from the Englishlanguage Pallant,published by Using SpsSfor windows (Version15 ), Third Edition, Julic Guidc to Data Analysis 'Copyright @ 2007 Julie Pallant' Uy ,ttt.n & Unwin' in any forrn or by irtly means' No part of this book may be reproducedor transmittcd All riehts reserved' or bv anv information'stmgc and retrieval i..l;;i;;;h"';"i'yltg""t-ang electrcnicor mechanical, cdition publishedby Serbianlanguage rhe publisher. system.without p.io, p..*i..lJn i"'*r,ingiioMikro knirga.

Predgovor DatotekespodacimaiWeblokaciiu... Uvodipregled Strukturaknjige Kakokoristitiovuknjigu SavetizasprovodenjeistraZivania... Dodatni resursi Deo I 1 Kako podeti

.......x ....... xi ..xiii ..xiv ....... xiv .... xvi . . .xvii 1 ........3 .........3 . .. . . .. .-5 .........7 .......11 ...12

r lCIP - KaTalornlirtlnja y ny6l Hxarptln


lbr 004.42SPSS Windows(035) 3 I l:ff)4.9(035)

Profektovanjestudije.... Planiranjestudile Izbor odgovarajudih skalai nera . Pripremaupitnika Pripremaiifarnika Imenapromenljivih....


Sifrovanje odgovora Sifrovanje otvorenih pitanja

Hap<utta 6u6ruorexa Cp6rje. ticorpau

flA"rlAHT, Uyrr : SPSS ; Priruinikza PreTrvl1avsn1e ponx)cu pQdatrka vodit kroz analizu DosluDni windows (verzta l5) / Julie za bPSS-a MiljenkoSuiur Pallint : prevodi. izdanja Beograrl: Mikrokniiga'2009 tlleograd : Grecnneldstudn).- XVII. 148str' : ilustr. ; 2'lcm dela: SPSSSurvivalMrnual Preporuienu Prevotl str' Bibliografija: 3-19-3'12 *. tiiJran,.a: flf ffS - Regi\tar I -0 lsBN 97lJ-86-755s-34 fbr aj aplikativniprogram "SPSS Windows" Ilfupylrrntr b) MarerlafrtqKaclarxcrliKa Art.litxarrlnnl nporpaNlx npxPy'lxu(tr S COBISS R ll) l70r{'68lli

UpoznaitesPss.. PokretanjeSPSS-a
Otvaranjepostoje6edatotekespodacima KoriSienjedatotekaspodacima SPSS-oviprozori Meniii Okvirizadijalog. KakozatvoritiSPSS Kakodobitipomoi.

13 13 ........15 ........15
........16 ...16 ...17 .....21 ........22 ......23 ......24

4 spss/.322l1930e40-5P56M225109K910 .5

vl

SadrZaj

Sadriaj

Deo ll 4

Pripremadatoteke s podacima Pravljenje datotekeza podatkei unoienjepodataka Izmenaopcija u SPSS-u promenljivih . . . . Definisanje pod:rtaka Unodenje Modifikovanje datotekes podacima Unoienjepodatakau Excelu Spajanje datoteka Korisnemogu6nosti SPSS-a Upotrebaskupova Pronalai.enjeiuklanjanjepogreinih podataka greiaka Korak 1: traLenje Korak 2: pronalai.enje ispravljanjegreiaka i u datotecis podacima prikaz sludajeva SaZet

25 27 28 31, 36 36 37 39 40 42 45 46 49 51 53 55 56 57 59 60 65 66 67 68 69 7T 74 77 79 80 81 83 B4 88 92 93 95

P r o y e r a p o u z d a n o s t i m e rk a l e . s ne ObjaSnjenjeprimera T u m a d e n jre z u l t a t a r o v e r e o u z d a n o s t i . . . . . e p p Predstavljanje rezultataproverepouzdanosti skala DodarneveZbe.

.......97 ......98 ..100 . . . . . .101 ........101 .....103 ......t04 .......107 . . . .113 . . ..f f S ....720

10 Izborprikladnihstatistiikihtehnika
P r e g l e da z n i h s t a t i s t i d k i h t e h n i k a . r Procesdonolenjaodluka Osnovneosobineglavnih statistiikih tehnika Zbirna tabelasvojsrava osnovnihsratisric:kih tehnika L i t e r a t u rz a d a l j e s a v r 5 a v a n j e . . . . a u

Deo lll Preliminarne analize 6 Opisni statistiiki pokazatelfi promenljive.. . Kategorijske Neprekidnepromenljive Nedostajuii podaci Procena normalnostiraspodele Otkrivanje netipiinih tadaka DodatneveZbe. 7 Upotreba dijagramaza opisivanjei analizu podataka Histogrami Stubiiastidijagrami Linijski dijagrami. Dijagramrasturanja. Pravougaoni dijagram Dorada dijagrama Uvoz dijagramau Wordovedokumente. DodatneveLl:e. Dorada podataka. ukupnih rezultatana skalama Izratunavanle promenljivih . Transformisanje promenljivena grupe Podelaneprekidne broja kategorijakategorijske promenljive Smanjenje . DodatneveZbe.

Deo fV Statistidke tehnike zaistralivanje veza izmedu promenljivih 121 Tehnikeobradeneudervrtomdeluknjige .......TZl Pregled osnovnihnadela . .D2 11 Korelacija .......t29 Objainjenjeprimera .....130 Preliminirrneanalizezakorelaciju.... ...130 Tumadenje rezukatakorelacije . . .I34 Predstavljanjerezultatakorelacije .......136 Radunanjekorelacijeizmedu grupapromenljivih . . .. . . .137 Poredenje koeficijenata korelacijedv. grupe . . . . .13g Proverastatistidkeznairrjnostirazlike izmedu _ koeficijenatakorelacife.. ....t47 Dodarneveibe. ..144 12 Delimiinakorelacija .....I45 Objainjenjeprimera .....745 Tumadenje rezulrara delimiinekorelacije . . .. . . .14g Predstavljanje rezultata delimidne koreiacije . . .. . . . . . . .74g DodatnaveLba. ..14g 13 ViSestrukaregresiia. .....14g Glavnevrstevilesrrrrke regresije . .1-r0 Pretpostavke kojima sezasniva na viiestruka regresija .. .151 Objainjenjeprimera .....152 Standardna viiestruka regresija. . .154 Tumadenjerezultatastanclardneviiestrukeregresije Hijerarhijskaviiestrukaregresija .......163 Tumadenjerezultatahl1eraihljsi<evi5estrukeregresije Predstavljanjerezultata viiestrukeregresije. . . . . . . . . . . .167 DodarneveZbe. ...... .............76g

vill

SadrZaj

SadrZaj

14

Logistidkaregresiia . Pretpostavke.. . Objalnienjeprimera odgovora Pripremapodataka:Sifrovanje regresije rezultatalogistidke Tumaienie regresije rezultatalogistidke Predstavlianje Faktorska analiza Koraci od koiih se sastoii faktorska analiza primera ObiaSnjenje Postupakfaktorske anahze Tumaienjerezultata. an Predstavlj ie r ezultatafaktorske analize DodatneveZbe.

t69 170
1'7 |

15

1.71 1.76 180 181 1.82 186 1.87 1,91 1.99 202 203 203 205 207 208 209 21,0 2L3 21.4 21,5 221
1a A L-/-1

Deo V Statistidke tehnike za poredenie grupa u Tehnikeobradene petom delu knjige . P r e t p o s t a v k. e . . GreSkaprve vrste' greika druge vrste i mo6 testa' a/naknadneanalize. Planiranaporedenj Velidina uticaja Nedostaiuii podaci tehnike 16 Neparametarske pregledtehnikaobradenihu ovom poglavliu Kratak Hi-kvadrat. kaPa Mera slaganja Man-Vitniiev U test Vilkoksonov test ranga test. Kruskal-Volisov Fridmanovtest. . . DodatneveZbe. 17 T-testovi uzoraka.. . . . T-testnezavisnih uparenihuzoraka T-test DodatneveZbe. 18 Jednofaktorskaanalizavariianse JednofaktorskaANOVA razliditih grupa s naknadnimtestovima JednofaktorskaANOVA razliiitih grupa s planiranimporedenjima . . . . ANOVA ponovljenihmerenia Jednofaktorska
Dodatne veZbe. . . .

227 229 231


1)f LJJ

Dvofaktorska analizavarijanserazliditih grupa . .261 Objainjenjeprimera .....262 Tumadenje rezukatadvofaktorskeanalizevarijanse . . . . .265 Predstavljanje rezultatadvofaktorskeanalize varijanse . . .26g Dodatneanalizekada sedobije znaiajanuticaj interakcije.. . . . .26g DodatneveZbe. ..269 2 0 Kombinovana analizavarijanse . .Z7I Objalnjenjeprimera .....272 rezukatakombinovaneanalizevarijanse Tumadenje . . . . .276 Predstavljanje rezultatakombinovaneanalize varijanse . .279 21, Multivarifacionaanalizavariianse ......281 Objainjenjeprimera .....282 Sprovodenje MANOVA analize . .288 TumaienjerezukataMANOVAanalize ........29I Predstavljanjerezultata MANOVA analize ......294 DodatnaveLba. ..294 22 Analiza kovarijanse .....295 eemusluZiANCOVA... .......295 Osnovnepretpostavkeanalizekovarijanse ......296 JednofaktorskaANCOVA ......299 DvofaktorskaANCOVA . .308 D o d a t a k P o i e d i n o soi d a t o t e k a m s p o d a c i m a . . . . t a .......317 Deo A: materijaliza survey3ED.sav . . . . .320 Deo B: materijaliza experim3ED.sav . . . .327 Deo C: materijaliza staffsurvey3ED.sav . .329 DeoD:materijalizasleep3ED.sav.. ....332 Deo E: materijaliza depress3ED.sav. . . . .335 Preporudena literatura . 337 Bibliografija ....339

t9

235 235 239 244 245 246 251 254 259

Spisakterminakoriiienihukniizi Indeks

.....343 .345

Predgovor

Datoteke podacima s iWeb lokacija

Pomisao da moraju da ude neki statistiiki predmet ili da prirnene statistiku u svom istraZivanju) za mnoge studente ie izvor velikog stresa i frustracije. Prvo izdanje ove knjige (i22000. godine) trebalo je da posluZi kao jednostavan postupni vodid kroz proces analize podataka pomoiu SPSS-a.Za razliku od drugih knjiga iz statistike, on se nije bavio matematidkom osnovom kao alatke. Od postatistidkih tehnika, vei prikladnom upotrebom SPSS-a javljivanja prva dva izdanja ovog priruinika, dobila sam stotine e-poruka studenata zahvalnih za pruLenu pomo6 (ili spas). Isti, jednostavan pristup zadrLan je i u ovom, treiem izdanju, zasnovaOduprla sam se iskuienju i pozivima mnogih stunom na verztji 15 SPSS-a. denata, predavada i recenzenatada obuhvatim mnogo novih tema, vei sam umesro toga nadogradila i proiirila postoje6i materijal. Sva poglavlja su mada je ve6i deo materijala aLurirana tako da odgovaraju verziji 15 SPSS-a, 1,3 i 14. Na traZenje brojnih korisnika prva podesan i za korisnike verzija kao 5to su spadva izdanja, dodala sam opise jo5 nekih moguinosti SPSS-a, datoteka. Dodati janje datoteka, upotreba skupova i upotreba komandnih su odeljci o statistidkom merenju velidine uticaja i o naknadnim testovima' Poglavlje o neparametarskim tehnikama proiireno je primerima njihove upotrebe u mnogim oblastima, narodito u zdravstvu, medicini i psihologi;i. Unekim drugim poglavljima (npr. u onom o faktorsko j analizi), tekst je izmenjen da bi preporuieni postupak bio u skladu s literaturom i sa smerntcama za oblavliivanie u nauinoistraZivaikim dasopisima. Ova knjiga ne obuhvata sve moguie statistidke postupke koje SPSSpodrLava,niti odgovora na sva pitanja koja bi istraZivadmogao imati u vezl sa statistikom. Umesto toga, osposobi6evas da poinete istraZivanjei da steknete samopouzdanie prilikom kori56enja SPSS-a.Postoji ioi mnogo odlidnih udZbenika iz statistike kole bi trebalo da proditate; upuiujem na njih u sva'Web lokaciji; po;eclikom poglavliu knjige. Dodatni materijal je na prateioj nosti o tome date su u narednom odeliku.

Kroz celu knjigu sretaieteprimere istraZivanjauzeteiz nekoliko datoteka s podacima (engl. data files) objavljenih na prateioj Web lokaciji originalne verzrje ove kn j i ge, www. allenandunwin.com/spss. preuzeti S te lokacijemoZete podatkena dvrstidisk, disketuili fleS memoriju; biie dovoljno da slediteuputstvakoja ie seprikazatina ekranu.Zatim bi trebalo da pokreneteSPSS otvorite te datotekes podacima.One semogu i otvoriti samou SPSS-u. Datoteka survey3ED.sav sadrZipodatke dobijeneu istraZivadkom projektu jednogod mojih odeljenja diplomaca.Da bistestekli ose6aj istraLiza vadki procesod podetkado kraja, u dodatak sam sravilakopiju upitnika pomoiu kojeg su ti podacidobijeni,i Sifarnik(engl.codebooA) pomoiu kojeg su ti podaci Sifrovani.zahvaliuiuci rome, moZerei sami obaviti sveanalizeprikazane ovoj knjizi i daljeeksperimentisatidrugim promenljivama. u s Druga datoteka s podacima (error3ED.sav)sadrZi isto 5to i survey3ED.sav, sam u nju namernododalagreike da bisteu poglavlju5 mogli ali da veZbate pregledanje ispravljanje i podataka. Treia datoteka (experim3ED.sav) sadrZiizmiiljene podatke i ilustruje upotrebu viSetehnika obradenih u petom delu knjige (npr. r-testauparenih varijanse (ANOVA) ponovljenihmerenja). toj datotecisu U Sloraka,analize o9d.u,l.promenljive veZbanje za veirinakoje se udena drugimmesrima u I KnJrzr. SamonemojtepreviSe se obradujete da rezultatimakoie iete dobiti i ne pokulavajte ih ponovire nekomsopsrvenom da u isrraZivanju! depress3ed.sav ditvrta datotekaupotr.bll..rn u primerima iz knjige. Nju je , Korlstrmou poglavlju 16 o neparametarskim tehnikama,kako bismo ilustrovalinekemetodekoje seupotrebljavaju medicinskim u istraZivanjima. Date su joi dve datoteke, moZeieda uraditejoI poneito s podacimaiz pa razliditihdisciplina. Datotekasleep3ED.sav sadrZi.tuurn"pod"tL. izistraLivanla uticaiaporemeiajasna ,ru Ziuot osobakoje pate oj njega. Datoteka stuttsurvey3ED.sav potideiz anketeo zadovoljstvu zaposlenih, sprovedene u leonojvelikoiausrralijskoj obrazovnoj usranovi.

xI

iWeb lokaciia s Datoteke podacima

potraZiteu doDalje pojedinostio tim datotekama(i prateie materiiale) s podacima, Web lokacila ove knjige datku. Pored navedenihdatoteka sadrZivi5estvari koie bi studentimai predavaiimamogle dobro posluZiti, medukojima su: o smernice pripremu izveitajao istraZivanju; za . veZbe; o izmeneuneteu nove verzijeSPSS-a; . hiperveze drugim korisnim Web lokacijama; ka . spisakdodatneliterature;i . vodii za predavade.

Uvodi pregled

Ova knjiga je namenjena studentima koji pohadaju nastavu iz projektovanja i statistiike obrade istraZivanja, kao i onima koji samostalno planiraju i obavljaju istrazivanja. Trebalo bi da vam ulije samopouzdanje da statistidkim analizama pristupate spokojno i pribrano ili barem bez velikog stresa! Dobar deo poteSkoia koje studenti iskuse u statistidkoj analizi potiiu od anksioznosti i zbunjenosti zbog nepoznatog i.argona, sloZenih teorija i prevelikog broja odluka koje moraju doneti. NaZalost, veiina statistidkih predmeta i udzbenika podstidu oba ta oseianja! Poku5ala sam da u ovoj knjizi prevedem statistiku na jezik koii le lakSe razumeti i svariti. Knjiga SPSS: priruinik za preiiuliauanje veoma je pregledna zahvaljuju6i svoioj strukturi; u njoj se postupno, korak po korak izlaie ono ito vam treba za pripremu i analizu podataka. Posmatrajte podatke kao sirove sastojke rece_pta. Sastojke moZete pripremiti na razlidite nadine: kao predjelo, glavno ielo ili desert. u zavisnosti od sastojaka koje imare, razne-moguie obrade mogu biti prikladne ili neprikladne. (Nema smisla planirati pripremanje lovaikih Snicli ako imate samo piletinu.) Planiranje i priprerna zu vaZan deo postupka (i u kuvanju i u analizi podataka). Trebalo bi da razmislite o sledeiim pitaniima: ' Imate li odgovarajuie sastojke u odgovarajuiim kolidinama? o Kakva priprema je potrebna da bi sastojci bili pogodni za kuvanje? ' Koju vrstu termidke obrade iete upotrebiti (kuvanje, pedenje,pirjanje, prZenie)? o Imate li predstavu kako rezultat (recimo, kolad s dokoladnim prelivom) treba da izgleda? ' Kako 6ete znati da je jelo gotovo? I Kada kulinarska obrada bude gotova, kako iete ga posluZiti a da izgleda privladno? Itr" pitanja su jednako relevantna i za postupak analize podataka. Ekspe_, rhent ili anketu morate isplanirati tako da pruZi potreb.relnfor-acije u odgovaraju6em formatu. Datoteku morate pripremiti kako treba i podatke paZljivo uneti p..dr1"rr., o pitaniima na koie treba u nju. Morate imati

Uvod i pregled
xlv

Uvodi Pregled . . . . o upotrebaWindowsovihpadajuiih menija; tasteramiSa; upotrebalevogi desnog preko njega; miSem biranietekstatako 5to ga pritisnetei prevudete prozora; to spuitanjei podizan;e, jest minimiziranjei maksimiranje programa iz menija Start ili iz \Tindows Explopokretanjei zatvaranie

d o b i t i o d g o v o r e i n a i i n u n a k o j i i e t e i h f o r m uza niih. M o r a t e Z na koie ine' t i l t l l i s a t i prikladne' a t i k o e s su tehnit. po"olt'ii;';;:;;;odata\a stiike statistidkutehniku (npr' primenite-odabranu Morate umed da i'p'-to da tai rezultattreba umeSno t-test)i da protumatit;"1;; \li'"d' pitaniima i predstavite svom u istraZivaikim u dovedete vezu t pt;;bi;;; "t'olt^t' pitania na kulinarstvo' tome bi odgovarala (Kada ," p"b"i-o izve5taiu. ili sa sladoleprelivom da posluzitesa ilagorn treba li kolad s d"k";-J;; i Seiemomtl"':tt'T.-1):-^ dom, ili moZda , i"g;l;t;"/malinama samoizme5atisvesasto;podutakane moZete Ni u kulinarrrt" "l " "l*il'i seda ie rezukatbiti dobar'Nake, gurnuti ih u r.rt''t'(l;;;;;;'sPis1,i ""dati bolje razumete postupakanaiize da malo dam seda ie vam "r; l;i;;;;omoii i veitine potrebnedobrom "kuvAru"' podatakai dati vam t"*"?t"taanje

Strukturakniige

ceo porma22 poxlavlia' koia obuhvatalu priruinik za i'iZl'tio'o'ie SPSS: io analizepodatakai pred-"tJ itt"i"fttovanja stupak istraZivanla poieti) "uiilt je na pet dtlova' Prvi deo (Kako stavlianjarezultata' lodellena Sifarnika(engl' costudiie,pripremu obuhvataono uvoono: prolekrovanje s poda' d"'gom delu\iriprema datoteke debook)i opor,tnu""f" 5pi's "' u greSke Jatoteka' unosepodaci i pronalaze cima) nautie turto'";;:-1 su poglav"t. su u treienrd.1.,k''1ig",iija u njoj' Preliminarn.n.'ntl,. ot,radene (engl.descriptiuesta' ,i"ti.tiikih pokazat.elia lja posveienup.i-"ii'lp""if., i postupcimaprovere pouzdanosti tistics) i diiagrama, doradi podataka teZak vask;;k po ttot"t kroz katkada mernihskala.Osrmtoga' proveiiu d utt podatk e' it f''ni ttn p ri k Iad nih'u zadanki zbora r,, ti medu""i'"ftift' ,oristidke tehnikeza ptonalaLenie u iervrrom d.l" ;;;;;;:iuut;.n" zavisnosti(npr.korelacija,delimii'nakorelaciia'vi5estruka'regresiia'logistiisledede: le u ti- pogi"utli^u sazeto opisano i ka regresija faktorskaanaliza). rezultate' kako dobiti pr?toor,uuke, namenasvaketehnike,njene polazne u nauinom radu ili izveStaju' ptedsta"iti kako tumailri ,."'t'u'" ikako ih ;;l;ik" za poredenjesrupa' Medu ,.'rl'r"-"ir";,,ijritridk; U petom d.1,, (ANOVA)' anat-testovi' anal\zavariianse njima su neparamet;;sketehnike' analiza MANoVA) (muliivariiaciona liza varijans",is. oa au" pro-"r-riii.r" (ANCOVA)' i analizakovariianse

L-

.r-..

rera; otvoreni; . prelazak iednogprogramau drugi kada su istovremeno iz datoteka; premeltaniei zatvatanje . offaranje, snimanje,preimenovanje, i istovremeno prelazakiz jedneu drugu istovremeo rad s viSedatoteka no otvorenudatoteku; na . kopiranjedatotekasa disketeili flei rnemorije Ivrsti disk ili obrnuto i Windows ExPlorera; pomoiu omotnice)i prelazakiz ied. pravljenje direktorijuma(foldera,fascikle, nog direktoriiumau drugi u Windows Exploreru. se Pretpostavlia d:r ste vei nauiili osnove Ova knjiga nije sveobuhvatn2l. i da imate odgovaraiuii udZbenik.Treba da imate predstavuo sraristike je radi ispod povriine. SPSS izuzetnomoian softverskipaket tome 5ta SPSS procedustatistidke ume da obavlja veomasloZene koji za analizupodataka, svestatistiiketehnikekoie tai prore. U ovom prirudnikusene objainjavaju koriste. Knjiga bi gram podrZava; obradenesu samo one koje se najie56e statistiiku analizu i da zapodnete trebalo da vam omoguii da samostalno steknete SPSS-a. u samopouzdanje koriS6enlu na pitanja (hipoteza) U zavisnosti podatakakoje imate i istraZivadkih od koia traZiteodgovor,moZdaiete morati da upotrebiteneku od sloZeniiih analiza SPSS-u. mnogo dobrih knjiga o raznimstatistiikimtehnikarna u Ima koje SPSS kniigena popodrZava. Cit"|t" sve5to vam padne5aka.Prelistaite licamabibliotekau koje steudlanjeni, potraZite one koje statistikuobiaSnjavaju (baremdelimidno)razumljivim jezikom! Prikupite sav ta;'materijalu celinukoju 6etekoristiti u svim stirtistiikim predmetimai svom istraZivaikom projektu.Umesno!e prikupiti i ilanke iz struinih dasopisa koiima se u obja5njavalu rezultati. One vam statistiike aialize i predstavljalunlihovi mogu posluZitikao uzor za pisanjesopstvenog izveitaja. SPSS: priruinik za preiiuliauanje prrkladanje i kao udZbenikza rad s pre. clavadem obyainiayaraznevidove istraZivadkog postupka,i kao knjiga koji za samostalno da udenie, one koii treba samostalno realizujuneki istraZiza vadki proiekat. Kada budete ucili, ne propustiteda veZbare koriSienie SPSS-a analizupodatakakoji se-ogtr p..ureti s prateie Web lokacije ove za Knllge.(Pojedinosti rome dare su na str.xi.) Najbolje se udi uz rad, a ne o samoditaju6ikako to drugi rade. Pre nego 5to poinete da obradujetesopl*"3.. datotekes podacima,poigrajtese onima iz koiih su uzeti primeri u ovoj kniizi. Tako i iete stediveie samopouzdanjedobiti priliku da proverite oa Ii ispravno radite analize.

Kako koristiti ovu kniigu da upotrebit3kao,lodii

kroz SPSS' Da biste ovu kniigu mogli delotvorno U uputstvima t veitine 'uio tu radunaru' morate por.do"n'i "tk"-o"toute n:rda ve6umeteda koristite PC raiunar' primerima pol"zlm "-Jn1*"31"vke ukoliko rfirot potrebnihveitina' roiito.windowsovefunkcije.u nast"vku-i-e nediiupomo6: pot.rlo6a, potraZite s bilo koiom od narednihradnli i-or"

xvl

Uvodi pregled

Uvodipregled o pzj1c-sebido-voljnovremena.IstraZivadki postupak uvek traje duze nego 5to se odekivalo,pogotovo unoienje i inaliia podataka, pa za t; 2[giyrtostiplanirajtedostavremena. o Radite s priiateljem. Tokom analizepodataka traLite emocronalnu i podrika drugih je odlidna prakridnupomoi od drugih stndenata. zadti_ 6as6l stresa!

Ponekad vam sedesitida dobijetedrugaiiji rezultatod onogau kn;izi. 6e To ie se verovatnodogoditi ako budeteupotrebljavali dmgu verzijuSPSS-a od one koja je koriSienau ovoj knjizi (SPSS Windows, verzija 15). SPSS za prograrna, zbusestalno aLurirai to je odlidnosa aspekta pobolj5avanja ali koji na ekranusvogradunara vide rezultatnaveden knjinjuje studente ne u zi. Razlika obidno nije velika, pa ostanitepribrani i poigrajtese detektiva. MoZda je informacijazapravopred vama,samou drugom obliku. Informacije o promenarna SPSS-a WindowspotraZite pratedojWeb lokaciji. za na

resursi Dodatni
U ovoj knjizi obradenoje viSeoblasti- od podetnogprojektovanjastudije, upitnika, osnovnihstatistidkih sastavljanja trhnikn (t-iestovi, korelacija), pa svedo sslih statistiikih alatki (analizavarijanseviSepromentliuit-,, futio.rl" analiza).po celoj knjizi posejanesu preporuke za dodatnu lireraturu. Poku5ajte iitate 5toviSe moiete,naroiito ako sebudetebavili sloZenijim la sta_ tistidkim p()stupcima.

Savetiza sprovodenjeistraZivanja
Evo joi nekoliko saveta onekoji knjigu koristekao vodid kroz sopstvene za projekte. istraZivadke . Pailiivo isplanirajte projekat.Neka vam postojeieteorijei istraZivanja posh"rie kao uzor prilikom planiranja sopstvenog projekta. Morate shvatiti5ta pokuiavateda dobijete,i zadto. . RazmiSliajte unapred. Odekujte i predvidite potencijalneproblerne, poito ih svakiprojekatima! Upoznajtestatistidki postupakkoji nameravateda primenitei pomoiu tih informacija oblikujte materijaleza prikupljanjepodataka.Postarajte da, kada dode vremeza primenu se statistidkih metoda analize,imate vrstu podataka koji se njima mogu analizirati. o Organizuitese.PaZljivo vodite beleikeo svim relevantnim istraZivanjima, referencama itd. Smislitedelotvoran sisternarhiviranja gomile strudnihdlanakakoje iete prikupiti i, kasnije,rezultataSPSS-a. Uopite nije teiko izgubiti se u gomili papira i broiki. e Voditedobrebeledke. Kada pomoiu SPSS-a budeteanaliziralipodatke, paZljivopiSiteStaradite.Svim studentima preporudujem u svesci sa da spiralnimpovezomvode beleikeo svakojsesijikoriSienjaSPSS-a. ZapiSitedatum, imena promenljivih koje ste napravili, analizekoje ste sprovelii imenadatotekau koje stesnimili rzlaziz SPSS-a. Kada naideproblem ili sedatotekas rezultatimana misteriozan te na nadinodteti, instruktor ie vas pomoiu tih vaiih beleiakaspasiti! r Ostanitepribrani! Ako prvi put analiziratepodatke pomo6u SPSS-a, Udahnitenekoliko puta duboko deiavaieseda seosetitebespornoini. sebireciteda sveide dobro i da 6e svebiti dobro. Mislite samo i sami predstoji- dozvolite sebi da ponekadpoo koraku koji neposredno doKada vam bude svega i da ne znatesami kako da nastavite. greiite prekinite, pro5etajtei razbistrite glavu pre nego 5ro sta i l)revi5e, da rad. Veiina studenata lako koristi SPSS kada ga pokuS;rte nastavite Kao.sasvakimdrugirnudenjem, trebasamo prevazitipoietupozn:rju. i samopouzdanja. nu zbrrnjenost nedostatak

DEOI
Kakopoceti
Analizapodataka je tek jedan deo procesaistrazivanja.Mnogo roga treba da sedesipre nego 5to budetemogli da pomoiu SpSS-a analiziratepodatke. Prvo,treba da isprojektujete istraZivanje odaberete i odgovaraju6a sredstva za prikupljanje podataka. Kada sprovedeteistraZivanje,dobijene podatke treba(pomo(utzv. Sifarnika, engl. codeboo&)pripremiti unoienjeuspSS. za Da bistepodatkemogli da unesete, morate znati kako SpSS radi i kako da s njim komunicirate. ti koraci su objainjeniu ovom, prvom delu knjige. Svi u poglavlju1 su savetii preporukeza projektovanje itudije kojom r. d"bijaju podaci dobrog kvaliteta.U poglavlju 2 objalnjenaje priprema iifarprevodenjenenumeriikih podataka iz studije.u foi,,'nt prikladan za ii\1ri SPSS' Poglavlje3 je putovanjekroz spss; razmotrenesu osnovneve5tine kofe..ie vam biti potrebne.Ukoliko vam je ovo prvi put da koristite SpSS, proditajtepoglavlje 3 pre nego ito predete.tu nrr"lir. prlkazane u nastavku knjige.

66,"il

fi
*r-

f,*t''\
-I -i

Projektovanje studije

{'.,..&}
-j \,ttRnf

-tm\

razmatr^ projektovanje Moida vam izgleda iudno da se u knjizi o SPSS-u koii ima podeo ali istraiivanja, ono je nezaobilazan istralivaikog procesa, po sledice kvalitet podataka5to ie biti prikuplieni i analizirani.Podacikoie moraju odnekuddoii: kao odgovori na upitnike,kao inforunositeu SPSS macije prikupljene u interviuima, kao Sifrovana(broievima izraiena) opaZanjastvarnogponalanja ili kao obiektivnamerenjaizlaza1liperformansi. kojim ste ih prikupili i istraZivaikiokvir Podaci vredesamokoliko sredstvo koji je usmeravao prikupljanje. njihovo U ovom poglavlju razmotriiemo vi5e vidova istraZivadkogprocesakoji utiduna kvalitetpodataka.Prvo, razmotriiemoopSte projektovanje studije; zatim iemo obraditi neka pitanja o kojima treba razmislitiprilikom izbora skalai mera;najzad,dademo nekoliko smernica pripremu upitnika. za

Planiranje studije
Dobro istraZivanje nije moguie bez paLllivog planiranja i sprovodenja studije. () proiektovanju istraiivanja napisano je mnogo odliinih knjiga, koje ie vam pomoii tokom tog procesa: od pregleda literature, formulisanja hipoteza,izoora projekta studije, izbora i dodele subjekata (ispitanika), beleZenja opazan;a (opservacija)i prikupljanja podataka. Odluke koje se donose u svakoj oc tth faza utiiu na kvalitet podataka koji ie se analizirati i na nadin obavlia.nja.istraZivanja, jest to -Itedite traZenja odgovora na istrai-ivadkapitanja. Preporuiila bih u"iu ne vreme prillkorn projektovanja stu,lile i da le

Deo l: Kakopo6eti

Poglavlje 1 : Projektovanjestudije

napraviteito bolje moZete.Koristiie vam da proditaterazliditeudZbenikeo (20061, Goodkoji selako iitaju jesu:Stangor tome.Nekoliko dobrih naslova (2007)i, ako sebaviteistraZivanjem triiSta,Boyce(2003).Zazdravstvena win pregled istraZivanja, dajePeat(2001). i medicinska dobar elementarni o za studije: Za poietak, razmislite sledeiimpreporukama projektovanje o Razmotritekoja vrsta istrzrZivanja (npr.eksperiment, anketa,opservacija) omoguiava najbolji pristup pitanju kojim se bavite.Svakavrsta ima iztrberite pristupkoji najbolje istraZivanja svoiedobrei loie strane; odgovarakonkretnom pitanju na koje traLiteodgovor.Prethodnomorate dobro upoznatiranija istraZivanja toj oblasti. u Ukoliko odabereteeksperiment,odluiite da li pitanju kojirn se bavite razliditih grupa (tazliditi subjekti u istoj ekbolje odgovaraistraZivanje sperimentalnoj situaciji)ili ponovljenamerenja(u razliditirneksperimenispituju se isti subjekti).Oba pristupaimaju svoje talnim situacijama prednostii nedostatke(videti Stangor, 2006), pa ih paZljivoprocenite. predviditedouoljno nivoa nezavisne U eksperimentalnim istraZivanjima, promenljive.Predvidetisamo dva nivoa (ili grupe) znati da ie biti potrebno manje subjekata, i da 6ezakljudcikoji semogu izvestibiti ograali niieni. Da li je kontrolna grupa neophodnaili uopite poZeljna? li dc Da grupe ograniiiti zakljudkekoji semogu izvesti? nepostojanje kontrolne Uvek odaberitevi5esubjekata nego5to je potrebno,pogotovokada su vam u uzroku liudi. Liudi su iuveni po svojoj nepouzdanosti: neie se pojaviti u dogovorenovreme,razboleiese, odustaieili neie popLrniri istraZiupitnikekako treba!Zato ralunajtes tim unapredi isplaniralte pretposravire situitcijama vanjetako da mu ro ne naudi.U neizvesnim da ie ishod biti loSiji,arne bolji. predvidite dovoljno subiekatau U eksperimentalnim istraZivanjima ako velidine, svakojgrupi (i potruditeseda one budu pribliino jednake 11. je rnoguie).Kada su grupe male,teSkoje otkriti statistidki znadajne (od dega kao 3ro zavisimoi istraZivanja, nesludajne razlikeizmedunjih je objaSnjeno uvodu petogdelakniige).Potrebnuvelidinuuzorkatreu deo u knjizi koju j.odgovaraju6i ba izraiunati.Primeraradi, proditajte napisaoStangor(2006)ili nekorndrugom udibeniku za statistiku;potraLitetermin snagaili moi (engl.power). Kad god je to moguie, nemojtekoristiti posfojeiegrupe,nego svakoj situaciji subjektedodelite nasumiino. Thko 6ete u eksperirnentalnoj razliditih grupa (za razllku od ponovljenihmerenjaistih istraZivanju grupa)smanjitiproblemneekvivalentnih grupa.Razmotritei da li iere dodatnim merenjimagrupa dokazatida se one sudtinski razlikujtr. ne MoZda iete moii da (npr. analizomkovarijanse) statistidkiuradunate uticaj otkrivenih razlika izmedugrupa.

' rzaberiteprikladne zavisnepromenljive koy'esu valjane (varidne)i pouzdane; videti rasprnu.r to-. u nastavkupogtouti';. o Bilo bi dobro da ispitateviderazliiitih obeleZja, poito su ,,.ko Jb.l.zja osetljivija od drugih. Ne stavljajte na iednu Lartu. sve . pokuiajte da preclvidite moguii uticaj remeriladkih zbunjujuiih pro_ ili menljivih.To sy nlomenljivepomoiu kojih ,. ,.rulr"ri _ogu drugadije objasniti.ponekadih je teiko uoditi kada dovek,u- pr"i.r.ruje istraii_ vanje,zatopresprovodenja istrazivanja obavezno.r.ko rr.ko irugi 1r;_ pervizor, kolegaistraiivai) proveri projekatuns.gi;;zivan;a. ucyinite sve5ro mo'ere da biste uradunaliuticaj remetil;kih promenljivih.u prepoznavaniu moguiih remetiladkih promenrjivih, poLaie dotro poznavanieo blasti istrazivan Ako ima-dopu.,rkihpri-"rrt; ja. iuih ko j e',e moiere da kontroliiete,mozereli da ih izmerite? Ti-. Lir,. staristiiki uradunalinjihov uticaj (npr. analjzom kovariianse). o Kada raditeanke,tu,,najpre obaviteprobno (engl. pitot)istraZivanje ko_ jim iete utvrdiri da li_suuputstva, pita.rjai vrJnosti nr.rt Kad god je to moguie' probno istiaZivanjesprovedite "rn-r';rr'i. -.a, istom vrstom ljudi medu kojima ie i glavna ,irrdiu biti sprovedena (npr. adolescenrima, nezaposrenim mlJdim lj udima, r"ruor"ii."r-a Morate ). obezbediti ispitanicirazumejustavkeanke;';.;;;;;imika da i da na njih odgovarajuna prikladan ,r.din. probno istraiivanye b;'tr"bolo du ot_ krije i pitania ili stavkekoje bi -ogr. da uvredeporencijalne ispitanike. o Kada sprovodite eksperiment,biro bi dobro da-odrLite generalnu probu i pilot-ispirivan proverite eksperimenrarni jem i postupak merekoje i nameravate upotrebite. proverirekako radi da iete kori_ stiti' Ako ie u vaiem istraZivanju "pr.-uio;u 'destvovativiie pomofnika u svojstvu eksperimentatora anketara, ili proverite da Ii su dobro obudenii znajuli 5tatrebada rade.ukolikoii viie osobaposrnatratr ocenjivati i ponaian proveriteda ja, ri znaju ispravnoda zabereLe ruol.*opr".u".i1". Napravite orobn.y porrzdanost njihovihocena, ko_ tj. leJiiui proverite liko su ocene razriditih;.r;;;;"rl pilot (iri probsagrasne. no) ispitivanje post.rpai, i -".".r,a "i.a"r"bno vam da otkrijete ita bi pomofi ie moglo da zaikripi.kndu pot.,. istrazivanje, svedodarneremei tiladkediniocet<o;i ui -"gii a" ";iik.i ,.r.,r,ut.. N"k. od njih l" nije moguie predvideti (npr. "ritu gra'trevinske ,ndou" koji na dan podetka velikog Istraiivanjamogu po.ietiispod prozoralaboratorije),ali vi pokuiajte da konrroliSere one dinioce ioie'moiere.
t.

ilHLffi *:','"?,'"it:,{',il.,ffi #,:i",i}};if1,:##:

skala i mera ;::,:: odsovarajucih

upotrebljavati merne skale projektov2lne da,,operacionalizuiu,' odredeni pripadni osnovni konstrukt ili atribut koji se ne moie izmeriti neposredno (npr. samopo5tovanje).U istraZivanju se moZe upotrebiti na hiljade overenih skala. Ponekad nije lako pronaii onu koja je prikladna za vaiu svrhu. Treba podeti remeljnim pregledom literature u oblasri od interesa. Koje mere su upotrebljavali drugi istraiivadi u toj oblasti? Katkada se u dodatku struinog dlanka navode vrednosti od kojih se sastoje merne skale; inaie 6ete moZda morati da pronadete originalan ilanak u kome su opisani projekat i validacija skala od interesa. Neke skale su zaitiiene kao intelektualno vlasniStvo, 5to znadi da biste od izdavaia morali da kupite zvanidne kopije koje iete koristiti. Ostale skale, u potpunosti objavljene u struinim dlancina, predstavljaju javno vlasniStvo, 5to znadi da ih istraZivadi mogu upotrebljavati bez naknade. Medutim, veoma je vaLno da navedete odakle potide svaka merna skala koju ste upotrebili i sve detalje odgovarajuiih referenci. Prilikom izbora skala morate uzeti u obzir njihovu pouzdanost i valjanost (validnost). Na kvalitet dobijenih podataka mogu da utidu oba ta faktora. Tokom razmatranja moguiih skala, treba prikupiti informacije o pouzdanosti i valjanosti svake od njih. Te informacije ie vam trebati za odeljak ,,Metodologija" izve(taja o istraZivanju. Bez obzira na to koliko su pohvalni objavljeni izveitaji o pouzdanosti i valjanosti odabranih skala, ne propustite da i njih podvrgnete probnom ispitivanju na predvidenom uzorku. Neke skale su pouzdane unutar odredenih grupa (npr. odraslih iz porodica koje govore engleski), ali su potpuno nepouzdane kada se upotrebe unutar drugih grupa (npr. dece iz porodica koje ne govore engleski).

alfa, koji i SPSSume da izratuna videti u poglavlju 9. To ie proseina korelacrja izmedu svih vrednosti na skali. Iznos tog pokazatelia je naravno izmedu 0 i 1, pri demu veii broj (vi5a korelacija) pokazuje veiu pouzdanost. zavisno od prirode i namene skale, zahtevaju se razliditi nivoi pouzdanosti, aii Nunnaly (1978) preporuiuje da se ne prihvatta pouzdanost manja od 0,7. Kronbahov koeficijent alfa se menja u zavisnosri od broia vrednosti na skali.za mali broj vrednosti na skali (manji od 10), Kronbahov koeficijent alfa ponekad je veoma mali. Thda je bolje izraiunati i u izveitaju navesti srednju vrednost korelacije izmedu svakog para vrednosti. Optimalna srednja vrednost korelacije izmedu parova vrednosti na skali iznosi izmedu 0.2 i 0,4 (po preporuci navedenoj u Briggs & Cheek, 1986).

Validnost
do validnostskaleje stepen kojegona meri ono 5robi trebaloda meri.NaZalosr,ne postojijasanpokazatelj validnostiskale. validacija(provera validnoprikupljanjeempirijskihdokazao njenojupotrebi.U sd) skalepodrazumeva dlancimaseuglavnomraspravljao validnosti sadri.aja,validnosti kriterijuma i validnosti konstrukta. validnost sadriala se odnosi na adekvatnosts kojom je uzet uzorak za meru ili skalu iz predvidenoguniverzalnogskupa ili domena sadriaia. validnost kriterijuma je odnos izmedu rezultarana skali i odredenogmerljivog kriterijuma. validnost konstrukta znadi ispitivanje skale ne prema jednom kriterijumu, nego prema teorijski izvedenimhipotezamao prirodi pripadne promenljive konsrrukra. ili validnosrkonstrukra istraZuje se ispirivanjem nje, govog odnosa s drugim konstruktima, kako srodnim (konvergentnavalidnost),tako i onim nesrodnim(diskriminantna validnost). Lako iitljiv i sazet prikaz raznrhvrsta validnosti moiete proditati u udzbenicimaiiii su autori Stangor (2006),odnosnoSrreiner Norman (2003). i ukoliko u svom istraZivanju nameravate koristite merneskaie,biio bi da dobro da o rome jo5 ne5to proditate: u udZbenikukoji je napisaoKline (2005)videti pridu o psiholoikomtestiranju, u ve6pomenutomudzbeniku a Streinera Normana (2003)o skalamaza merenjezdravlja.IBowling je nai pisaonekoliko odlidnihknjiga o mernim skalamaza z.dravstvo meJicinu. i

Pouzdanost
(engl.reliability)merneskalepokazujestepen Pouzdanost njeneotpornosti na sluiajnegreSke. Dva destokoriS6ena pokazatelja pouzdanosti skalejesu njena urentenska stabilnosf,engl. test-retest reliability (stabilnostnjenih rezultata pri ponovljenoj upotrebi na istom uzorku) i wnutrainja saglasnost (engl. internal consistency).Vremenska stabilnost se meri primenom iste skalena istim subjektima dva navrata;zatimseizraiuna korelacijaizmedu u tako dobijenih rezultata.Pouzdanijaje skala koja ima visoku korelaciju. Prilikom raz.matranjaove vrste pouzdanosti, treba uzeti u obzir prirodu konstrukta koji skala meri. Skalaprojektovanada meri stanjateku6egraspoloZenja tedkoda moZeostati stabilnatokom viSesedmica. Stogaie vrernenskastabilnostskaleraspoloi.enja verovatnobiti niska.Medutim, mere (obeleZia) svojstava stabilnihlidnostitrebalo bi da ostanugotovo jednakei da imaju visoku korelacijurezultatapri ponovnoj upotrebiskale. Drugi vid pouzdanostiskalekoji se moZeoceniti jestenjena unutrainia saglasnost. je stepen kojegvrednostikoje dineskalumereisti pripadni To do atribut (tj. do kojegsu medusobno povezane). Unutrainja saglasnost meri se na viSenaiina. Najieiie se upotrebljava Kronbahov (Cronbach) koeficijent

Priprema upitnika
u.mnogim istraZivanjima, informacijeseprikupljaju od subjekata ispitaili nika. Ponekadto znadi prikupljanje demografikih podataka od subi&ata pre nego 5to ih se podvrgnenekom eksperimentalnom postupkr.r. druge S strane,mozda iete projektovati obimnu anketu koju treba razdelitiodabranom uzorku stanovniSrva. Slaboisplaniranili lole projektovanupitnik neie dati dobre podatke iz kojih semoze izvucikvalitetan odgovor na istrazivana pitanja.Prilikornpripremeupitnika razmislite romekako iete upotrebirite o lntormacije;morate unapredznati koje statistidke anerlize iete primeniti.U zavisnosti od predvidene starisriikerehnike,pitanje rreba posraviti na

odredeni nadin ili dati razlidite formate odgovora. U narednim odelicima navedeni su neki od dinilaca koje treba razmotriti prilikom projektovanla i sastavljanja upitnika. Poito iemo samo malo zagrebati po povrSini teme projektovanje upitnika, preporudujem da o tome neito viSe proditate ukoliko sami projektujete svoje istraZivanje.Za to je odlidna literatura De Vaus (2002), odnosno Boyce (2003 ) za istr aLivanja poslovanja.

Vrste pitania
Veiina pitanja semoZerazvrstatiu dve grupe:zatvorenai otvorena.Zatvoreno pitanjeje ono kada ispitanicimanudite viSeunapreddefinisanihodgovora. Od njih se traZi da jedan od ponudenih odgovora odaberu zaokruZivanjem, polja i sl. Ponudepodvlaienjem,precrtavanjem Strikliranjempripadaju6eg ili ni odgovorimogu biti prosto Da/Ne, Muiko/ZensAo;ili semoZeponuditi veii na broj moguiih odgovora, primer:
Koja je najvi5aSkola koju ste zavrSili(oznaditeodgovarajuce polje)? D 1 . O s n o v n aS k o l a f| 2. Deo srednjeSkola D 3. Cela srednjaSkola C 4. ViSaSkolaili dodatna obuka D 5. Dodiplomskestudije na univerzitetu D 6. Postdiplomske studije na univerzitetu Zatvorena pitanja je obidno veoma lako pretvoriti u numeridki format koji je potreban SPSS-u.Primera radi, Da se moZe Sifrovati sa 1, Ne sa 2; Muiko sal,,Zensko sa2.lJ prikazanom pitanju o obrazovanju, odabrani odgovor bi se Sifrovao unoienjem rednog broja oznatenog polja ispred odgovora. Na primer, ako ispitanik oznadi polje ispred odgovora Dodiplomske studije na uniuerzitetu, to bi se 5ifrovalo brojem 5. Postupak Sifrovanja je lakli kada se svakom od moguiih odgovora dodeli neki broj. Za potrebe unoienja podataka, odaberite neko pravilo za dodeljivanje brojeva (npr. brojevi rastu sleva nadesno i odozgo naniZe) i pridri.avajte ga se kroz ceo upitnik. Ponekad se ne moZe pretpostaviti koje bi sve odgovore ispitanici mogli dati, te je neophodno zadati otvorena pitanja. Prednost je to 5to ispitanici tada imaju priliku da odgovore na svoj naiin, ;'er nisu ograniieni izborom odgovora koje im pruZa istraZivad.Primera radi:

odgovori na otvorena pitanja mogu se saZetiu neRadi unodenja u SPSS, koliko kategorija. One se obidno utvrduju nakon sagledavanjaraspona svih odgovora dobijenih od ispitanika. I iz prethodnih istraZivanja te oblasti mogu se izvu(i moguie kategorije. Svakoj kategoriji odgovora dodeljuje se druga 5ifra, to jest broj (npr. radno mesto=1, finansijsko stanje=2, ljubavni ViSe pojedinosti o tome sadrZi odeliak odnosi=3) i taj broj se unosi u SPSS. u poglavlju 2. o pripremi Sifarnika Ponekad je najbolja kombinacija zatvorenih i otvorenih pitanja. To znadi da se ispitanicima daje nekoliko unapred definisanih odgovora i jedna dodatna kategorija (ostalo) koju mogu odabrati ukoliko ieljeni odgovor nije medu ponudenima. Sledi jedan ili dva prazna reda sa crtom na koju mogu upisati svoj odgovor. Takva kombinacija zatvorenih i otvorenih pitanja naroiito je korisna u ranim fazama istraZivanja date oblasti, poito pokazuje da li definisane kategorije odgovora adekvatno obuhvataju odgovore koje ispitanici naj6e5iedaju.

Formatodgovora
Prilikom formulisanja pitanja, morate odluditi i koji 6ete format odgovora ponuditi ispitanicima. Format odgovora moZe imati posledice po statisridke analize koje se na te odgovore mogu primeniti. Za neke analize (npr. korelacija) potrebni su odgovori dije vrednosti dine 5irok, kontinualan opseg od malih do velikih brojeva. Ako za pitanje o njihovoj starosti ispitanicima ponudite kategorije odgovora koje treba da izaberu (npr. manje od 30, izmedu 31 i 50, i preko 50 godina starosti), takvi podaci ne6e biti prikladni za korelacionu analizu. stoga, ukoliko nameravate da istrazite korelaciju izmedu starosti osobe i, recimo, njenog samopoitovanja, ispitanicima bi trebalo omoguiiti da upiSu koliko imaju godina. Pokuiajte da ponudite 5to Siri izbor odgovora na svoja pitanja. Odgovore kasnije uvek moiete saZeti,ako treba (videti poglavlje B). Nemojte ispitanike pitati samo da li se slazu s nekom tvrdnjom ili ne; upotrebite skalu Likertovog tipa, sa stupnjevitim odgovorima - od potpunog slaganja do potpunog neslaganja:

nimaloseneslaiem 2 3 4 5 6 7 I 1

10 slaiemseootouno

Kojije za vastrenutno glavni izvor stresa?

Ta vrsta skale omoguiava Siri raspon moguiih odgovora i poveiava broj statistidkih analizakoje se na takve odgovore mogu primeniti. Moraiete da odluditekoliko iete stupnjeva odgovorima(npr.od f a" 10) koristiti. Deu Vellis (2003) dobro razrr.atra prednosti i mane raznih skala odgovora. Koji god format odgovorada izaberete, moratedati i jasnauputstvaza njega.2eItte li da ispitanicijedan od ponudenih odgovora odaberu oznadavanjem polja (kuiice), zaokruLivanjem broja ili moZda upisivanjem odredenog

L-_

znaka na crtu? VaS upitnik moZe biti prvi koji ispitanik popunjava u svom Zivotu. Nemojte pretpostaviti da ispitanici vei znaju kako se odgovara. Dajte jasna uputstva - po moguistvu i primer - i uvek sprovedite probno ispitivanje one vrste ljudi od kojih ie se va5 uzorak sastojati. Pre nego Sto razdelite stotine upitnika, uklonite sve moguie izvore zabune. Kada sastavljate pitanja, uvek razmislite o tome kako bi sve ispitanik mogao da shvati to pitanje i razmotrite sve moguie odgovore koje bi neko na to pitanje mogao da d6. Na primer, hteli biste da saznateda li osoba puii ili ne. Pitanje bi moglo da glasi: polje) Da li puSite?(ozna6ite D Da D Ne

ffi k L",;.MF'

PriPrema sifarnika

Kada bude popunjavao upitnik, ispitanik bi se mogao zapitati da li se lulu ili moi.dana marihuanu? li je dovoljno znati samo Da misli na cigarete, puii li osoba?Treba li da saznate koliko puii (dve-tri cigareteili dve-tri i puSi(svakidan ili samou izuzetnim prilikama, paklicednevno),koliko desto je da razmisliteo svakompitanju: koje informau druitvu)? Smisaoovoga cije ie vam dati a koje neie, a potrebnesu vam.

pitanja Sastavljanje
Za sastavljanje jasnih i dobro sroienih pitanja u upitniku zaista treba umeie. Iako ne postoje jednostavna pravila kako se to dobro radi,znaju se gre5ke koje sigurno vode do loiih upitnika. Poku5ajte da izbegnete: r dugaika, sloZenapitanja; o dvostruke negacije; r dva pitanja u jednom; . Largon i skraienice; . pojmove i izraze dije se znadenjemenja zavisno od kulture kojoj osoba pripada; o viSeznadne redi; . pitanja koja navode na odgovor; i . reii koje pobuduju jaka oseianja. U odgovarajuiim sludajevimatrebalo bi da razmislite o ukljudivanju kategorije ,,Ne znam" ili ,,Nije primenljivo". Dalje preporuke o tome kako se piSu pitanja videti u knjigama koje su napisali De Vaus (2002) i Kline (2005).

da Pre nego 5to podnete unositeinformacijeiz upitnika, intervjuaili ekspetreba da pripremiteSifarnik(engl.codebooA). je zbir inTo rimentau SPSS, informacijadobijenihod svakogsubjektaili sludaia strukcijaza pretvaranje (engl.case)u numeridki format razumljiv SPSS-u, u brojeve.U ovom tj. poglavljupokazaiemo korake od kojih se ta priprema sastoji,i to na prigrupamojih postdiplomaca. meru datotekes podacimakoju je osmislila Kopiju tog upitnika i Sifarnik napravljen za nieganaii iete u dodatku na kraju preuzetis prateie \7eb lokacije.Kada knjige.Datoteku s podacimamoZete da imate sav taj materijal,moZete sagledate postupak- od sastavljanja ceo upitnika do pravljenja zavrine datoteke s podacima, spremneza analizu. Iako samza ilustracijukoraka u razvojuSifarnika upotrebilaupitnik, postupak je sliian i u eksperimentalnim istraZivanjima. PripremaSifarnikaobuhvata donodenje odluke (i dokumentovanje) kako iete: . definisati i nazvati svaku promenljivu; i . dodelitipo jedan broj svakomod moguiih odgovora. Svete informacijetreba zabeleLiti papiru ili u datoteci.DrZite to na nena kom bezbednommestu;nema niStagore nego vratiti se datotecis podacima koju neko vreme niste koristili i onda se pitati 5ta znaie unete skraienice i brojevi. U Sifarniku bi trebalo da navedetesve promenljive iz upitnika, skra6ena imena promenljivih koja 6eteupotrebljavatiu SPSS-u nadin na koji 6ete i Sifrovati odgovore(pridruZitiim brojevekoje ie SPSS statistidki analizirati). U ovom poglavlju dati su pojednostavljeni primeri koji ilustruju svaki korak. U prvoj koloni tabele2.1 navedeno ime promenljive(na srpskom,a je ne radunarskom jeziku).U drugoj koloni je skradeno ime promenljivekoje ie se upotrebljavatiu SPSS-u (videti dolenavedenu konvenciju),a u treioj koloni piSete broj (5ifru)koji iete pridruZitisvakomod dobijenihodgovora.

L-

lmenapromenljivih
Svako pitanje ili stavka u upitniku mora imati svoju promenlyivu jedinstvenog imena. Neka od tih imena jasno ie pokazivati o kakvoj se informaciji radi (recimo, pol, starost). Druga pitanja, kao 5to su vrednosti od kojih se sastoji neka merna skala, mogu biti identifikovana odredenom skra6enicom (npr. opl, op2, op3 kao imena stavki od kojih se sastoji skala optimizma). Tabela 2.1: Primer Sifarnika Promenljiva
ldentifikacioni broj Pol Bradno stanje

Prva promenljiva u svakom skupu podataka trebalo bi da bude ID, tj. jedinstven broj koji identifikuje svaki analizirani sludaj. Pre nego 5ro postupak unoienja podataka podne, prodite kroz sve upitnike odnosno zapise podataka i svakom od njih dodelite jedinstven broj. ZapiSite taj broj ditko na prednjoj korici. Kasnije, ako u skupu podataka pronadete gredku, pomoiu jedinstvenih brojeva iete lako otkriti onaj s gredkom.

lme promenljive u SPSS-u ID Pol Brak

Uputstvoza 5ifrovanie (dodelubrojeva)


Broj dodeljen svakoj anketi I : mu5ki 2 :Zenski 1: 2: 3: 4: 5: 6: neoZenjen/neudata stalan partner oZenjen/udataprvi put ponovo o2enjen/udata razveden/a ili Zivi razdvojeno udovac/udovica

Sifrovanieodgovora
svakom odgovoru mora biti dodeljen odreden broj (5iPre unoienja u SPSS, fra, numeriiki k6d). Deo informacija & vei biti u numeridkom formatu (npr. starost u godinama); ostale promenljive, kao 5to je pol, treba pretvoriti u brojeve (npr. 1=muSki,2= Zenski). Ako ste ponudene odgovore na pitanja oznadili brojevima (videti npr. pitanje o nivou obrazovanja u poglavlju 1), nema razloga da upravo te brojeve ponovo ne upotrebite u SPSS-ukao Sifre datih odgovora. Ukoliko to iz nekog razloga ne6ete, izaberite neko pravilo za dodelu Sifara odgovorima i pridrl.avajte ga se. Primera radi, prvi ponudeni odgovor Sifrujte brojem 1, drugi brojem 2 itd. Kojeje vaSetrenutno bradno stanje? (ozna6ite odgovarajucepolje) D neoZenjen/neudata D stalan partner n oZenjen/udata D razveden/a Da biste Sifrovali odgovore na gornje pitanje: ako je osoba oznadila polje ispred odgovora neoienjen/neudata,5ifrujte to brojem 1; odgovor stalan partner Sifrujte brojem 2; oienien/udata neka bude 3; i razueden/a, 4.

Stavke1 do 5 skale optimizma

Od op1 do op5

Unesi broj koji je zaokruZen, od 1 (nimalose ne slaZem) do 5 (potpunose slaZem)

morate se pridrZavaPrilikom dodeljivanja imena promenljivima u SPSS-u ti viSe pravila. Ona su navedena u izdvojenom odeljku ,,Pravila za imenovanje promenljivih". U ranijim verzrjama SPSS-a(pre verzije 12), imena promenljivih su smela imati najviSeB znakova. U verziji 12 SPSS-a dozvoljena su do 64 znaka. Ukoliko datoteke s podacima nameravate da koristite u raznim verzrjama SPSS-a(npr. u raiunarskim laboratorijama na fakultetu), bezbednijeje da promenljivima i dalje dajete imena od najviSeosam znakova.

Sifrovanje otvorenihpitanja
Sifrovanje otvorenih pitanja (na koja ispitanici sami formuliSu odgovore) malo je komplikovanije. Na primer, uzmimo pitanje: Koji ie zd uctstrenutno glauni izuor stresa? Da biste Sifrovali odgovore na to pitanje, proditajte sve upitnike i potraZite najdeSie odgovore. MoZda ie mnogo ispitanika odgovoriti da im je glavni izvor stresa:radno mesto, finansijsko stanje, ljubavni odnosi, bolest ili nedostatak slobodnog vremena. U Sifarniku iete te glavne grupe odgovora navesti kao vrednosti promenljive koju (ete nazvati stres i svakoj iete dodeliti po jedan broj (npr. radno mesto=1, suprug/a ili partner=2 itd.). Trebaie vam joi jedan brol za one odgovore koji ne spadaju ni u jednu od navedenih kategorija (ostalo=99). Kada budete unosili podatke za svakog ispitanika, uporedite njen/njegov odgovor sa onima navedenim u Sifarniku i unesite odgovarajuii broj (5ifru) u skup podataka za promenljivu stres. Nakon 5to napravite Sifarnik, gotovo da ste spremni za unoSenjepodataka. Prethodno treba da uradite io5 dve stvari:

promenljivih Pravila imenovanie za


l m e n ap r o m e n l j i v i h : . moraju biti jedinstvena(tj. imena svih promenljivih datog skupa moraju se medusobnorazlikovati) : . moraju podeti slovom (a ne brojem); . ne smeju sadr2atitadke,razmake(beline), specijalne niti znakove(! , ? "'"); . ne smeju sadrZati redi koje su komandeu SPSS-u (all,ne, eq, to, le, lt, by, or, g t , a n d , n o t , g e , w i t h ); i . ne smeju sadrZati vi5e od 64 znaka(za verziju1 2 SPSS-a), odnosno osam znakovaza ranije verzljeSPSS-a.

>-

razne njegoveprozore i okvire za dijalog, te kako se 1. upoznateSPSS, otvaraiu i zatvaraiudatoteke. 2. formirate datoteku s podacima pomoiu informacija koje ste pripremili u Sifarniku. i U poglavlju3 opisanisu osnovnastrukturaSPSS-apravila koja u njemu vai.e,a u poglavlju 4 - postupci izradedatotekei unoienie podataka.

trebalo bi da nauiite nekoliko osPre nego 5to podnete da radite u SPSS-u, novnih stvari o njemu. Prvo, SPSSrazne stvari radi u razliiitim prozorima. Da biste mogli da pristupite tim prozorima, prethodno morate otvoriti neku od postojeiih datoteka s podacima ili napraviti novu. Zato iemo u ovom kako se otvaraju izatvapoglavlju objasniti kako se pokreie izatvara SPSS; postojeie datoteke s podacima; i kako se pravi nova (prazna) datoteka raju za podatke. Potom iemo pogledati kakve prozore ima SPSS.

Pokretanie SPSS-a
SPSS moZe pokrenuti na viSe nadina: se . Najjednostavnije je potraLiti ikonicu SPSS-ana radnoj povr5ini u'Windowsu. Postavite kursor iznad te ikonice i dvaput je pritisnite. . SPSSmoZete pokrenuti i tako 5to iete pritisnuti dugme Start, dovesti kursor do stavke Programs, i zatim preii u spisak dostupnih programa. Prelazite po tom spisku naviSei naniZe dok ne nadete SPSS Windows. for . SPSSie se pokrenuti i kada dvaput pritisnete neku SPSSdatoteku s podacima prikazanu npr. u Windows Exploreru. Te datoteke imaju oznaku tipa (engl. extension) .sav. Kada pokrenete SPSS,moZda ie vas dodekati sivi podetni prozor s prtanjem ,,'Sfhat would you like to do?" (Sta biste hteli da uradite?) Lak5e 1e zatvoriti taj prozor (pritiskom na dugme oznaieno sa x u gornjem desnom uglu) i naviii se na upotrebu SPSS-ovihmenija. Kada zatvorite podetni prozor, prikazaie se prazna proradunska tabela (engl. spreadsbeet). Da biste iz ovog prozora otvorili neku od postojeiih SPSSdatoteka s podacima, pritisnite File i zatim Open u meniju koji 6e se prikazati na vrhu prozora.

Otvaraniepostoiecedatotekes podacima
Ukoliko ho6ete da otvorite postojeiu datoteku s podacima (npr. survey3ED, 'Web lokaciji - videti srr.xi), prikoja je, izmedu ost:rlih, dostupna na prateioj tisnite File u glavnom rneniju na vrhu prozora, zatim Open u padajuiem meniju koji ie se otvoriti i najzad Data. U okviru za dijalog Open File pretraZite direktorijume na radunaru dok ne pronadete datoteku u kojoj su podaci smeiteni. Datoteke s podacima uvek treba otvarati sa ivrstog disktr raiunara. Ako su vam podaci na disketi ili na USB disku, prebacite ih u direktorijum na ivrstom disku pre otvaranja. Potom pronadite odgovaraiuiu datoteku na dvrdatoteke s podacima stom disku i pritisnite Open. Ne zaboravite da sve SPSS imaju oznaku tipa .sav.Datoteka 6e se otvoriti u prozoru Data Editor (vi5e o njemu kasnije). Savet Podatke s kojima nameravateda radite uvek najpre prebacite na dvrsti disk te radunara. krajuradnesesije,kopirajte datotekenazadna USB disk ili disketu. Na

Prilikom prvog snimanja nove datoteke s podacima, moraiete da zadate njeno ime i direktorijum u koji ie biti snimljena. Izaberite direktorijum i upiSite ime pod kojim dete snimiti datoteku. SPSSsvim datotekama s podacima koje snima automzrtski daje oznaku tipa .sav,zato Sto samo tako ume da ih prepozna. Ne menjajte tu oznaku, inaie sPSSne6e umeti da pronade datoteku kada je sledeii put budete traLlli.

vam druga,samopritisniteFile Kadazavriiterad na jednojdatotecii zatreba kojem je ta druga datotekasaduizatim open, te pronaditedirektorijum r"r Pritisnite Zeljenu datoteku,pa onda dugmeopen. u verziji vana(snimljena). tako iete otvoriti drugu datotekus podacima,dok ie prva osrari 15 sPSS-a otvorena u zasebnomprozoru. Bilo bi dobro da zatvoite sve datoteke na kojima trenutnone radite,poito viSeotvorenihdatotekaume da zbuni.

Otvaranjedruge datoteke s podacima

nove datotekeza podatke Pravlienje


u sPSS-u lako napravitinovu)praznu datoteku.Pritisnite File,pa u padafe juiem meniju pritisnite New i najzadData.od tog trenutka moZete definisati nove promenljive i unositi podatke. Medutim, pre toga treba da upoznate prozore i okvire za dijalog.Razmotridemoih u narednomodeliku. sPSS-ove

KoriScenje datotekas podacima


moZeteimati vi5e istovremenootvorenih datoteka s U verziji 15 SPSS-a podacima. ume da budekorisno,ali i da zbuni.U svakomtrenutkumoraTo da te imati otvorenu barem jednu datoteku s podacima.Ako pokuSate zaie tvorite datoteku, SPSS vas pitati Zelite li da je snimite pre zatvarania. sve Ukoliko je ne snimite,izgubi6ete podatkekoje ste u toi sesijiu nju uneli prorneniliSifreili izradunalinakon posiednieg i nove promenljivekojima ste otvaranjadatoteke.

SPSS-oviprozori
u SPSS-uiete uglavnom koristiti prozore Data Editor, Vieweq pivot Thble Editor, chart Editor i Syntax Editor. ovde iemo ih prikazati saZero,a u nastavku knjige mnogo detaljnije. Kada podnete da analizirate podatke, imaiete viie tih prozora istovremeno otvorenih. Pojedine srlrdente to zbunjuje, ali je zapravo sasvim jednostavno kada shvatite zaito su otvoreni. Prozor Data Ediior je uvek otvoren zato Sto sadrZi datoteku s podacima koje analizirate. Prozor viewer se otvara kada treba prikazati rezulrate analize; u njemu se prikazuju rezultati svih analiza,navedeni redom kojim su analize obavljane. Molim vas, zapamtire: ovaj prozor se neie otvoriti dok ne pokrenete neku analizu. Prozori na ekranu raiunara ,o kuo pardiii papira na stolu - moZete ih premeltati, nekad je jedan odozgo, a nekad drugi. Svaki otvoren prozor ima svoje dugme na dnu ekrana. Kada zatreba da predete u odre<leni orvoren prozor' pritisnite njegovo dugme na dnu. Mogli biste i da pritisnete wino:ws u glavnom meniju, kako bi se prikazla lista svih otvorenih prozora; pritisnite u toj listi prozor koji hoiete da prikaiete ispred svih ostafih.

Snimanjedatotekes podacima
Trebalobi da snimitedatotekus podacimakad god je izmenite(recimo,ako ste definisalinove promenljive)ili dim je napravite.Datotekese ne snimaju autonatski, kao u vetini programa za obradu teksta.Ukoliko ne steknete struja ili naviku da povremenosnimatedatotekuna kojoj radite, a nestane izgubiietesveStoste rasluiajno pritisnetepogreiantaster(i to se deSava), dili. Da se ne biste nervirali,redovno snimajte.Kada unositepodatke,snimajte svakihdesetminuta, ili nakon svakihpet ili desetunetih upitnika. Da bistesnimili datotekuna kojoj radite,otvoritemeni File (u gornjemleSave. Ukoliko vam je tako lakie, na paleti sa vom uglu) i u njemu izaberite Iako je na sliiici dialatkamagore levo pritisnitedugmesa sliiicom diskete. sketa,kada je pritisnetesnimiietedatotekuna onaj disk na koiem trenutno recept radite.To bi uvek trebaloda budeivrsti disk, zato 5toje rad sadiskete za katastrofu!Godinamami studentidolazeuplakaninakon 5to svoju datoteku s podacimaupropaste radeii na disketiumestona ivrstom disku.

\-

Ponekad prozori koje SPSSprikazuje ne prekrivaju ceo ekran. Bi6e vam lakie kada prozor Viewer (sa svim rezultatima) uveiate tako da prekrije ceo ekran. Da biste to uradili, pogledajte gornii desni ugao ekrana. Tamo bi trebalo da su prikazana tri mala dugmeta. Pritisnite srednje dugme da biste prozor uveiali do kraja (tako da prekrije ceo ekran). Kada poZelite da ga ponovo smanjite, opet pritisnite to srednje dugme.

,,,.H re,:; ii
l'.:' :
1:'dpd

jG
:.r

n b,, l;,, 6
?Ql*
trrFi,IlF!I'_ I ti

_'

l3l r{:

ffi.rs F!Piren{rei
Ir1}-!

'J.{P

l.t! L l:i-se N /1iFn8F= tiJ,qL'ti: I:j

Data Editor Prozor


datotekes podacima,i u tom prozoru otProzorData Editor prikazujesadrZai postojeie datoteke,pravite nove datoteke,unosite varate,snimatei zatvarate nove i menjatepostojeiepodatke,i obavljatestatistidkeanalize(slika 3.1)'

fi rcr;:

* Frequencies
Il!$ls3et l] (l:'rf,arLuren!B

Stdtisl,{3

ter
li lalril ilr$$riiq

,ttt 0

'i,'' i,.l & &


'I : id

";'" '''' ?* 8: ff, "f- fli6

H#;;

S
s6x

66153 5lt7 341


JEf,

2 2
I

46 30
AI

52 32
EI

unlrd

I I'tA.LF'i : FI{AIE'J TDtBI

FrertU{ 139 418

Pef| enl
,l.i' 1

';3lr!1F tf{ tit

i jrrnula!!* FFrrFit

41

1?g 't[8 B

,it JCBO

r00[

Slika3.'l ProzorData Editor.

Slika3.2 Prozor Viewer. Pritisnite stavku Saveu padajuiem meniju koii ie se otvoriti. rzaberite direktorijum u koji snimare rezultatei upiiite jedinstvenoime datotekes rezultatima. Pritisnite dugme Save.Kada datotekama dajem imena, koristim skraienicekoje ukazuju na datoteku s podacimadijom analizom su rezultati dobijeni i datum kada je analizaobavljena.primera radi, datorekaanketa8mai2005.sposadrLirezultare analizepodataka iz datotekeanketa3ED.sau, obavljene8. maja 2006. Imam podsetniku koji belezimimena svih svojih datoteka i pojedinostisvih obavljenih analiza,ukljudujuii i datume.podsetnik mi mnogo olakiava pronalazenjerezulrataodredene analize.Kada podnete sopstvena istraZivanja, videieteda sevrlo brzo nakupi mnogo raznihdatoteka s rezultatima razliiitih analiza.Da biste izbegli zabunu i razotaranje,organizujte sei vodite preciznebele5ke obavljenim analizama o tome gde ste snio i mili niihove rezulrare.

ProzorViewer
Kada pokrenete bilo koju analizu, automatski 6e se otvoriti prozor Viewer (slika 3.2). U njemu se prikazuju rezultati svih obavlienih analiza, tabele i dijagrami. U tom prozoru rezultate moZete menjati, brisati, kopirati, snimari ili prebacivati u'Wordove dokumente. Kada SPSS-uzadate da snimi rezultate svoiih statistiikih analiza, on 6e ih snimiti u datoteku sa oznakom tipa .spo (za rczhku od datoteka s podacima koje imaju oznaku tipa .sav). Prozor Viewer se sastoji od dva dela. Levo je okno sa strukturiranim stablom (menijem) analiza, u kome je kompletan spisak svih analiza koje ste obavili. To stablo upotrebite da biste se brzo kretali kroz rezultate (kojih moZe biti veoma mnogo). Samo pritisnite onaj deo rezultata na koji hodete da predete i on ie se prikazati u desnom oknu prozora. Na desnoj strani prozora Vewer prikazuju se rezultati analiza, ukljudujuii tabele i dijagrame (grafikone).

Snimanjerezultata
Da biste snimili rezultatesvojih analiza,ispred svih ostalih prozora morate imati otvoren prozor Viewer. Pritisnite File u glavnom meniju na vrhu tog prozofa.

Stampanjerezultata
u levom oknu prozora viewer izaberitesvedeloverezultatakoie hoiete da Stampate. seradi tako 5topritisnete To prvi deo koji ho6ete itampate,zada tim pritisnetei zadrLitetasrer ctrl na tastaturi, i porom proizvoljnim redosledompritisnetesveostaledeloverezultatakoje toiete da itampate.Kada

\-

ste izabrali sve Sto hoiete da Stampate,pustite taster Ctrl, pritisnite meni File (na vrhu prozora) i izaberite u njemu stavku Print. SPSS vas ipak uvek piie tati Zelite li da Stampate samo odabrani deo rezultata ili sve.

ProzorPivotTableEditor
naziva izvedenim Tabele rezultatakoje se prikazuju u prozoru Viewer,SPSS (engl.piuot) tabelama, menjati i modifikovati kako god zato 5to ih moZete vam odgovara.Da biste modifikovali tabelu,dvaput je pritisnite,pa ie je prikazatiu prozoru Pivot TableEditor.U njemu semoZepromenitiizSPSS gled tabele,njena velidina,fontovi, Sirinakolona, a redovi i kolone tabele mogu zamenitimesta,Stose nazivatransponovanje.

ProzorChart Editor
Kada od SPSS-a zatraLiteda napravi histogram,trakasti dijagram (engl.bar graph) ili dijagramrasturanja(engl.scatterplot), ie ih najpreprikazati u on prozoru Viewer. Ukoliko treba da promenite vrstu grafiikog prikaza ili nadinna koji su podaci u njemu predstavljeni, dvaput ga pritisnite,pa (e ga otvoriti u prozoru Chart Editor. U njemu se moZe promeniti izgled i SPSS format dijagrama,fontovi, boje,teksturapozadine markeri (slika3.3). Poi je stupakpravljenjadijagramai upotrebeChart Editora detaljnije objainjen u poglavlju7.

posebno koristan kada treba da ponovite mnogo analiza ili (pomoiu SPSS-a) menije da naqtate viSe slidnih dijagrama. Upotrebite uobidajene SPSS-ove zadate osnovne komande odredene statistiike tehnike i zatim ih prenesite u Syntax Editor (slika 3.4). U njemu se komande mogu kopirati i prenositi; mogu se i modifikovati komande koje je generisao SPSS.U njemu se mogu napisati veoma sloZene komande za sofisticirano reiifrovanje (eng|. recoding) i obradu podataka. ViSe informacija o komandama potrazite u SPSS-ovom meniju Help, stavka Command Syntax Reference. Sve izdate komande iuvaju se u zasebnoj tekstualnoj datoteci sa oznakom tipa.sps. Komande prenete u Syntax Editor ne izvrSavaju se automatski nego tek kada vi to zadate tako 5to izaberetekomandu (zajedno s taikom na njenom kraju) i pritisnete meni Run ili dugme sa strelicom na paleti sa alatkama. U datoteku komandi slobodno dodajte komentarel komentar je svaki red koii podinje zvezdicom (slika 3.4).

File Edat Vies Dali Help

Transform Analyze Grdphs Utilities Run Windoa

.,'. : :: l& ffi

,', ff E* [': d{

* @'t':':::, ::1:'. f;21

' R e c o d e E q a l i l i ewy r d e dt e m si n t o n lo i differenariibles vt *recode ptiniismems o it RECODE o p ?o p 4o p E (t=5) F=l) F=3) {4=2) (5=1) l[]To Ropl Rop4 Rop6. EXECUTE . - r e c o d e a s t e r yt e m s m i

Eile Edit [iew

q,'e -ixYls:fr1 ."

Qptions EleEents Llelp

lLb..
t;

Ebttrt

HHU.,: E.

W kr l,1iyr "i,',,r,-k

L X

REcoDEl
nrastl mast3mast4mast6mast/ (1=4) P=3) (:=Z) (a=1)INTO R m a s t lR m a s l 3 m a s l 4R m a s t 6 m a s t l F R EXECLJTF

Slika 3.3 ProzorChart Editor.

Prozor Syntax Editor


posebnimkomandnim jezikom (sinRanije su seu SPSS-u komande zadavale i taksom).SPSS dalje pravi te skupovekomandi zaizvriavaniesvakogprograma, ali se one obidno ne vide, vei vidite samo SPSS-ove menije koji te komande,,ispisu;'u" neku stavkuiz menija.Iako su umestovaskada izaberete moguinosti dostupneu SPSS-ovim menijima dovoljne veiini dodiplomaca,u nekim situacijamaje korisno zaviriti iza scenei preuzetikontrolu nad analizamakoje hoiete da obavite.To seradi u prozoru SyntaxEditor (slika3.4). SyntaxEditor beleZi komandekoje ste upotrebili.To naroditodobro sve dodekada morateda izmenite 5ifreveieg broja starihpromenljivihili izradunate vrednostinovih (5toie biti pokazanou poglavlju 8.) SyntaxEditor je

Slika3.4 ProzorSvntaxEditor.

Meniji
Svakiod prethodnoopisanihprozorasadrZi iznenaduju6e veliki niz stavki u menijima.One seprikazuju pomoiu ikonica (slidica) paleti sa alatkama, na t u padajuiim menijima duZgornje ivice prozora.Ne dajte se uplaSiti; prvo cemo uditi samo osnovnealatke, a sa ostalima6eteeksperimentisati kada steknete malo viSesamopouzdanja iskustva. i

>-

Okviriza dijalog
Nakon Stoizabere stavkumenija,korisnikobidnon-rora di joi informaci;" da To se radi u okvirima za drjalog.Na primer, kada od SpSS-a zatraltted. .iikreneanalizuFrequencies, prikazaie seokvir za dijalog u kome *.u" an .,i]_ berete promenljive udestalosti (frekvencije) dije hoiete da dobijetetrl,ku r.ii

f n

ie strelicom(trouglom). Prom.enliive preii u desnookno. Ako poAneo,esa jliho&te da uklonite promenljivu iz spiskaVariable(s), samo obrnite :E;;; promenljivukoju hoiete da uklonite izaberiteu listi Variable(s), f"rr"prLt sa strelicom(trouglom).Ona ie sevratiti u prvobitnu iifi priiirniri dugme 'riirro. smeruprebacivanja trouglana dugmetu.odgovara promenljiSmer da li se promenljiveprebacujuu lisru Variable(i)ili iz nje q. pokamje "it, ui^e^iuu levo okno' i"eln^ okvira za dijalog sadrii standardnudugmad (OK, paste,Reset.Cancel,Help; slika 3.5). Evo opisanamenetih dugmadi: . OK: Pritisniteovo dugmekada ste odabrali promenljivei spremniste da pokreneteneku analizuili postupak. . Paste: Ovim dugmetom se komande koje je generisaoSPSS prenoseu SyntaxEditor.To je podesnokada hoiete da zabelei,ire izdatekomande ili viSeputa ponovite odredenu analizt. r Reset: Ovim dugmetom briSete okvira za dijalogsvekomande izd:lte iz tokom prethodnogkoriSienja. date analizeili postupka.Time dobijate moguinost da novu analizu obavite bez ikakvog ,,"il.d..rog stanja,od nule,s drugadijim promenljivama. o cancel:pritiskom na ovo dugme zatvarate okvir za dijalog i otkazujete svekomande izdateu vezi s datom analizom ili postupkom o Help: Pritisniteovo dugmeda biste dobili informacije o datoj alalizi ili postupku koji nameravateda sprovedete. Mada sam kao primer okvira za dljarogna slici 3.5 prikazala okvir Frequencies, spSS-oviokviri svi za drjarogiunkcioniiu-p'o irro* osnovnom principu. svaki okvir za dijalog ima niz dugmadis ,rrriditiopcijamakoje seodnosena konkretan porr.riuk ili analiir. pomoiu te dugmadi offaraju sepodokviri u kojima koiit"ik t"a aie analizekoje treba obaviti ili statistiike "..-podatkekoje treba prik";;i.

4, 4,0 d us" st*Lrs a$,nriaritat [mo* s child[cnrld]


,1 | hrl3hert educ .-om6 | |

Vanable[s] lserl d sex

l - l f*-' ] . I Pu.t"l I F.:", f r":--*:'"r L""|!!LJ {*l"f i

Dugmadu okviruza diialog

of 4S,sorrrce stress ls, qt"';nol,er {;nrokel {:]'.oo"n"^ frequency tables ll Dispiay

Slika3.5 Okvirza dijalogFrequencies.

odavde 6ete otvoriti jo5 nekoliko okvira z.a diialog, u kojima se zadaju statistidkeanalize, dijagrami koje treba nacrtari i format u kojem treba predstavitirezultate. raspolaganju razliiiteopcije,u zavisnosti postupNa su od ka ili analizekoju treba obaviti, ali su osnovnanaiela upotrebeokvira za dijalog ista i sadaiemo ih razmotriri.

lzbor promenliivihu okviru za diialog


Da bistenaznadili koje promenljivehoiete da obradite,izaberite tako 5to ih iete ih pritisnuti miSemu levom oknu, pa porom pritisnuti dugmesa srrelicom (trouglom usmerenimudesno); izabranepromenljive ie preii desno,u prazno okno Variable(s). (ito Promenljivese mogu birati jedna po jednar znadida svaki put treba pritisnuti strelicu)ili grupno. Ako su promenljive koje Zeliteda izaberete susedne listi, pritisnitesamo prvu, zatim pritisnite u i drZitetaster Shift, i potom driite taster sa strelicomnadole pritisnut sve dok ne izaberere sve potrebne promenljive.Pritisnitedugme sa strelicorl (trouglom),i sveizabrane promenljivepreii ie u polje Variable(s). Ukoliko promenllive koje hoiete da izaberete nisu susedne levomoknu, u pritisniteprvu promenljivukoju Zelire, pritisnitei drzite tasterc-trl,popa meritekursor nanticdo slede6e promenljive kolu ielite i nju pritisnite,i t.rko na.stavite (drzeii pritisnut taster Ctrl) dok ne tzaberete promenljive kole sve Zeliteda obradite. Kada su sve porrebnepromenljiveizibrane, pririsrrire

rad u Spss-ui hoiete da zatvoriteprogram, pritisniremeniFile u gornjem hu:T uglu prororr. u p"d";.riem menijLr ttsnite koii ie se otvoriti pristavkut*i,. Spsi c"" da pre zatvaranjasnimire podacima datotekus "", olrir,' i daroteku:-;";;i#;a. Svakoj od tih datoteka spss daje crugadiju otnutr".rifn, ri"imah vidi o kojoj vrsti informacijaje rei. uatoteka t ood".irriJl"d;l'"ll "r."i" qatoteka ripn .saq datoteka s rezurtarima.spo, a s komandama .sps.

SpSS Sqtozatvoriti \aoa zavrsire

Kako dobiti pomoc


U sluiaju da vam zatreba pomoi ili da ne znate na 5ta se odnosi neka od po_ nudenih opcija, pomozite se menijem Help. Kada u glavnom meniju p.iti_ snete Help, pojavi6e se viSe opcija: mogli biste potraZiti odredenu rem,, proditati odgovarajuie uputstvo (Tutorial) ili pozvati u pomoi instruktoi (Statistics Coach). Ovo poslednje je zanimljiva novost u SPSS-u,zaro ito istraZivaiima i studentima statistike koji se ne snalaze moZe posluZiti ka., odliian vodii. Proveiie vas korak po korak kroz postupak izbora statisticke analize koja odgovara vaiim potrebama. To ne moZe zameniti udZbenik iz statistike, ali moZe da pomogne. U svakom od glavnih okvira za dljalogpostoji i dodatni meni Help, sa informacijama o izabranom postupku. PotraZite u njemu objainjenje raznih opcija koje se nude u pomo6nim okvirima za dtjalog. Dovedite kursor na nepoznatlr opciju i pritisnite je desnim tasterom mi5a. Prikazaie se mali okvir s kratkim oblainjenjem te opcije.

II mEo

premadatoteke Pri s podacima

s pripremadato.teke podacima za analizuobuhvata viSekoraka. Prvo senau datotekai u nju unesupodaci dobijeniu istraZivanju, obliku oriuipr^rn^ poglavlju2).Zatim u datotecis podau i.finit"""* u Sifarniku(objaSnjeno greSke ukloniti ih. U drugom delu kniige razi trebapronaii eventualne cima se upravo ta dva koraka. U poglavlju 4 obradeni su postupci za matraiu podatakau nju. U poglavlju5 objalnjenje poi datoteke unoSenje pravljenje uklanjanjagreiaka iz datotekes podacima. stupak

datoteKe Pravljenje i za podaike uno5enje podataka

j?.'^",,ixil postupak',* j:*Ti:;jT:ff :,"liT#'::l'"'"Tt:Xf; toKa,prr:"'-i'1.:::r.:-":;:;; i


raka.Dliagram ;;.r,,,.,,t ,,.ruli.nia daroteke pravljenia pogravliuproveiiu vaskroz postupak U korake. ovom SPSS-a' i""f..i" podatakay,liu Romodu u pripremi datotekes podacima: *'1t'd"ukoraka t" Oblasniiemo potrebi,izmenaopcija (tr prethod. Korakl. Prvi korak je pregledi, po koristi za pri,e p..fer.n.e) koie SPSS nim verzijamuspis u ,uui-. ,,, i-irru ^ni"' podataka i dobii enih r ezlhara

.Korak2.Slede6ikorakjeizgradnjaStrukturedatotekespodacimade ivih' finisanjemPromenli podataka,ti..vrednostikoju ie poslednjikorak je unoSenje . Korak3. ili svakojpromenliivojdodelio svaki udesnik ispitanik' Navedenepostupkeiemoilustrovatinaprimerudatotekesurvey3ED.sav, nuopisanoi,, dodutku. U dodatku ie i Sifarnik pomo6u kojeg su dobiieni meridkipodaci za analiz,rrezultata. Datolke s podacimamogu se uvesti i iz drugih programa za tabelarne proraiune (npr. iz Excela).TL moie umnogome da olakSapostupak unoSenemaiuSPSS' nia podataka, koii naivojim radunarima naroditostudentima U E*..lu korir.rik -o i.eda napravipraznu daioteku i da u nju unesepodati ke na svomkuinom rudrrnar.r. Kadu to zavrli, datoteku uvezeu SPSS obradu i analizupodatakanasraviu njemu. Pri kraiu poglavlja biie navedena uputstva unoienje podataka u Excelu. za

rl

Dijagram toka procesa analize podataka PripremaSifarnika (poglavlje 2)

V
Pravljenjestrukturiranedatoteke za podatke (poglavlje 4)

I I

Y
UklanjanjegreSakaiz datoteke s podacima (poglavlje 5)

Da biste otvorili prozor Options, pritisnite Edit u glavnom meniiu na vrhu ekrana, pa izaberite stavku Options. Otvoride se prozor prikazan na slici 4.1. Tu je navedeno mnogo opcija; veiinu ne6etemorati da menjate. U nasravku fu opisati samo kljutne opcije, podeljene po karticama na kojima se nalaze. (S kartice na karticu prelerzitepritiskom na jezidak one na koju hoiete da predete.) Nemojte pritiskati OK dok na svim karticama ne izmenite sve opcije koje nameravate da izmenite.

l Y
lstraiivanje podataka pomocu opisnih statistidkih tehnika i dijagrama (poglavlja6 i 7)

Data General Viewer DraitViener

tiunency DutputLabels Iuip{t names i-,r Drsplay i!)File

Scripts i Chartr_.lnteraeti?e PivolTables

'lsrirbleLisl: labels i-{ Oirploy {.}Alphabetical ..lournal 5 es:ir-,n syntar Jounal in B Fecord tll'Append {., Overwrite C:\...\SPS51 1.0F0\rpss.1nl 5" r""'--_-l l_-'!L9llie... Temporary directory:

notation smlnumher! lot Fl No scienhfic * tn tdbles ViBWer lype at Startup: 1:l Eesular i".: Dreft pornts

Modifikacija promenljivihradi daljih analiza(poglavlje B)

Measurement Syslem

Lonsuese:
Notification:

,!ry1$,

''

:,

\
Obavljanje statistidkihanalizaradi istraiivanja relacija (deo 4) Korelacija (poglavlje 1 |) Delimidnakorelacija (poglavlje 12) Vi5estrukaregresija (poglavlje 1S) Logistidka regresia (poglavlje 14) Faktorskaanaliza (poglavlje .l5) Sprovodenje statistidkihanaliza radi poredenja grupa (deo b) Neparametarsketehnike (poglavlje 1 6) T-testovi(poglavlje 17) Analizavarijanse (poglavlja19, 1 9, 20) Analizavarijansevi6e od dve promenljive (poglavlje 1) 2 Analiza kovarijanse(pogl avl)e22)

c \iaMP
Fecentlg usedfilelist
i; IB

PJ Faiseviewerwindo+r tg l!i.l Scroll new output ; i Sound: &a None r')sound beep i"; Syslem l-Tffi-]

at fl 0pen synlaxwindow stdrt-up

f l(-'l t c"";rl
Slika4.1 ProzorOptions.

Fe-]

lzmenaopciiau SpSS-u
Prenego5ronapravitedatotekus podacima,biro bi dobro da prouiite opcije (postavke) SPSS-a kojih zavisinadinprikazivanja od pod"trku'irezultata.To su opcije za defi'isanje nadinaprikazivanjapro-"r,ljiuih, velidinedijagr:rma, vrstetabelau kojima 6erezultatibiti prikazanii mnogih drugih ta programa.MoZda ie vam spodetka "rp.lnnelto od ovoga bit] nerazumljivo, ali dim podnete unositei analizirate da podatke u SpSSlu, -oi"t. se vratiti na ovaj odeljak. ukoliko radunarna kome je instaliranspss delite s drugim korisnicima ("pl' u radunarsko;' laboratoriji),morareznariove postavke iato sto ih drugi str'rdenti mogu promeniri, a to ie uveliko izmeniri izgredprograma. Tiebalo bi da znatekako da vrariteopcijeu sraro,poZeljnoJtnrri..

KarticaGeneral
Kada dode vremeza obavljanjeanaliza)promenljive mogu biti poredaneabecednoili redom kojim sepojavljuju u daroreci. uvek koristim redosled poJa javljivanjau datoteci,zato 5to je on jednak redosledu sravkiu upitniku i u Sifarniku. bi se promenljiveprikazivale redosledu Da po pojavljivanja daur toteci, pritisnite kruZii pored opcije File u odeljku VariableLists (gore levo). U pododeljkuNotificationodeljkaOutput (doledesno) trebada su powrdena polja Raiseviewer window i Scrollto new output. Tako ie senakon svake analizeautomatski otvoriti prozor Viewer i prikazati novi rezultati. U odeljku Output (goredesno), treba da izaberete polje No scientific notation for small numbers in tables. Tako 6ete sprediti pojavljivanje nekih veomadudnih broieva medu rezultatima vaiih statistidkih analiza.

\-

U odeljku Session Journal treba da je potvrdena opcija Append. To obezbeduje da se u zapisnidkoj datoteci (spss.jnl) beleZesvi postupci koje obavljate u SPSS-utokom svake sesije.Kada pritisnete dugrne Browse, moZere da izaberetedirektorijum u koji ie ta zapisnidka datoteka (engl.lournal) biti smeStena.

KarticaData
Na kartici Data su opcijekoje odredujunaiin prikazivanjadatotekes podacima. Obaveznopotvrdite polje Calculatevaluesimmediately.Time postiZete da SPSS odmah izraiuna i prikaZesverezultate. Ako promenljives kojima radite nisu decimalnevrednosti,mogli biste promeniti format prikazivanja svih promenljivih. U odeljku Display format for new numeric variables,za broj decimalnih mesta zadajte0. To znadi da se decimalnamesta neie prikazivati ni za jednu novu promenljivu. Time smanjujete datotekus podacimai pojednostavljujete njen izgled.

Stilove tabela moZete menjati koliko god puta hoiete, samo ne zaboravite da stil treba promenttipre analize. Kada se tabele vei pojave u rezultatima, viSeim se ne moZe menjati stil, ali se mnoga njihova svojstva (recimo, veliiina fontova, Sirina kolona) ipak mogu menjati u prozoru Pivot Table Editor. Otvoriiete ga kada dvaput pritisnete tabelu koju treba izmeniti. Nakon 5to izmenite sve 5to Zelite na raznim karticama iz okvira za dijalog Options, pritisnite OK. Zatim moZete preii na definisanje promenljivih i unoSeniePodataka.

promenliivih Definisanie
morate saopititi kako vam Pre nego 5to podnete da unosite podatke, SPSS-u promenljive zovu i dati mu uputstva za 5ifrovanje (kodiranje), tj. pretvase ranje vrednosti promenljivih u brojeve. To se naziva definisanje promenljivih, a obavlja se u prozoru Data Editor (slika 4.2). Od verzije 10 SPSS-a, prozor Data Editor se sastoji od dva razlt(ita prlkaza Data View i Variable View Iz jednog u drugi prelazite tako 5to pritiskate jeziike nlihovih kartica na dnu ekrana, s leve strane. Svaka kolona u prozoru Data View odgovara po jednoj promenljivol (engl. uariable) i nosi ime uar. Ta imena ie biti zamenjena imenima promenljivih koje ste naveli u svom Sifarniku (slika 4.2). DuZ leve srrane su brojevi 1.,2, 3 itd. To su redni brojevi analiziranih sludajeva, koje SPSSdodeljuje svakom redu s podacima. To nisu vaii brojevi za identifikaciju sludajeva; osim toga, brojevi redova se menjaju kada sortirate datoteku ili je podelite da biste podatke analizirali u podskupovima.

KarticaOutput Labels
Opcije u ovom odeljku slui.eza prilagodavanjenaiina prikazivanja obiinih imena i duiih opisnih imena promenljivih u rezultatima.Na samom dnu, u odeljku Variablevaluesin labelsare shown as, u padajuioj listi izaberiteValuesand Labels.Tako iete u tabelamagenerisanim SPSS-ovom prozoru Viu ewer mo6i da vidite i numeridkevrednostii dui.a,opisnaimenapromenljivih.

KarticaCharts
Na ovoj kartici su opcije koje odreduju nadin prikazivanja dijagrama. Mogli biste promeniti opciju Chart Aspect Ratio tj. podrazumevani odnos Sirine i visine dijagrama. Pored toga, tu se zadaju fontovi, boje i druga svojstva dijagrama.

promenljivih Postupak definisanja


Da bistedefinisalisvepromenljive kojih sevaii podacisastoje, od najprepritisnite jezitak kartice Variable View na dnu ekrana. U tom prikazu (slika 4.3), duL levestranesu navedeni redni brojevipromenljivih,a duZvrha njihovi atributi (ime, tip, Sirina,broj decimala, dui.eopisno ime itd.).

KarticaPivotTables
prikazuje u izvedenim tabelama. Veiinu rezultata statistidkih analizaSPSS Na kartici Pivot TablesmoZeseu opseZnim listama izabrati format tih tabela. Stil koji vam najviSe odgovaranaii iete eksperimentisanjem. Kada tek podnem s nekom analizom, upotrebljavam stil smallfont.tlo. U ovom stilu slova su sitna, pa se Stediprostor na ekranu (i papir prilikom Stampanja). Medutim, taj stil nije prikladan za uvoz u dokumente koji moraju biti usaglaSeni APA stilom (obaveznim publikacijeiz psihologije), sa za zato 5to vertikalne linije. Kada budete spremni da formatirate tabele u svom sadrZi izveitaju o istraZivanju,mo6i iete da izaberetei neki od APA stilova (bilo koji od formata academic.tlo).

Slika 4.2 ProzorData Editor.

\-

Va5 je zadartakda sve promenljive definiSetetako 5to iete navesti potrebne informacije za svaku od njih u Sifarniku. Deo tih informacija morate sami da obezbedite (npr. ime); ostale automatski dodeljuje SPSS,to su podrazumevane vrednosti. Naravno, te vrednosti se mogu menjati po potrebi. U nastavku 6emo navesti osnovne neophodne informaciie. Upotrebila sam zaglavlja koja odgovaraju zaglavliima kolona prikazanim u prozoru Variable View. Sledi opis jednostavnih koraka od kojih se postupak sastoji; medutim, postoje i brojne predice koje 6ete moii da koristite kada upoznate postupak. Njih navodim kasnije, u odeljku ,,Opcione predice"' Najpre treba upoznati osnovne tehnike.

width
Podrazumevana vrednost Sirine je 8. To je dovoljno za veiinu numeriikih podataka. Ukoliko vaia promenljiva moZe imati veoma velike vrednosti ili je u pitanju tekstualna promenljiva tipa string, promenite podrzrzumevanu vrednost. U protivnom, ostavite je na 8.

Decimals
Podrazumevanavrednost zabroj decimalnih mesta (koju sam zadala na kardci Options opisanoj u prethodnom delu poglavlja) jeste 0. Ako va5a promenljiva ima decimale, promenite ovu postavku kako god vam odgovara.

Label

9
aEel

opisnoime) sluZida promenljivojdateduZiopis od onog KolonaLabel (duZe koliko le iznosila maksimalna duZina imena 5tostaleu osamslovnihznakova, do Dui.a,opisnaimenapromenljivihnavode promenljive 12.verzijeSPSS-a. analiza.Primera radi, promenljivof kratkog se u rezultatima svih SPSS-ovih imenaUMAST mogli bistedodeliti duZeopisno ime Ukupno mastera.

Values
View. Slika4.3 Variable

Name
U ovu kolonu upiSitekratko ime svake promenliive navedeneu 5if:lrniku. Pomoiu imena ie svaka promenljiva u datoteci s podacima biti identifikovana. Imena treba da su Sto kra6a i da ne prema5uju 64 slovna znaka (od 12. verzrje nadalje), odnosno osam slovnih znakova (raniie verzlie SPSS-a).ImeSPSS-a na moraju zadovoljiti SPSS-ovukonvenciju o imenovanju (objainjenu u poglavlju 2). Imena moraju biti jedinstvena,poieti slovom, i ne smeiu sadrLaza ti razmake (beline) niti specijalneznakove. Primere dobrih imenar promenljive proiitajte u Sifarniku u dodatku. Tamo su navedena imentr promenljivih koje su koriSiene u datotekama s podacima nirpravljenim za ovu knjigu. (Pojedinosti o tim datotekama videti na str. 12.)

znadenjebrojeva kojima ste Sifrovali tekstualni U koloni Values definiSete promenljivih, tj. zamenili ga. Pokazaiu taj postupak za promenljivu sadri.aj pol (sex)u drugom redu tabelena prethodnojslici.

1. Pritisnite ta6kena desnoj tri celije(napreseku kolone strani Valuesi drugog redatabele). Otvorice okvirza dijalog se ValueLabel. 2. Pritisnite poljeValuei u njegaupiSite 7. 3. Pritisnite poljeValueLabeli u njegaupi5ite ,,mu5ki". 4. Pritisnite poljupisace'l:mu6ki. dugmeAdd. U zbirnom 5. Ponovite Zenski za Value upi5ite za Value Labelupi3ite pol: za 2, ,,2enski". Pritisnite dugmeAdd. pritisnite sve defini5ete brojeve navedene Sifarniku, u Continue. dugme

Type
prvo ime promenliive, koloni Type ie seautomatskipojaviti u Kada upiSete podrazumevana vrednost tipa promenljive Numeric.To ie vam odgovarati za numeridkepromenljive,ali za tekstualneinformacije (recirno,prezime) tip treba promeniti u String. Tip promenljive menjatetako 5to pritisnetedesnu stranuielije; trebalobi da sepojavi okvir s tri tadkei da vam seprikaZu dostupneopcije. U istom prozoru moZese podeiavatiSirinapromenljivei mesta. broj nienih decin-rah-rih

Missing
PonekadistraZivadi koriste odredenebrojevekako bi pokazali da podatak nedostaje, ne postoji.To ne morateda radite,poito SPSS tj. svakupraznuieliju tumaii kao nepostojanje podatka.Dakle,ukoliko nameravate ostavida te praznomestokada neki deli6informacijanije dostupan, kolonu Missing u prikazaVariable View ne treba niStada upisujete. S drugestrane,ako nepostojanje vrednostinameravate kodirateodreda denimbrojem (npr.99=nema vrednost), morategir upisatiu odeljakMissing Values,inadeie ga SPSS svim statistidkim analizama u smatrati za legitimnu

izaberite vrednost. tom sludaju, stavkuDiscrete U missingvalues upi5itetaj i polje.Mogu sezadarido rritroia koia ukazuju broj (npr.99)u predvideno na to da vrednostine postoje. Ukoliko upotrebljavate takveposebne brojeve (5ifre), bilo bi dobro i da im dodeliteodgovarajuiaduZaopisnaimenau koloni Values.

Kopiranjeatributaiz definicijejedne promenljivena vise drugih Promenliivih


1. U prikazuVariable View pritisniteceliju sa atributomkojitreba kopirati(npr. Width). Sirinu, Copy. 2. Otvoritemeni Edit i u njemu izaberite celiju istog atributakoja pripadaprvoj promenljivoj koju ga treba 3. Pritisnite na primeniti,zadrlite levitaster miSapritisnuti prevucitekursorniz kolonu birajucitako sve promenljive koje taj atributtreba primeniti. na meni Edit i u njemu izaberite Paste. 4. Otvorite

Columns
Podrazumevana Sirinakolona obidnoje B i to je dovoljno za veiinu nanena. Izmeniteje samo ukoliko odekujete ogromne vrednostiili dugaika imena prornenljivih.

Align
Vrednosti u kolonama obidno su poravnate ulevo. Nema potrebe da to menjate.

Zadavanje istih atributa nizu novih promentjivih


Kada podaciobuhvataju skalekoje sesasroje vile pojedinadnih od sravki,odjednom napravitesvere nove promenljivei definiiite njihove atribute.Kao primer,slediopis tog postupkaza Sesr stavki (op1 do op6) skaleoptimizma: 1. u prikazu variabfeview definisite atributeprve promenrjive (opl) prema prethodnim uputstvima. Trebalo da zadate duia opisna bi i imena kojaodgovarajumogucimiznosima promenljive: te 1:nimalo se ne slaiem,2:ne slaiem se, 3:neutralno,4:slaZemse, S:potpuno se sla2em. 2. Dokje izabran variableview,pritisnite redau komese promenljiva broj nalazi (trebalo da se timeizabere taj red). bi ceo 3. Otvorite meniEdit i u njemuizaberite Copy. prazan 4. Pritisnite sledeci red. paste Variables. 5. OtvoritemeniEdit i u njemuizaberite 6. u okviru dijalog za kojece se pojaviti, upisite brojdodatnih promenljivih koje (u trebanapraviti ovomsludaju njihov (op)i rednibrojkojimnove 5), prefiks promenljive trebada podnu(u ovomsludaju, pritisnite 2). dugme OK. Dobiiete per novih promenljivih(op}, op3, op4, op5 i op6). Vrednostina ostalim skalamadodajte prema opisanompostupku (recimo, stavkeod spostl do spostl0 skalesamopoStovanja, engl.self-esteem). Ne zaboraviteda je navedenipostupak prikiadan sa,nokada promenljive imaju isteatribute;on ne moZeda sekoristi kada stavkeimaiu razlidite skale odgovora, npr. kada su jednenominalne(nazivne, kategorijske), drugese a mere u intervalima, kada se njihove vrednostirazliiito difruiu. ili

Measure
Zaglavlje kolone Measure odnosi se na naiin merenja svake promenljive pojedinadno. Podrazumevana vrednost je Scale,5to znadi da se koristi intervalna merna skala, pogodna za neprekidne (kontinualne) podatke. Kada se promenljiva sastoji od kategorija (npr. pol, bradno stanje...), pritisnite tu ieliju i zatim dugme sa strelicom koje 6e se pojaviti. Zakategorijske podatke izaberite nominalnu skalu (Nominal), a za one za koje je vai.an poredak moguiih vrednosti, izaberite ordinalnu skalu (Ordinal).

Opcionepredice
Kada datotekas podacimaima mnogo promenljivih,opisanipostupakume da bude zametan.Ima viSe predica pomo6ukojih ga moZete ubrzati.Ukoliko vise promenljivih ima iste atribute (npr. tip, Sirinakolone, broj decimala), definiSiteprvu promenljivu a zatim njene atribute kopirajte na ostale promenljive.

Kopiranjeatributa iz definicijejedne promenljive na drugu promenljivu


(npr. 1. U prikazu Variable View pritisnite cehju atributom trebakopirati sa koji Sirinu, Width). 2. Otvorite meniEdit i u njemu izaberite Copy. (onojna koju 3. Pritisnite celijuistogatributa kojapripada drugojpromenljivoj trebaprimeniti atribu0. taj 4. Otvorite meniEdit i u niemuizaberite Paste.

podataka Uno5enie
Nakon ito zadate imena svil-rpromenljivih i, gde treba, duZ:r opisna imena koja odgovaraju njihovim mogu6im vrednosrima, sve je spremno za unoSenje podataka. Prethodno pripremite i Sifarnik. Vaino Prilikomuno6enjapodataka ne zaboraviteda datoteku redovno snimate. SPSS ni6ta ne snimaautomatski. Ukolikoto sami ne uradite,rizikujete izgubite da sve 5to ste uneli.Snimatetako 5to na paletisa alatkamapritisneteslidicudiskete ili otvoritemeni File i u njemu izaberetestavkuSave.

i.u.dite kursor n,r bilo koju ieliiu stavnov sluiaj (red).Otvorite meni Data i u njemu izaberite L-d" ,rrn.rnete Pojaviie se prazan red u koii se mogu uneti podaci za nov t-u inr"t, Case. sluiaikoji analizirate' sa imenompromenljivekoiu treba deo Douedii. kursor na osendeni kolone, kolonu tako 5to iete jednom pritisnuti to ime. Pritiukloniti. Izaberitecelu Clear. Edit i u niemu izaberite ,nit. turt"t Deletena tastaturiili otvoritemeni

postoiecih Umetanieiednog sludaiaizme.du ispodmestagdeho6eu redu neposredno

Promenliive Uklanianie

Postupak unosenjapodataka
1. Podaci se unose u prikazuData View. Pritisnitejezidak kartice Data View na dnu prozoraData Editor, levo. Pojavicese proradunska tabela sa imenima promenljivih novodefinisanih duZ vrha. 2. Pritisniteprvu celiju skupa podataka (u prvom redu prve kolone).Oko aktivne celije prikazacese tamna ivica. 3. UpiSitebroj (ako se radi o promenljivoj to bi trebalo da bude 1). lD, 4. Pritisnitetaster sa strelicom nadesno; kursor ce preci u sledecu celiju desno, u koju treba da upi6etedrugi podatak za analizirani sludajbroj 1. 5. U taj red unesitesve informacije sludajbroj 1. Pailjivo upisujteda bi svaki za podatak bio u odgovarajuiojkoloni. 6. Kada pritisnetetaster Home, kursor se vraca na podetak reda. Prelazaku drugi red ostvaricete kad pritrsnete taster sa strelicomnadole.U taj red unesite podatke za sludaj 2. 7. Kada pogreiite i poielite da ispravite greiku, pritisniteceliju s gre5kom. SadrZajielije ce se prikazati iznadtabele.Tu upi5iteispravnu vrednost,pa pritisnite taster sa strelicomnadesno. Kada definiSeteprornenijive i unesete podarke, vai prozor Data Editor trebalo bi da liii na onai sa slike 3.1.

desnood onegde kursor na bilo koju ieliiu u koloni (prornenliivoj) Dovedite Data i u niemuizanovu promenljivu.Otvorite meni bistehteli da umetnete stavku lnsert Variable.Pojaviie sepraznakolona u koju semogu uneti berite podaciza novu Promenljivu.

Umetanienove promenliiveizmedu postoiecih

Otvorite prozor Data Editor u prikazu VariableView. Izaberitepromenljivu tako 5toiete pritisnutilevu marginu (levood broia tog koju trebapremestiti reda).Pritisnite i zadri.itelevi taster mi5a, i prevucite promenliivu na novo mesro.(Dok je budete prevladili, prlkaziva(e se crvena linija koia pokazuje mesta. do gdestetrenutno.)Pustitelevi tastermiSakada stignete Zeljenog

postoiecihpromenliivih PremeStanie

Unoienie podatakau Excelu


Datoteka s podacima se moZe pripremiti u Microsoftovom Excelu i zatim nemaju kod uvestiu SPSS radi analize.To je odliino za studentekoji SPSS da kuie. Excelje obidno deo Microsoftovogpaketa Office. (Proverite li ga imatetako 5to iete na Windowsovojradnoj povriini pritisnutidugmeStart, otvoriti istoimeni meni i pritisnuti u njemu stavku Programs;prikazaie se spisaksvih programa koji se nalazeu radunaru).Slediopis postupkapraUkoliko vljenjanove datotekes podacimau Excelui njenogvYozau SPSS. nameravate iskoristiteovu moguinost,trebalo bi nauditeosnoverada u da Excelu, poito seto ovde neie objainjavati. Upozorenie: 256 kolona s podacima(ri. proda ExcelmoZe radi s najviSe menliivih). Ako bi vaia datotekas podacimatrebaloda ima viSepromenljivih, verovatno ie vam biti lakie da je napravite u SPSS-u nego da je naknadnokonvertujete Excela.(Ako bisteipak morali da koristiteExcel' iz to bisteuradili ovako: na svaki Excelovradni list stavitedo 256 promenliivih, ali tako da je ID prva promenljivana svakomlistu. Zatim svaki list zasebnoprebaciteu SPSS tamo ih spojite (obiedinite)'prema uputstvima i navedenim sledeiemodeliku.) u

Modifikovanie datotekes podacima


Kada napravljenu datoteku s podacima poZelite da izmenite, npr. da dodajete, bri5ete iii premeitate promenljive, dodajete ili uklanjate analizirane sludajeve(redove tabele), otvorite prozor Data Editor u prikazu Data View.

jednog sludaja Uklanjanje


Pronadite sludaj (red) koji treba ukloniti. Dovedite kursor na osendenideo s leve strane u kome je prikazan broj reda (sludaja),pa pritisnite jeclnom da biste izabrzrliceo red. Pritisnite taster Delete nzl tastaturi ili otvorite meni Edit i u niemu izaberite Clear.

Korak 1: zadavanjeimena promenljivih


U prvi red praznog Excelovog radnog lista upiSite imena promenljivih. Th imenir treba da su usaglalena sir SPSS-ovimpravilima za imenovanje (navedenim u poglavlju 2).

podataka Korak2: unoSenje


proradunske 1. Unesitepodatke zaprvi analizirani sludaju neki red Excelove tabele, pazeci da oni odgovarajukolonamau koje ih upisujete. 2. Ponoviteza svaki od preostalihsludajeva.Nemojte koristitiformule niti druge funkcije.Ne zaboravite redovnosnimatedatotekutokom uno5enja. Excelove da 3. PritisniteFile, Save. U polju Save as Type treba da stoji Microsoft Excel Workbook. U odgovarajucepolje upi5ite ime pod kojim ie datoteka biti snimljena.

treba da otvorite Kada dode vreme da analizirate te podatke u SPSS-u, ne Excelovu datoteku sa oznakom oznakom tipa .sav, a spss datoteku sa .xls' tiPa (objedinjavanja) datoteka,obaveznonapravitenjihovu Uoozorenje Pre spajanja da Proverite li Spojene datoteke6uvajteu drugom direktorijumu. kopiju. :;;;^t podatakauspelo,tj. da li su dobijenipodaci jednakionima u prvobitnim iJ "p"i""i" datoteKama'

Spaianiedatoteka

omoguiava datotekes podacima.SPSS Deiuua se da zatrebaspojiti SPSS na (tj. analiziranihsludajeva) kraj datoteka dodavanjemredova "naianie promenljivihza svakiod postojeiihsluiai ntrtoi.i. datoteke, dodavanjem je i.uu. npt kada postanudostupnineki novi podaci.Ova druga moguinost datotekes podacimana viSelistova, kada imateExcelove naroiiio podesna (redova). spojiti na osnovuidentifikatora(ID-a) sludajeva koie treba

Korak 3: pretvaranje format SPSS u


podataka, i 1. KadazavrSite uno5enje snimite datoteku zatvorite Excel. prozoru glavnom Data Editor,u izaberite redom 2. Pokrenite SPSS i u meniju File,Open,Data. Filesof Typeizaberite Excelove datoteke imaju tipa 3. U odeljku Excel. oznaku je .xls. Pronadite va5udatoteku podacima. Pritisnite takoda se njenoime s pojavi poljuFile name. u 4. Pritisnite dugmeOpen.Pojavice prozor se OpeningExcelDataSource.U poljuReadvariablenamesfrom the first row of data trebada stojikvadiOK. ca. Pritisnite DuZ vrha prozoraprikazaieseimenapromenljivihiiji su podaciuvezeni.

Spajaniedatoteka dodavaniemsludaieva

Korak4: snimanjeSPSS datoteke


pri 1. U glavnom meniju vrhu prozoraizaberite a zatimstavku File SaveAs. 2. Upi5ite nekoprikladno datoteke. poljuSave as Typetrebada stoji ime U SPSS (*.sav). Pritisnite dugmeSave. prikazu 3. U VariableView prozoraData Editor sadatrebada zadatesadriaj poljaVariablelabel,Valuelabel,Valuesi Measure(tj.duZa opisnaimena promenljivih i njihovih vrednosti, tip; mogucih samete vrednostinjihov videti i prethodno datauputstva).

iste promenliive,ali razlidite Ovo je postupak spajanjadatoteka koje sadrZe na primer, kada se isti podaci prikupljaju na dva mesta sluiajeve; analizftane u (recimo, dve bolnice)ili ih unosedve osobe.Obe datotekemoraju imati idenmogu biti razliiiti' tidnaimenapromenljivih,madadrugi podaciu datotekama Ukoliko su ID broievi u datotekama koje treba spojiti isti (sludajevi podinjusa ID = L,2, 3 itd.), moraieteih u iednoj ili drugoj datoteciizmeniti pre spajanja,tako da nakon spajaniasvaki analizirani sludai zadrLi svoj jedinstven broi. Evo kako seto radi: otvorite jednuod datoteka,otvorite ID meni Transform i u njemu izaberitestavku Compute Variable. U polie TarID get VariableupiSiteID, a u polje Numeric Expression + 1000 (odnosno dugmeOK Pritisnite u ID + broj veii od postoje6eg broja sludajeva datoteci). i zatim ponovo OK u okviru za drialogkoji ie vaspitati Zeliteli da promenite tu promenljivu. Time ie novi ID brojevi u toj datotecipoieti od 1001, 1002 itd. ZapiSite u svoj Sifarnikda bi se znalo ubr.rduie. Sadaje svespremno to za spajanje datoteka. 1. Otvorite prvudatoteku kojutrebaspojiti. 2. Otvoritemeni Data, izaberite njemustavkuMerge files i potom Add u Cases. izaberite da3. U okviru dijalog pritisnite externalSPSS data file i zatim An za (Akoje vec otvorena, bice navetotekus kojomtrebaspojitionu otvorenu. denau poljuAn open dataset.) (File, Save As) pod 4. Pritisnite snimite Continuei zatimOK. Novudatoteku nekim novim imenom.

Spajanje datoteka dodavanjem promenljivih


Ovo je postupak spajanjadatoteka koje sadrZeiste sludaieve. razlidite ali promenl;'ive demuodgovarajuiisluiajevimoraju imati isti ID broi). obe (pri datotekemoraju poieti promenljivom ID ili nekom drugom zajednidkom promenljivom,npr. prezimenom bolniikim brojem. ili 1. sortirajte obe datoteke rastucim redosledom polju lD. (otvoritemeni po Data,u njemuizaberite stavku Sort CasesizatimlD.) 2. u meniju Data izaberite stavku MergeFilesi pritisnite Add variables. 3. U okviru dijalog za pritisnite externalSPSS data file izatimizaberite An datotekus kojomtrebaspojitionu otvorenu. (Akoje ve6 otvorena, bice navedenau poljuAn open dataset.) 4' U poljuExcludedvariablestrebada je navedena promenljiva zatosto lD, postoji obe datoteke, je dovoljno u pa je preuzeti izjedneod njih, ne treba tj. je preuzimati dvaput. joi Ukoliko tu navedena su imena nekihpromenrjivih, promenite imenapritiskom dugmeRenameda bi sve promenljive im na u jedinstvena spojenoj datoteci imale imena. promenljivu potom polje Match cases on key variablesi 5. Pritisnite lD, nlzad dugmesa strelicom. Timece promenljiva preciu poljeKeyVarialD bles. To znadida ce biti objedinjeni podaciza analizirane sludajeve oznadeneistimlD bro.yevrma. (File, 6. Snimite novudatoteku SaveAs) pod nekimnovim imenom.

tako dobiiene analizirati Srupe pon"k"d datotekutreba podelirii zasebno to Time datotckuneietetraino izmeniri; ie opciia i Zene). i...i*o, mu5karce prikazise f^i, r. moZeukljuditi i iskljuditi.Medutim' promeni6e redosled Datoteku vra6ateu prvobitni redosledsortisludajeva. l^niu u"nt;tiranih Sort Cases' raniempo ID-u, komtrndom Split File' stavku Data izaberite 1. U meniju po Compare groups i zadajtepromenljivu kojojtreba grupisati 2. Pritisnite OK' (npr. sex)'Pritisnite i muSkarce Zene), sve Nakon podeledatotekena grupe (u ovom sludaju, vratitese analize, Kada zavrSite za svakugrupu zasebno. obavljaju analizese oPcijuSPlitFile' i iskljudite Split File. stavku Data izaberite 1. U meniju all prvutadku(Analyze cases,do not creategroups).Pritisnite 2. Pritisnite

podeladatoteke s podacimana grupe

oK. lzbor sludaieva

Za neke analizemoraiete da izaberetepodskup celog uzorkir (npr. samo muikarce). SelectCases' stavku 1. Otvorite meniData i u njemuizaberite 2. Pritisnite dugmeif conditionis satisfied. 3. Pritisnite dugmelF. (u pol, primeru, grupuod interesa na6em koja 4. lzaberite promenljivu definise tj. sex). promenljiva preciu odgovarajuce ce izabrana 5. Pritisnite dugmesa strelicom; (:) tastature jednakosti prikazano unutar polje. dugmesa znakom Pritisnite na ekranu. Primera ga grupi(pro6itajte u Sifarniku.) izabranoj 6. Upi5ite brojkojiodgovara 1 1, brojem pa bisteupisali . Na komandkodirani radi,u uzorku mu$karci su da sex:1' noj linijibi trebalo piSe: OK. 7.Pritisnite Continuei zatim u analizama(npr. korelaciji)radenimposleovog postupkaizbora sluiirjeva,biie obuhvaienasamo izabranagrupa (npr. muikarci). Kada zavriite analize, Cases. opciju Select vratite se i iskljuc=ite

KorisnemogucnostiSPSS-a
sPSS ima mnogo korisnih moguinosti koje su podesneza analize itede vrei me i trud. U narednimodeljcimanaveSiunekoliko glavnih.

Sortiranjedatoteke s podacima
sPSS moie da sortira podatke po vrednostimaodredene promenljive(npr. polu, starosti). 1. otvoritemeniData, izaberite njemu u stavku sort cases izadajte promenljivupo kojojtrebasortirati. Potomzadajte li ce se podacisortirati rada po (Ascending) opadajuiem pritisnite (Descending) stucem ili redosledu. oK. 2. Datoteku vracate prvobitni u redosled takosto u ponovnom postupku zadate po sortiranje lD-u.

1. Otvorite meni Data i u njemu izaberite stavkuSelect Cases. 2. Pritisnite stavkuAll cases. Pritisnite OK.

ima i opciju snimanja opisnih komentara u datoteci U meniju Utilities, SPSS s podacima' stavku Data File Comments. 1. Otvoritemeni Utilities i u njemu izaberite Ako Zeliteda se i oni prikazuju zajednos rezultatima anaUpi5itekomentare. 2. liza,potvrditepolje Display comments in output. Komentarise snimajuzajedno s datumom kada su uneseni.

Komentariu datotecis podacima

Upotrebaskupova
U velikim datotekama podacimaponekadje zametnolistati kroz mnoirvo s pronrenljivih navedenihu SPSS-ovim okvirima za dijalog da bi se stiglo do onih potrebnrhza analize.SPSS omoguiava definisanjei koriSienjeskupova promenljivih. To je posebno korisno u datoteci survey3ED.sav, ima gde mnogo pojedinadnih stavki koje sesabiraju,azbirovi su tek na dnu datoteke. U sledeiemprimeru napraviiu skup koji obuhvata samo demografske promenljivei zbirove. 1. Otvorite meniUtitities njemuizaberite iu stavku DefineVariable Sets. 2. U listi izaberite promenljive. Medu njimanekabudu lD, demografske pro(od menljive sex do smokenumber) svi zbirovi dnu datoteke, Total i na od nadalje. Optimism Premestite promenljive poljeVariable Set. te u in 3. U poljeSet Name upi5ite nekoprikladno skupa(npr. ime Totals Zbirovi). ili 4. Pritisnite dugmeAdd Set izatimClose. Skupstenapravili,ali da bistega mogli koristiti, najprega nrorareaktivirati. 1. Otvorite meniUtilitiesi u njemu izaberite stavku Use Variable Sets. 2. U listidefinisanih promenljivih, skupova stavite kvadicu poredimenanapravljenogskupa(Zbirovi), zatimse vratitenavi5e uklonite a i pored kvadicu (jer stavke ALLVARIABLES bi se inade prikazivale promenljive). sve Ostavite poredstavke kvadicu NEWVARIABLES. Pritisnite OK. Kada su skupoviaktivirani,samoizabrane promenljiveseprikazujuu datoteci s podacima i u okvirima za dijalog potrebnim za obavljanjestatistidkih analiza. Da bisteiskljudilipodelu na skupove: 1. Otvorite meniUtilitiesi u njemuizaberite Variable Use Sets. 2. Potvrdite opcijuALLVARIABLES i pritisnite OK.

samkako sepre unolenjapodatakaformira Sifarnik. U poglavlju2 pokazala ima i opciju DisplayData File Information,pomoiu koje sepravi saZet SPSS opis promenljivihu datotecii njihovih vrednosti. DisplayData File lnformation. File izaberite 1. U meniju (Viewer)ipojavice Working File.Aktivirace prozorzarezultale se 2.lzaberite Variablelnformationi Variable Values.U prvojce biti sve se dve tabele: kojima kodirane promenljivedatoteke podacima, u drugojbrojevi iz s a su kapromenljive. tegorijske

Informacijeo datotecis Podacima

Prikazivanje opisnih imena promenljivihumesto njihovih numeridkih vrednosti


Kada sedatotekas podacimaprikaZeu prozoru Data Editor,obidnose prikazujui numeridke vrednostisvih promenljivih.Ukoliko hoiete da prikaZete duZa,opisna imena promenljivih (npr. muiki, Zenski)umestonjihovih numeridkih vrednosti, otvorite meni View i u njemu izaberitesfavku View Labels. Ovu opciju iskljudujete isti nadin (u meniju View izaberete na View Labelsda biste uklonili kvadicuispred nje.) Drugi nadin da ukljuditeili iskljuiite opciju View Labelsjesteda na paleti sa alatkamapritisneteikonicu koja lidi na nalepnicuili karticu s deklaracijom.

*s"il

f% l ^ r - \ 'Pronalahenje i I r^-^:;* \, "cl i uklanjanje L",n*"ff pogtesnili podataka

neophodnoie da iz njih uklonite grePrenego5to podneteanalizupodataker, prilikom unoSenja podataka,a nekegreike na5ke.Veomaje lako pogreSiti kasnijeanalize. Primeraradi, dovoljno je upisati Zalostumeju da upropaste 35 kada je trebalo uneti 3, pa da serezultati korelacioneanalizepotpuno poili remete.Neke analizesu veoma osetljivena takozvaneneregularne neti(engl.outlier),tj. vrednostikoje su mnogo veie ili mnogo manje pidnetadke od onih dobijenih u svim ostalim analiziranimsluiajevima.Zato je bolje i utro5itivremena podetku,u traZen;'u otklanjanjugreiaka,negonaknadno prouzrokuju.Iako je gre5ke u pokulajima da se otkloni Stetakoju zaostale taj postupak dosadani naporan za oti kada se radi o velikim skupovima podataka,on je neophodan, uStedede a vam mnogo nerviranja! podatakaobuhvataviSekoraka: Postupak diSdenja . Korak 1: traienje greiaka. Prvo treba pregledatida li je vrednostneke promenljiveizvan rasponamoguiih vrednosti. . Korak 2: pronalaien'jei isprauljanjegreiaka w datoteci s podacima.U datoteci s podacima treba pronaii tu greiku tj. analiziranisludal u kome segreika javija, i ispravitiili obrisatitu vrednost. Da bisteimali na demuda veZbate opisanipostupak,ubacilasam greike u glavnu datotekus podacimasurvey3ED.savtako dobila datotekuerrori 3ED.sav, koja semoZepreuzetis prate6e'Web lokacijeove knjige (pojedinosti videti na str. xi i u dodatku). U dodatku je i 5ifarnik na osnovukoieg je vrednost svake promenljive pretvorenau odgovarajuii broi tj. podatak. Zato pokrenite SPSS otvorite error3ED.sav.Proradujuii navedene i korake, tumaieii rezultate analizai rade6ina datotecis podacima,upoznadete SPSS SPSS-ove menije.Za svaki postupak sam navela i odgovarajuieSPSS komande.U poglavlju3 je detaljnijeopisanaupotreba prozoraSyntaxEditor za beleZenjesnimanjeSPSS i komandi. Prenego5topodnete, menijuEdit izaberite u stavkuOptions.Na dnu kartice Output Labels nadite poslednjepolje (Variablevalues in labels shown as:)i u njemu izaberitestavku Valuesand Labels.Time ste zadalida seza kategorijske promenljiveprikazuju i tekstualniopisi (engl.labels)i nr-rmeridke vrednosti 5ifre,brojevi), olaklavaprepoznavanje (tj. greiaka. 5to

Traienjegreiaka seprvenstveno svodi na trazenj_e vred.osti onih koje su izvan rasponamoguiih vrednosridate promenrjive. Na prtd;ili" promenljiva Pol kodiranasa 1=muiki, 2=Zsnskl, niiednan;enavrednost bi sesmela 'e razlikovati od 1 ili 2. vred'osti izvan;"r;; moguiih vrednostikvarerezulrare statistidkih analiza,pa je veoma vaino ispraviti sve te greike pre nego sto uopstepodnete analizirate da podatke. rrizitrgreike ,r"E, fr.gr.dati udestafosti (frekvenctje) suib pto-.niliuih, ukljudujuii tu i svepojedinaine vrednosri od kojih se sastoje merneskare.cresk. ir.b" rrpr"uiti pi. i;;;;""r"" ja z.bir_ nih rezultataza te skale.Bilo bi dobro da u nekom podsetnikubelezite sve pronadene greike i izmenekoje ste sproveliu a"ro,".i', fiil.i;". U sPSS-u postoji viie moguinostiza trai.enjeg.";"L"iopirneu aun naii.a - jedanpodesniji zakategoiijske promenrjive(nir. poly, u-a'*gi za neprekid_ ne (npr.starost).

^eraK | : rrazenre gresaka

Sledi odabranideo rezultataprethodnog postupka.


Statistics

TraZenje_ g resaka u vrednostimakategorijski h promenljivih


u ovom odeljku predscaviiupostupak pre.traLivanja kategorijskihpromenljivih. U sledeiemprimeru pr"t.riii.-t darorekuerror3E"D.sav, koja se moie preuzeti s prateie rfeb rokacije ove knjige ("id;r; ;;i;TraZiiu gre_ ike u vrednosrimapromenrjivih poi (sex), Bradno sranje (Marital status) i NajviSazavriena .kola (Highesreducarion completed).u datoteku error3ED.savgre.ke su ubadene ,,u-".r,o, pa njih n.;u ;;ir;o]-d-"ror..i , po_ dacima,survey3ED.sav.
2 STEADY RELATIONSHIP 3 LIVING WITH PARTNER 4 MARRIED FIRST TIME 5 REMARRIED 6 SEPARATED 7 DIVORCED 8 WIDOWED Total

marital status

8.4 8,4
Aa1 o,d

40,8 83.8 90,7 s2.9 98.4 100,0

2.3
{4

PostupakpretraZivanja kategorijskihpromenljivih

1.6

1' U glavnom meniju vrhu prozorapritisnite na Anaryze, zatimDescriptivestatistics i najzad Frequencies. 2.lzaberite promenljive ielite da proverite koje (npr. pol,brak, skola). t sa streticom, dimeizabrane promenljive prebacujete polje u ff|;:lfjugme 4' Pritisnite dugmestatistics.U oderjku Dispersion potvrdite poljaMinimum iMaximum. 5. Pritisnite continueizatimoK (iripasteda bistesvesnimiri u syntax Editor). Opisani postupak generise sledece komanoe; FREOUENCIES vARtABLES:pol brakskola /STATISTICS:MtNtMUM MAXTMUM /ORDER: ANALYStS

highest aduc completed

2 SOME SECONDARY 3 COMPLETED HIGHSCHOOL 4 S O M EA D D I T I O N A L TRAINING 5 COMPLETED UNOERGRADUATE 6 POSTGRADUATE COMPLETED 22 Total

11,8 19,4
)7a
?1 ?

59,0 87,0 99,8 10 0 , 0

2B.A 12.8
7

100,0

I
}

Rezultatipostupkasu podeljenina dva dela.U prvol tabeli je kratak pregledsuih traZenih promenljivih.U preostalim tabelama, svakupromenljiza vu pojedinadnodati su raSdlanjeni rasponi odgovora. (Navedeni su i tekstualniopis kategorijske vrednostii njemu odgovarajuiaSifra(broj); takav prikaz rezultatasedobija kada postavke(Options)izmenitepremapreporukamadatim u prethodnomdelu poglavlja.) . Pogledajte najniZei najviSe vrednosti.Imaju li smisla? Jesuli unutar rasponamoguiih vrednostidatepromenljive? prvoj tabeli (nazvanoj U vidi Statistics) seda je za promenljivuPol minimum 1, a maksimum3. po5to bi najveia vrednosttrebaloda bude 2 Ta trojka je neispravna, zavriepogledajte Sifarniku dodatku.Maksimalnavrednostza najviSu nu Skoluje 22 i to je pogreino,poStobi maksimumtrebaloda iznosi6. o Proveritekoliki je broj valjanih (engl.ualid) i nedostajulh (engl.misima mnogo, zapitajte sludajeva slzg) sluiajeva.Ukoliko nedostaju6ih je tako? Da niste greiili prilikom unoienja podataka, npr. se zaito pobrkali kolone prilikom upisivanja? Deiava se da na dnu datotekes prepodacimabude praznih redova,nastalihtako 5to dovekgreSkom napravi prazne6elije.Ako vam se dalekopomeri kursor i nenamerno to desilo, otvorite prozor Data Editor, predite u red koji na sadrii podatke,pritisniteosenienuieliju s brojem praznog reda,pa pritisnite da taster Delete na tastaturi. Ponovite postupak Frequencies biste dobili ispravnevrednosti. r Ostaletabeles rezultatima po odgovaraju jednojispitivanojpromenljiupalo u svaku od levoj. U njima sevidi koliko je analiziranihsludajeva (redova) postoje gitimnih kategorija. Takodesevidi u koliko sludajeva vrednostikoje su izvan opsega. je jedansludaju kome je Sifrapol:r Tu 3 i jedna osoba koja za najviSuzavrienu Skolu ima Sifrt 22. Te greike svakakotreba pronaii i ukloniti, ali mi iemo najprepokazatikako se greike tral.eu promenljivamas neprekidnim (kontinualnim) vrednostima u datotecis podacima.

3. Pritisnitedugme Options. Ovde se moZe izabrativi5e statistidkihpokazatelja; glavni su srednja vrednost (engl. mean), standardno odstupanje,tj. rd standardnadevijacija(engl.sfanda deviationili skracenoSTDDEV),minikoje SPSS treba da izraduna. Pritisnitepokazatelje mum i maksimum. Continue izatim OK (iliPaste da biste sve snimiliu Syntax Editor). 4. Pritisnite Prethodnipostupakdaje ove komande:

DESCRIPTIVES VARIABLES:starost MIN MAX STDDEV /STATISTICS:MEAN


Opisani postupakdaje sledece rezultate:
Descriptive Statistics
N

Minimum
4JV z

Maximum

Mean
?7 ?A

Std- Deviation
13,2V3

age Valid N (listwise)

82

43S

U Proveriteiznoseminimuma i maksimuma.Imaiu li smisla? ovom sludaju,raspongodina starosti1eod2 do 82. Minimum 2kazuje da je do5lo polto bi uzorak trebalo da sadrLisamo podatke o odraslim do gredke, osobama. Ima li iznos srednjevrednosti (engl.mean) smisla?Svaki broj izvan rasponadozvoljenihvrednostikvari srednjuvrednost.Ako seradi o promenljivojkoja semeri na nekoj skali,da li je srednja vrednostu skladu s vadim odekivanjimana osnovu prethodnih istraZivanjaobavljenih uz koriS6enje merneskale? li je srednja iste Da vrednost srediniraspona na dozvoljenih To vrednostiili je bliZajednom kraju raspona? seponekad deSava kada semereobeleZja kao 5to su anksioznost potiStenost. ili

promenljivih Provera neprekidnih pa Postu k pretraZiva neprekidih promenlj nja n ivih


1. U glavnom pritisnite meniju vrhuprozora na Analyze, zatim Descriptive Statistics, pa Descriptives. (npr. 2. lzaberite promenljive hocete proverite Zatimprikoje da starost age). tisnitedugmesa strelicom bisteizabrane promenljive prebacili polje da u Variables.

gregaka Korak2: pronalaZenje i ispravljanje u datoteci podacima s


Stada radimo kada pronademo (npr. neki odgovorizvanopsega dozvoljenih Sifru3 za pol)? Prvo treba naii greSkuu datotecis podacima.Nemojte pokuiavati da je sami pronadetetako 5to iete ditati ceo skup podataka.Ima viSe pronadegrelku u datoteci; dobrih naiina da SPSS ovdeiu pokazatidva.

Prvi nadin
1. U prozoru Data Editorotvorite meniData i u njemuizaberite stavku sort Cases. 2. U okviruza dijalogkoji ie se pojaviti, (npr.por)koja pritisnite promenljivu sadrzigreskui zatimstrelicukojomje premestate poljesort By. U zaviu snostiod toga2elite najvece li vrednosti dnu ili na vrhu,pritisnite na ascending odnosno descending. Hocemo nademo da osobuza kojupromenljiva pol imaSifru pa bi trebalo izaberete 3, da descending(kakobi se ta trojka prikazala odmahna vrhu,po5tosu prihvatljive samovrednosti i 2). 1 3. Pritisnite OK. U Data Editoru pritisnite jezidakkartice Data View tako da se prikaZu vrednosti podataka. sludaj koji sadrzi pogrednuvrednosr izabranepromenljive(5ifru3 za pol) trebalobi da je na vrhu datoteke. Pogledajte kolonu promenljivepol. U ovom primeru,videieteda promenljivapol u prvom navedenom sludaju(ID=103)ima vrednost3. Da su ovo va5ipodaci,trebalobi da uzmeteupitnike i utvrdite da li je muikog ili zenskog pola osobasa identifikacionim brojem 103. Zatim bisteobrisalivrednost3 i upisaliispravnu vrednost.zabeleLitetaj podatak u svoj podsetnik.ukoliko su vam originalni podaci nedostupni, uklonite pogreSnu vrednost,a SPSS je zamenitisiie stemskom oznakomza nedostajuiipodatak. (To je tadkakoju 6e SpSS sam upisati,pa vi ne treba da je upisujete rudno). Nakon 5to otkrijete greiku u datotecis podacima,proveriteima li greiaka u susednim kolonama (promenljivama) istog analiziranog sludaja. ovom U sluiaju, osobaID=103 ima za starostpogreSnu vrednost, 2. Sledi prikaz drugog nadina pronalaZenjasluiaja s pogreino upisanirn polom.

Kada ispravite greSke, ponovite postupak pretraZivanja kategorijskih promenljivih (Analyze, zatim Descriptive Statisticsi najzad Frequencies)da tiste utvrdili ima li u datoteci joi greiaka. DeSavase da dovek jednu greSku ispravi, a drugu napravi. Sve skupa ieste zametno, ali nema smisla poiiniati analize dok je skup podataka neispravan. Uspeh celog istraZivanja zavisi od toga. Nema predica!

proceduraume dobro da podataka,jo5 jednaSPSS-ova U postupkudiSienja posluZi;to je funkcija SummarizeCases,koja omoguiava da izaberete promenljivei samonjih prikaZete svesludajeve. za odredene pritisnite pa meniAnalyze, Reports, SummarizeGases. 1. Otvorite (npr. promenljivu iostalepromenljive vaszanimaju lD koje pol,de2.lzaberile Uklonite kvadicu ispredpoljaLimitcasesto first 100. ca, pu5ad). dugmeStatisticsi uklonite Numberof cases iz poljaCell Stati3. Pritisnrte stics.Pritisnite dugmeContinue. polja 4. Pritisnite dugmeOptionsi uklonite kvadicu ispred Subheading tofor tals. Pritisnite ContinueizatimOK (ili Pasteda bistesvesnimili Syntax u Editor). postupak generi6e komande: Prethodni ove SUMMARIZE /TABLES:idpol decapu5ad /FORMAT:VALI DLISTNOCASEN M NOTOTAL U prikazsludajeva' /TITLE:'SaZet /MISSING:VARIABLE /CELLS:NONE.
Ovako izgledadeo rezultataprethodnogpostupka. Saiet prikaz sludajeva

SaZet prikaz sludaieva

Drugi nadin
jezidak 1' U prozoru DataEditorpritisnite kartice DataViewtakoda se prikaiu vrednosti podataka. (npr. 2. Pritisnite promenljive pol)kojasadrZi ime gre5ku. 3. Nakon pritisnete promenljive, je da celakolona Sto ime trebalo budeizabrana. 4. Otvorite meniEdit i u njemu izaberite stavku Find. 5. U poljesearch for upi5ite neispravnu vrednost kojutraiite(uovomsru6aju, 3). 6' Pritisnite dugmeSearchForward. SPSS ce pretraiiti datoteku zaustaviti i se na prvomsludaju sadriizadatu koji vrednost. Zapisite negdelD brojtog (broju prvojkoloni). sludaja Trebace da bistega pronasri vam meduzapisima ili upitnicimatamoproditali i ispravnu vrednost. 7.Ako trebada potrazite drugesludajeve istompogresnom sa povrednoscu, novopritisnite search Forward. ovomprimeru, U kolona Frequency tabeli u pol na str.45 kazuje namda postoji samojednaneispravna vrednost 3.

2 ZENSKI

U ovom poglavlju traLlli smo greike u nekoliko promenljivih u datoteci s podacima, tek da bismo pokazali kako se to radi. Naravno, u sopstvenom istraZivanju proverili biste sve promenljive. Da biste veZbali pronalaZenje greiaka, ponovite opisane postupke za sve promenljive u datoteci error3ED.sav. U nju su namerno ubadenegreike da biste zaista imali 5ta da traZite. Ispravne vrednosti svake promenljive navedenesu u dodatku, u Sifarniku za datoteku s podacima survey3ED.sav. Ukoliko vam treba viSe informacija o pronalaZenju i uklanjanju greiaka u podacima, preporudujem poglavlje 4 u knjizi koju su napisale Tabachnik i Fidell 2007\.

DEOill
analize Preliminarne
prirode promenljivihmoZepoieti datotekes podacimai istraZivanje Pregled kada je datotekas podacimaiista, bez greiaka.eiSienjeje pripremaza tek primenu konkretnih statistidkihtehnika pomoiu kojih iete dobiti odgovore trebalo da rasvetli.Treii deo knjige sastojise napitanja koja bi istraZivanje su od pet poglavlja.U poglavlju 6 predstavljeni postupcidobijanjaopisnih statistiikih pokazateljai za kategorijskei za neprekidnepromenljive.U vrednostineprekidnih njemu su objainjeni i proveranormalnostiraspodele promenljivih i provera postojanja netipidnih tadaka (engl. owtliers).Za podatakaumeju dobro da posluZe dijagrami.U poglavlju 7 i upoznavanje je predstavljen deo de5ieupotrebljavanih dijagramakoje SPSS ume da nacrta. Katkada datotekus podacimatreba obraditi da bi postalaprikladna za odredeneanalize;recimo, sabrati iznosepojedinadnihstavki da bi se dobili zbirni rezultati na skali ili podeliti neprekidnupromenljivu na manji broj diskretnihkategorija. tehnikeobradepodatakaobjaSnjene u poglavlju Te su 8. Postupak proverepouzdanosti (unutraSnje saglasnosti) merneskalepredje stavljen u poglavlju9. To je posebnovaLnopri ispitivanjurezultata anketa i u studijamau kojima sepomoduskalamerekarakteristike (obeleZja) lidnosti,njihovi stavovi,uverenja U ovom delu knjigeje i poglavljekoje bi treitd. balo da vas uputi kako da izaberete statistidketehnike prikladne za trar.enje odgovorana pitanja koja su predmetistraZivanja. poglavlju 10 prikazane U su neke statistidketehnike dostupneu SPSS-u svaki korak postupka izbora i statistidkihtehnika prikladnih za konkretne potrebe.Istaknuti su neki vaZni aspektikoje treba uzeti u obzir (npr. vrsta pitanja, vrsta podataka, obeleLja promenliivih).

it\

. \

Opisnistatistidki pokazatelji

I imru:: :i:;,:,"ffi i$"ftjff:"::fiT *: "ffi # i";Tiffi


odstupanje, rasponvrednostiprorr..r,iiiuih, asimetrija lengl'sftstaaess) i snljoitenost_ [rriorlgraspodere. U spss-u seopisni 1engr. statistidki pokrrrt.lii mogu dobitl ,r" urs" nadina, iz udesralosri (Frequenpo.,uii t"1"?]1l::rnmeniju Analyze,sravka.Descriptive Statistics. Medutim,

u uzorku,.brojui procentualnom ,rd"l,, orob" muikog :::t^1]1 j]ue:aieva) pola u uzorku, rasponu i srednjojvrednostistarostitih ::l"tno.Zensk.og usoDa' nrvou njihovogobrazovanja svim drugim i rerevantnim informacijaprisrupitemnogimsratistidkimanalizama(kao su Sro r_resr, Tftrli:^":g:Sto

j:^u":l9til1a koi3obuhvataju ljuie, dobro prikupiti je foJ",r., o broju

da Kada obezbedite u datorecipodataka nema gre5aka(ili barem clavredno_ sti nijednepromenljivenisu izvan rasponadozvoljenihvrednosti),moZere podetiopisnu (deskriptivnul fazu analizepodataka. opisne statistidkeana_ lizemogu seupotrebitina viSenadina,medu kojima i: ' za opisivanjeuzorka u odeljku Metodologija izveitaja o obavljenom istraZivanju; ' za proveru da li. neka od promenljivih krli pretpostavke na kojima podivajustatistidke tehnikepomoiu kojih treba odgovoriti na piranja koja bi istraZivanje trebaloda rasvetli; . za pronalaienjeodgovora na konkretna istraZivadka pitania. Informacijepotrebn.e opisivanjeuzorka u odeljku za ja Metodologi izve. s-t"iio istraZivanju' daju i poirupci proverepodatakapomenuriu poglavlju

Medu njima su srednja l,f'jl'*:"::3:1t"ti1 n'o*.r'iltuih vei izraiunati. -'Lqrrusr, standardno vrednosti po-o.',, funlciiaDescriptives Exprore. ili ili Sve

""' u i,etvrtom i petom delu knjige.; t s p t t t v a n j e i p o t e z a( p r e t p o s t a v k i ) h . o b i i n o p o d r a z u m e v ad a s u o p i s n i s r a -

I'iif:::1'llh

nrJep'menl;rv na kategoriiske promenl;'ive. naredna du..,;^if",'lltl"l U prrkazaiemorazlidite pristupeka.tegoriiskimneprekidnim ho-il"jra i pro_ Ako biste Zelelida i iami na ,adu'ar., pratite pri^.r. iz ovog p""ill]:*". r-6ravlla, otvorite datoteku survey3ED.sav.

li*, fr l,lt' :iixx;'l.#rn##irr,',T

opisnih statistidkih pokazateliakategoriiskiDpromenljivih Za d,obr1lan1e niihovih vrednosti.Tako iete saz.ati (Frequencies) udestalosti po"p"*.trii. odnosnoZenskog k;liill"-"roba dalo koli odgo.'or(npr.osobarnu5kog nemasmisla stanie la).Zalategorijsk" pro-.,'f;it'e kao 5to su polili braino itd' odstupania standardna vrednost, izraiunavatfrr.dttlu

li KategoriiskePromen ive

rezultatadobiienih iz udestalosti Tumadenje vrednosti noiedinih

Postupakdobiianjaopisnih statistidkihpokazatelja kategorijskihPromenljivih


1.Ug|avnommenijunavrhuProzorapritisniteAna|yze,zatimDescriptiveSta. tistics, pa Frequencies.

rezultatavidimo da u uzorku ima 185 muikaraca (42,1'proL nrikazanih koii ukupno tine 439 ispitanika.Treba *ilrl i 254 Lena(57,9 procenata), ispitanika u raznim podskupovima uzorka. U nekim analizalf,VorcZnibroj prilakSeje kada su grupe (podskupovi) ,n" tt u" ito je, iecimo, ANOVA) prikladne za grupe diie sevelidine nisr-r ;fr;" jednakevelidine.Neke analize male' rnogo razlikuiu,naroditokada su grupe

je upotrebiti funkciju DesZa neprekidnepromenlfive (npr. starost) lakie ie izradunati ,,zbirne" statistidkepokazateliekao 5to su sredcriptiues,kclja (engI. standard odstupanje 2.|zaberi|ekategorijskepromen|jivekojevaszanimaju(npr.po|)'Prebaciteihu nia vrednost(engl.mean),medijanai standardno imapoljeVariables. postoih nekepromenliive vrednosti, sve Ne d'euiation). treba izlistavati u snimili pritisnite i zatimoK (ilidugmePasteda bistekomande neprekidnihpromenljivih mogu se continue 3. ju vise storina.Opisni pokazateliisvih Syntax Editor). dobiti jednimpotezon; ne trebaraditi jednu po jednu promenliivu,negosve ove generise komande: postupak promenljiveod interesazaiednoprebaciteu polje Variables.Medutim, ukoPrethodni tada 6e iiko i-ut. mnogo promenliivih,spisakrezultata biti veomadugadak; lakie raditi jednu po jednu grupu promenljivihi tokom postupkabeleZiti ie FREOUENCIES 5taje uradeno. UO*,O31-E5:pol /ORDER: ANALYSIS je: prethodnog Rezultat PostuPka
Statistics

ive Promenli Neprekidne

Postupakdobijanjaopisnih statistidkihpokazatelia za neprekidnepromenljive


Stazatim Descriptive pritisnite Analyze, na 1. U glavnom meniju vrhuprczora tistics, pa Descriptives. (npr. do2ivljen subjektivno ukupan promenljive starost, 2. lzaberite neprekidne ih pokazatelje. Prebacite u statistidke stres)za koje2eliteda dobijeteopisne poljeVariables. poljamean,standarddeviation,mini3. Pritisnite dugmeOptions. Potvrdite da mum, maximum,skewnessi kurtosis (6imeste izabrali se izradunaju i asimetrija maksimum, minimum, standardno odstupanje, srednja vrednost, redom). spljoStenost raspodele, u snimili 4. Pritisnite ContinueizatimOK (ilidugmePasteda bistekomande SyntaxEditor). Prethodni generise komande: postupak ove DESCRIPTIVES VARIAB usudstres LES:starost SKEWNESS MIN MAX KURTOSIS /STATISTICS: MEANSTDDEV

valid Missing

435 0 1

XIMUM

Rezultatprethodnogpostupkaje:
Opisni slatisliakipokazatelji
N

podaci Nedostaiuci
std.
Statistic Skewness Slatistic ,606 ,245

Minimum Statistic

Maximum Statistic

Mean Stalistic

Kurlosis
Statistic ,203 ,142 ,214 ,285 ,247 Std. Eror 117 117 117 117 118

Statislic

Std. Eror

439
Jkupansubjeklivno lo:ivljenstes Jkupanoptimizam

18 12 7 I 20

82 46 30 28 88

37,44 26,73 22,12 60,60

13,20

,233 ,234 ,234

433 435 436

4,43 3,97 1199 ,

,494 ,613

,kupnoSSDOUS /alid N istwise)

425

rezultataprocedureDescriptives Tumadenje
su U prikazanim rezultatima, sai.ete informaciie koie su bile potrebneza svaku promenljivu.Na primer,za promenljivu Starost,imamo podatkeo 439 ispitanika,rasponnjihove starostije od 18 do 82 godine,srednjavrednost vrednostiiznosi 13,20 odstupanje te srednie od 37,44 godine,i standardno godina. To bi trebalo navestikao opis uzorka u odeljku Metodologila izvestajao istraZivanju. Opisni pokazateljikazuju poneito i o raspodelivrednostineprekidnih Te njihoveraspodele). informacijesu promenljivih(asimetrijii spljoltenosti (kao 5to su t-test i analiza vaparametarske potrebne za statistiike tehnike rijanse,tj. rasturanja rezultataoko njihove srednjevrednosti).Asimetriia pokazujeasimetrijuraspodele, spljoitenostkoliko je raspodela,,5iljatija" a asimetrijai spljoiteili ,,spljodtenija" normalne.U normalnoi raspodeli, od naukamaretko sreie). nost (kurtosis)jednakesu 0 (sto se u druStvenim Pozitivne vrednosti asimetrijepokazuju da je ve6ina dobijenih rezukata levo od srednjevrednosti, medu manjim vrednostima.Negativne vrednosti asimetrijepokazuju da je ve6ina rezultatadesnood srednjevrednosti,medu veiim vrednostima.Pozitivnavrednostspljoltenostipokazujeda je raspodela oko centraraspodele), Siliatiia normalne(ima viSerezultatanagomilanih od manja od 0 pokazujeda ie te da ima tanke dugadkerepove.Spljo5tenost na Asimepljosnatijaod normalne(ima viSesludajeva repovima). raspodela triinost ,,nemaznatnijeguticaja na rezultateanalize"ako je uzorak razumno ponekadprouzrokuje velik (Tabachnik Fidell,2007, str.B0). SpljoStenost i preniskuprocenuvarijanse (disperzije, vrednosti), ali rasturanja oko srednje videtiThbachsei taj rizik smanjuje kod veiih uzoraka(preko200 sluiajeva; nik i Fidell,2007, str.80). Dakle, asimetrijui spljoltenosttreba obaveznoizraiunati kada uzorak sadrZimanje od 200 analiziranihsluiajeva.U velikim uzorcima,testoviza izradunavanje previSe osetljivi.Tabachnik Fidell i su asimetrije spljoltenosti i (2007, str. 81)preporudujuda se oblik raspodele pogledanpr. na histogramu. Postupakdaljnjegocenjivanja normalnostiraspodelerezuhataistraZivanja objasniiemou nasravkuodelika.

pogotovoono s ljudima,retko seza svakiispitivaKada seradi istraZivanje, ni sludajdobiju potpuni podaci.Uvek treba pregledatida li u datotecinei dostajuneki podaci.Pokrenitefunkciju Descriptives za svakupromenljivu Kada pronadetepromenljivu utvrdite koliki procenatpodatakanedostaje. kojoj neodekivanonedostajemnogo podataka, zapitajte se koji je razlog nasumidno tu moZete ili uoditi neku pravilnost tome i da li podacinedostaju Zenanije odgovorilona pitanje o svojoj starosti)? (npr.mnogo analize, moraiete da razmislitei odludite Kada dode vremeza statistidke u U sta5taiete preduzeti vezis nedostajuiimpodacima. mnogim SPSS-ovim tistidkim postupcima, preko dugmeta Options pristupate moguiim naiinipodataka.Tu treba paLljivobirati, jer izbor moZe ma tretiranja nedostaju6ih zna(ajno uticati na rezultate, narodito ako prilaZetespisak promenljivih i iste analizeponavljate za svepromenljive (npr. korelacijeunutar grupe promenljivih, t-testovi niza zavisnrhpromenljivih). . Opcija Excludecases listwise znaii da ie biti analizirani samosludajevi u kojima za sue promenliiue navedeneu polju Variables postoje sul podaci.Svakiispitivanisluiaj za koji nedostaje makar i delii podataka, uopite ne6ebiti analiziran.To moZe znatnoi nepotrebnoograniiiti velidinu uzorka. . Opcija Excludecases pairwiseznadida ie sludaj(osoba)biti iskljuden samo iz onih analizaza koje mu nedostaje neki neophodanpodatak. Dakle, i takvi sludajeviie biti analiziranikad god je to moguie, tj. kad god postojepodaci potrebni za datu analizu. . Opcija Replace with mean,dostupnau nekim SPSS-ovim statistidkim postupcima (npr. viSestrukojregresijl), znaii da ie biti izradunatasrednja vrednostsvih promenljivih i da ie njome biti zamenjenipodaci koji nedostaju.Ovu opciju nikada ne bi trebalo da koristite, poSto moie znatno da iskrivi rezultareanalize,narodito onda kada nedostaie mnogo podataka. Kad god sprovoditeneki statistiiki postupak, pritisnite dugme Options i proveritekoja je od navedenih opcija potvrdena(jer sepodrazumevana opcija menja u zavisnosti postupka).Ako nematejak razlogda postupite od drugadije,preporudilabih vam da sludajeve iskljuiite samoiz onthanalizaza koje im nedostaju podaci.Jedinasituacijakada bi vam moglo zatrebati da analize ograniiite samona sludajeve koji imaju podatkeza svepromenljive jesteona kada treba razmotriti samo podskup sludajeva koji daje potpun skup rezultata. Za iskusnije korisnike,SPSS naprednije sloZenije ima i procemogu6nosti ne nedostajuiihpodataka,npr.pripisivanjem (engl.imputation).One su dostupne u SPSS-ovojanalizi Missing Value Analysis, koja je neobavezan dodatansoftverski modul. Njome bistemogli da otkrijetei pravilnostzajednidku nedostaju6im podacima.

normalnosti raspodele Procena


Mnoge statistidke tehnike predstavljeneu detvrtom i petom delu knjige podivaju na pretpostavci da je raspodela rezultata zavisne promenljive normalna. Normalna raspodela je simetridna, zvonolika kriva s najve6im brojem rezultata u sredini i manjim brojem rezultata prema krajevima (repovima) zvona (videti Gravetter i \fallnau, 2004, str. 48). Normalnost se moZe donekle proceniti na osnovu izradunatih vrednosti asimetrije i spljoitenosti zvona,5to je opisano u prethodnom odeljku. Medutim, SPSS meniju Desu criptive Statistics ima i stavku Explore koja nudi druge nadine. Opisaiu taj postupak na primeru procene normalnosti raspodele rezultata za promenljivu Ukupan subjektivno doZivljen stres u celom uzorku. Na raspolaganju vam je i moguinost da to uradite zasebno za razne grupe u uzorku, tako 5to iete u spisku Factor List unutar okvira za drjalog Explore zadati jod jednu dodatnu kategorijsku promenljivu (npr. pol).

Rezultat postupka je:


Dascriptives
Statistic

Sld Error
1 ,24

stress lotal PerCetVed

Mean 95o/o Confidence Interval for Mean 5% Trimmed [4ean Median Variance Std. Devialion Minimum Maximum Range InterquartileRange Skewness Kurtosis

Lower Bound Upper Bound

to,t J 26,18 27,28 26,64 26,00 34,194 5,848 46 34 ,245 .182

117

.234

Extreme Values Case Number id Value 40 44 43

Postupakprocenenormalnostipomocu funkcije Explore


pritisnite 1. U glavnom meniju vrhuprozora na Analyze, zatim Descriptive Statistics, i najzad Explore. (npr.Ukupan promenljive vas zanimaju 2. Pritisnite koje subjektivno doZivljen stres)i zatimdugmesa strelicom bisteih prebacili poljeDependent da u List. promenljivu 3. U poljeLabelCasesby: stavite lD. poljeBoth. 4. U odeljku Displaytrebada je potvrdeno pa zatimDescriptives, Outliers. 5. Pritisnite dugmeStatistics, pritisnite 6. Pritisnite dugmePlots.U odeljku Descriptive Histogram. Pritisnite opcijuNormalityplots with tests. Pritisnite Continue. 7.Pritisnite dugmeOptions.U odeljku MissingValuespritisnite Excludecases pairwise.Pritisnite ContinueizatimOK (ilidugmePasteda bistekomande snimili SyntaxEditor). u postupak generisati Navedeni komande: ce sledece EXAMINE VARIABLES:usudstres /lD: id /PLOTBOXPLOT HISTOGRAM NPPLOT /COMPARE GROUP /STATISTICS DESCRI PTIVES EXTREM E /CINTERVAL 95 /MISSING AIRWISE P /NOTOTAL.

total perceived stress

Hlghesl

262
3 216 190 366 189 247 244
qR

157
61

Lowest

T
3 4 5

257 144
404
9

12
1t

127 119
3nl

13 't3 '13

42 a. U tabeli ekstremnihvrednostiprikazanje samo deo sluaajevas vrednoB6u

Iests of Nomality
Kolmodorov-Smimov" Siq. Statistic df toEil prcerved stress 4J3 .000 ,Oti9 po u.*r"** znadajnosti oatislrdke ineslueajnosli) Lillieforsu

ShaDirewilk Statistic
.if Sio

992

433

021

_,,

Tumadenje rezultatafunkcije Explore


NavedenirezultatisadrZe obilje informacija.To ume da uplali dovekadok ne naudi 5ta da traLi.U ovom odeljku protumadidemote rezultate korak po korak. o U tabeli Descriptivesdati su opisni pokazatelji i druge informacije o Kada se u spiskuFactor List zada neka analiziranimpromenljivama. za zasebno svapromenljivagrupisanja, informacijeie biti izradunate ku grupu, a ne za uzorak kao celinu.Deo tih informacijaiete svakako prepoznati(mean,median,std deviation,minimum, maximum itd., tj. minimum, maksimumitd.). srednjavrednost,standardno odstupanje, MoZda ne znate5taje 5% Tiimmed Mean. Da bi dobio taj broj, SPSS ibez njih izradunanovu sredzanemarigornjih i donjih 5% sludajeva

nju vrednost.Kada uporediteprvobitnu (26,73)i novu srednjuvrednost (26,64), shvatiiete da li ekstremnevrednosti mnogo utiiu na Ako sete dve srednje vrednosti srednjuvrednost. mnogo razlikuju,moLdabi ekstremne tadketrebalododatnoispitati.ID brojevinajekstremprikazanisu u tabeli ExtremeValues. nijih sludajeva (kurtosis), i Medu rezultatimasu i asimetrija(skewness) spljo5tenost (videti opis koji opisuju raspodelu rezukata unutar dveju grupa znatenjatih pokazateljadat u prethodnom odeljku). U tabeli Tests of Normality dati su rezultati ispitivanja normalnosri koje su izumeli Kolmogorov i Smirnov.Normalnost se poraspodele (sludajnim) od odstupanjem normalnokazujestatistiiki neznadajnim sti, tj. iznosomSig.ve6imod 0,05. U ovom sludajuSig.iznosi 0,000, nije potvrdenir o 5to pokazujeda pretpostavka normalnostiraspodele za i da je moramo odbaciti.To je sasvimuobidajeno velikeuzorke. rezultatasvakegrupevidi sena njihovim histoStvarnioblik raspodele gramima. U ovom primeru izgledakao da su rezultati prilidno normalno raspodeljeni.To potvrduje i izgled krive normalne verovatnoie, vrednost rezultatacrta zajedno Normal Q-Q Plot. Na njoj se opaZena Sto saoiekivanomvrednoiiu kolu bi dala normalnaraspodela. je linija opaZenihrezultatabliZa pravoj liniji, to je raspodelabliZa normalnoi. Kriva DetrendedNormal Q-Q Plot prikazuje stvarno odstupanjeopaienih rezultataod horizontalnelinije koja predstavljanormalnu rasporasporedena delu.Trebalo bi da veiina tadakabude pribliZno simetridno oko te horizontalnelinije i da setadkenigde ne gomilaju. . Na poslednjojslici je je pravougaoni dijagram(engl.boxplot) raspodele rezultataza dve grupe. Pravougaonikpredstavlia50 procenatasludajeva, pri iemu repovi (linije koje izlaze iz pravougaonika) idu do najveiih i najmanjih vrednosti. Katkada se vide i izolovani kruLiii izrazvrstao netipidne u tadke.Linija unufar van tog raspona; njih je SPSS je pravougaonika medijana.U narednomodeljku, u kome se govori o dijagramu. otkrivanjunetipidnihtadaka,biie joi redio pravougaonom U gornjem primeru, raspodelaje bila prilidno normalna. To se ne dogada baSdesto.Na mnogim skalamai u meramakoje sekoriste u druitvenim naukama, rezultati su raspodeljeni asimetriino, levo ili desnood srednjevrednosti (vrednostasimetrijepozitivna ili negativna). uopite ne mora daznatida To je problem u mernoj skali, vei pokazuje stvarnu prirodu konstrukta koji se meri. Primera radi, merezadovoljstva Zivotomdestosu negativnoasimetridne u druitvima dija je veiina umereno zadovoljna svojom sudbinom. Klinidke mere anksioznostiili potiStenosti (depresije) opitoj populaciji destosu pou jer zitivno asimetridne, veiina ljudi ima relativno malo simptoma tih poreme6aja. Neki autori u ovoj oblasti preporudujuda seasimetridno raspodeljeni rezultati statistidki,,transformi5u".O tome iemo jo5 govoriti u poglavlju 8.

Histogram

o o
L

tlean =:6,73 Sld.Dev.=5,848 l,l =431

stres doZivljen NormalQ-Q Plot of ukupansub.iektivno

6 l

E o o CL

llJ

-t

,lii

ObservedValue

64

e D e o l l l : P r e l i m i n a r na n a l i z e

Poglavlje6: Opisni statistidkipokazatelji

do2ivljen stres DetrendedNormalQ-Q Plot of ukupansubiektivno

netipidnih tadaka Otkrivanie


Mnoge statistidketehnike razmatraneu ovoj knjizi osetljivesu na netipidne tj. koji su mnogo iznadili ispodveiineostalih tadke(engl.outliers), rezultate reztltata. Tehnikeopisaneu prethodnom odeljku mogu seupotrebiti iza otkrivanjenetipidnihtadaka. . Najpre pogledajmohistogram.Bacitepogledna repoveraspodele. Ima li tu usamljenihtadakaekstremnihvrednosti? Ako ima, to su potencijalne netipidnetadke.Ako prema krajevima raspodelebroj taiaka opada uz pribliZnojednak nagib, verovatno nemarazlogaza zabrinutost. o Drugo, pogledajtepravougaoni dijagram(engl.boxplof). Svevrednosti smatranetipidnimtadkama,tu se prikazuju kao kruLiii ozkoje SPSS brojevima.(To su ID brojevitih sludajeva.) nadeni SPSS smarranetipidnim sve tadke koje su od ivice pravougaonikaudaljenevi5e od 1,5 njegovihduZina.Ekstremne vrednosri(oznadene zvezdicom ")jesu one koji su od ivice pravougaonikaudaljeneviSeod 3 njegoveduZine.U gornjemprimeru nije bilo ekstremnih tadaka, jesudve netipidne ali tadke, diji su ID brojevi24 i 157. Kada nadetetakve radke,morare razmisliti 5taiete s niima. . Treba proveriti da li je vrednostneripidnetadkezaistatolika ili je u pitanju gredka.Proverite tu vrednost i da li je unutar opsegamoguiih vrednosti date promenljive. Ponekad se isplati pogledati u upitniku odnosnozapisupodataka da li je podatak pogrelno unet. Ako seradi o greSci, ispravite je i ponovo nacrrajte pravougaoni dijagram. Ukoliko nemanikakve greike,morate odluditi 5taiete s rom netipidnomtadkom. Neki pisci knjiga o statisticisaveruju sesveeksrremne da netipidne tadke ukloneiz datotekes podacima.Drugi savetujuda sete vrednostizamene manjeekstremnim,kako bi i one udestvovale analizama, tako da ne u ali mogu iskriviti statistidkepokazatelje.ViSeo rome videti u 4. poglavlju knjige autorki Tabachniki Fidell (2007). r Informacijeu tabeli Descriptives pokazuju koliki problem 6e predstavljati sluiajevis netipidnimtadkama.Pogledajte srednjuvrednosr izradunatubezgornjih i donjih 57" sludajeva,tj.5oA TrimmedMean. Kada seta i prava srednjavrednostmnogo razlikuju, te tadketrebajo5 ispitati. U ovom primeru su te dve srednje vrednosti(26,73i26,64) veoma bliske.Zl:ogtoga i dinjenice se te vrednostine razlikuju previie od da ostatkaraspodele, zadri.a(uih u datotecis podacima. ' Kada zateba da izmeniteili uklonite nekepodatke iz datoteke,predite u Data Editor i sortirajtepodatke po opadajuiemredosledu (da biste pronaSlisludajeve najviSimvrednostima) rastu6em ili s redosledu(za sludajeve veomaniskim vrednostima). taj nadinie sludaievi Na s koie treba posebnorazmotriti dospeti na vrh datoteke s podacima. Predite u kolonu s vrednosrimadatepromenljive i izmeniteili uklonite problematidnuvrednost.Sve5to izmeniteu datotecis podacima-or"t. b.leZitiu svoj podsetnik.

0.4

=
E U,J

oono

z
F O nr

o
0,1

oo oo
:r:r

ooo

"oo

1r:r

ft

ObservedValue

stres doZivljen subjektivno Ukupan

DodatneveZbe
Poslovno okruienje
Datoteka s podacima:staffsurvey3ED. sav.pojedinostio datotecivideti u dodatku. 1. sproveditepostupkeobjainjeneu ovom poglavlju da biste generisali odgouarajuie opisne statistidkepokazatelje,pa zatim odgoiorite na sledeiapitanja. (a) Koliki procenarosoblja(engl.staffl te organizacije iine sr.lno za_ posleni?(Upotrebite promenljivuemploystatus.) (b) Koliko je prosedno trajanje zaposlenja osoblja u toj organizaciji? (Upotrebite promenljivuseruice.\ (c) Koliki procenarispitanika bi organizacijupreporudiokao dobro mestoza rad?(Upotrebite promenljivurecommend.) 2' Oceniteraspodelurezultatana skali Total Staff Satisfaction (totsatis) za stalnozaposlene (engl.permanent) odnosuna one koji su privrsu meno zaposleni (engl.casual)(promenljiv employstatus). a (a) Ima li na toj skali netipidnihtadakazbog kojih bi trebalo da sezar_ brinete? (b) Da li su rezultatiobe grupenormalno raspodeljeni?

%
u . r . Chart Builder Interactive LegacyDialogs

za opisivanjeanalizu i podataka

Upotr"F" 4ij"grama

vrednosri Numeridke dobijene poglavlju6 daju korisneinformacije t)zoru o ku i promenljivama,-ali neki aspektibolje istrazujuvizuelno. se SpsS ume da nacr,ta viSevrsragrafikona ili dijagrama(engr. grapis, cbarts,lutrl.u ouopoglavlju opisaiu osnovneportnpk" za dobllaile'rt.i.c*, aijJgrn*", o histograma; . stubidastih dijagrama(engl.bar graphs); . linijskih dijagrama(engl.linegraphs); . dijagramarasturanja (engl. scatter plotsl;i . pravougaonih (kutijastih)dijagrama(engl.box plots). 15' verziii sPSS-a, meni Graph ima viie opcija za crnnje clijagrama:

Zdravstvo
Datotekas podacima:sleep3ED.sav. pojedinosti datotecivideti 'dodatku. o 1. Sprovedite posrupkeobjadnjene ovom poglavlju da bistegenerisali u o.dg.ouaraluie opisne statistidkepokazateile pa'zatim ocJgovo're na , slede6a pitanja. (a) Koliki procenarispitanikasu Zene(promenljiva gender)? (b) Kolika je prosedna srarosfosobau uzorku? (c) Koliki procenat uzorka naznatioda ima problema ie sa spavanjen-l (problem)? (d) Kolika je medijanabroja sati noinog sna proseinog radnog dana (hoununit)? 2. ocenite raspodelu rezuhatana skali sleepiness and AssociatedSensations (torsAS)za o.sobe koje smatraju/ne smatrajuda imaju problema sa spavanjem (problent). (a) Ima li na toj skali netipidnihtadakazbog kojih bi trebaloda sezabrinete? (b) Da li su rezultatiobe grupe normalno raspocleljeni?

U ovom poglavljupokazaiu kako radi opcija LegacyDialogs,usaglaiena s procedurama dostupnimu verzi;'a 12, 13 i 14 SpSS-a. ma Kada steknere is_ kt'stvos dijagramimr,tr.b^lo bi da malo eksperimentii.t", Jrugr- pristupima, da se neko vreme igrate s raznim dijagramim, i irtrnZr;"te njihove moguinosti.U ovom poglavrjudat je tek k."tu"kpregled, ,rli[" a, vasuputi u osnove.za pnkazivanjeraznih dijagrama .rpoti.b["na 1. dutot"ka s poda::T:,t:tl.y3ED.sav,.objavljenana prateiojWeUl"t<n.iji k"t;. (pojedinosti vrctetr str.xi i u dodatku).Ako u zeliteda i sami nn ,ndrruro iratite primere tt t^l:q pokr.nit" S'SS i o.rrorii. datoteku survey3ED.sav. ry.*lavlia,, . l\a kraru poglavljadata su i uputstvaza doradu dijagramada biste ih b-olie prilagodilisvojim potrebama'. ie To vam posluZitikada zarreb da dia Jagram stavite svorisrrazivandki u rad. Detarjnojeobja5nje'i for,,rput uuoza dijagramau Microsoftov Word.

promenllive (npr' Histograirima se prikazujeraspodelaiedne neprekidne stresa)' ,tnroJi ili subiektivnodoZivljenog

Histogrami

histograma Tumadenie

Postupakcrtania histograma

LegacyDialogs' Graphs'zatim pritisnite na meniju vrhuprozora 1, U glavnom Histogram' lzaberite 2.lzaberitepromen|jivukojavaszanimaiprebacitejeupo|jeVcriab|es.Totrebadajeneprekidnapromen|jiva(npr.ukupansubjektivnodoZiv|jenstres). u raznihgrupa (npr.muskarci/zene),odeljak histograme 3. Ako 2elitezasebne Rowsda biste (npr'pol)'lzaberite promenljivu odgovarljucu Panelby: stavite ColumnkadaZelite odnosno drugog' iznad stavilijedan dijagraml te zasebne daihstavitejedanporeddrugog.Jacupromen|jivupo|stavitiupo|jecolumn. 4.PritisniteoK(i|idugmePastedabistekomandesnimi|iuSyntaxEditor). ove generise komande: postupak Navedeni GRAPH HISTOGRAM:usudstres COLOECROSS /PANEL COLVAR:pol
je Rezultat prikazanna sledecoj slici' MUSKI ZENSKI

Oblik histogramapokazuje raspodeluvrednosti neprekidnepromenljive. u tehnikepredstavljene ovom prirudniku zasnivaju na se Mnoge statistidke vrednostisvih promenliivih normalna, tj. da da ie rirspodela prerpostavci krive. U ovom poglavljusu vrednostipriliino normalno ima oblik Gausove pri demuje naiveii broj vrednostiu sredini,a prerla krajevima raspodeljene, krive sveih je manje.Medutim, u druitvenim naukamaje sasvimuobiiajeno RaspodelamoLezadri.ati da promenljivene budu normalno raspodeljene. ulevoili udesnood srednie vredpribliZnozvonastoblik, ali biti asimetridna oblik. O ocenjivanju normalnostiraspodele ili poprimiti pravougaoni nosti, promenljivihviSesegovori u poglavlju6. vrednosti

ili u dijagramimogu biti jednostavni veomasloZeni, zavisnosti od Stubidasti broja ukljuienih promenljivih. Stubidastidiiagram moZe prikazivati broj promenljiveza ili u sludajeva odredenimkategoriiama vrednostneprekidne jednakaU kategorije. osnovi,potrebnesu dve glirvnepromenljive: razlidite Njima sepo ZeljimoZedodati io5 fednakaa tegorijska, druga neprekidna. promenljiva. tegorijska

diiagrami Stubidasti

Postupakcrtanjastubidastogdijagrama
pritisnite 1. U glavnom zatimLegacyDialogs. meniju vrhuprozora na Graphs, lzaberite Bar.Pritisnite Clustered. 2. U odeljku for Datain chartare pritisnite Summaries groupsof cases.Pritisnite dugmeDefine. 3. U poljuBars representizaberite Other summary function. (npr.ukupan 4. Pritisnite subjektivno promenljivu vaszanima neprekidnu koja doZivljen pojaviu poljuMean (Ukupan subjekstres). da Ona bi trebalo se tivnodoiivljenstres).To znadida ce na skaliSubjektivno stresbiti doZivljen prikazane srednjevrednosti grupa. raznih 5. Pritisnite (npr. prvukategorijsku na promenljivu star3grp). Pritiskom dugme sa strelicom je prebacite u poljeCategoryaxis. Ta promenljiva prikazuje se na apscisi (horizontalnoj X osi)stubidastog dijagrama. osi, 6. Pritisnite je drugukategorijsku promenljivuprebacite u poljeDefineClui sters by:.Ona ce biti navedena legendi u dijagrama. 7.Pritisnite (ilidugmePasteda bistekomande snimili SyntaxEditor). u OK Prethodni postupak ove komande: generiSe GRAPH BY /BAR(GROUPED):MEAN(usudstres) star3grp pol BY

rezultatiprethodnogpostupka prikazani na slici. Malo modifikovani su pol l| MUSKT D ZENsr<l

o q) .n c26 o
)N

!t

o
o

dijagrametreba tumaiiti paZljivo.Uvek pogledajteskalu Y stubidaste (vertikalne)ose.Ono 5to vizuelno izgledakao velika razllka,ponekadiznosi je iek nekoliko jedinica merne skale i zato Yerovatnomalo vaZno.To i" diiagramu.Kaclauzmeteu obzir njegoi na gorniemstubidastom odigledno uu ikrlr, videiete da je razlika izmedugrupa sasvimmala. Razlika izmedu i starosti45 godina i viSe) najveie vrednosti(iene stanaimanje(muSkarci godina)iznosisamotri jediniceskale. roiti od 18 do 29 znaiaj razlikeizmedugrupa vidljivena diiastatistidki Da bi seusranovio U analize. ovom sluiaju, dvofaktorsramu,trebaobaviti joI nekestatistidke (e"gl. two-way) analizavariianse (uticai dva cinioca na rasturanie Ika oko srednjevrednosti)izmedu grupa (videti poglavlie19) otkriie rezultata su te razlikestatistidkiznatajne. da li

J Q) 2d

.cl o
(g CL l< (E^^

o) zz

promenliive Linijski dijagram prikazujesrednjuvrednostjedneneprekidne (npr.vreme 1, vrepromenljive zavt(erazliiitih vrednostinekekategoriiske me 2, vreme3). Linijski dijagramisu podesnii za grafidkoprikazivanierei zultatajednofaktorske dvofaktorskeanalizevariianse(tj. uticaia jednog Oni su rezultataoko srednjevrednosti). odnosnodva diniocana rasturanie dodatak rezultatima analizevarijanse(videti u poglavljima 18 i neobavezan 19).U narednompostupkunacrtaiemolinijski dijagramza koji iemo koridijagramu. koje smo prethodnoprikazaliu stubiaastom stiti istepromenljive

Liniiskidiiagrami

Postupakcrtanjalinijskogdiiagrama
Graphs, zatim Legacy Dialogs, 1. U glavnommenijuna vrhu prozorapritisnite pa Line. 2. Potvrditepolje Multiple. U odeljku Data in chart are pritisniteSummaries for groups of cases. Pritisnite dugme Define. 3. U polju Lines represent izaberite Other summary function. Pritisnite neprekidnu promenljivu koja vas zanima (npr. ukupan subjektivno doiivljen stres) i zatim dugme sa strelicom.Tako cete je prebacitiu polje Mean (ukupan subjektivnodoZivljenstres). To znadi da ce na skali subjektivnodoiivljenog stresa biti prikazane srednjevrednostiraznihgrupa. (npr.star3grp).Pritiskomna dugme 4. Prrtisnite prvu kategorijsku promenljivu je u polje category axis. Ta promenljivase prikazuje sa strelicom prebacite na horizontalnoj linijskogdijagrama. osi 5. Pritisnite i promenljivu prebaciteje u polje Define Lines drugu kategorijsku u by:. Ta promenljiva bice predstavljena legendidijagrama. pritisnite odstupanjima, 6. Ako dijagramuhocete da dodate stubice srazmerne dugme Options. 7. Pritisnite OK (ili dugme Paste da biste komandesnimiliu Syntax Editor).

30-44

45+

starost:3 grupe

Tumadenje stubidastihdijagrama
Rezultatprethodneprocedure saZet je prikaz raspodele rezultatapo izabranim grupama (u ovom sluiaju, njih dine muikarci i i.eneiz razlltitih starosnih grupa). Gornji dijagram navodi na pomisao da Zenepokazuju vedi stepen subjektivno doZivljenog srresa muikaracai da je ta razlika izraLeod nija u starijim dobnim grupama.U grupi osobastarih izmedu 18 i 29 godina, razlikaizmeduodgovarajufihvrednostiza muikarcei iene vrlo je mala.

Ovaj postupakce generisatisledece komande:

GRAPH BY BY star3grp pol /LINE(MULTIPLE)MEAN(usudstres)


su rezultatiprethodnog postupka prikazani na slici. Malo modifikovani

o Mogli biste razmotriti i razliku izmedu muikaraca ii.ena. Sveukupno, kao da muSkarci subjektivno doZivljavaju manje stresaod iena. Iako je razlika za mladu grupu veoma mala, ona raste s poveianjem starosti ispitanika. Da li su te razlike statistidki znaiajne moZe se utvrditi tek dvofaktorskom analizom varijanse (tj. uticaja dva dinioca na rasruranje rezultata oko srednje vrednosfi; videti poglavlje 19). Prikazani rezultati navode na pomisao da uticaj starosti na subjektivno doZivljen stres treba razmotriti u odnosu na pol ispitanika. U analizi varijanse, ta vrsta odnosa naziva se uticaj interakcije (engl. interactit>n effect). Iako linijski dijagram ne kazuje da li je taj odnos statistidki znatajan, on daje mnogo informacija i postavlja mnogo novih pitanja. pol
MUSKI ZENSKI

q
-

MUSKI
+-.,^,-, Ztrl\5Kl

o o o

.u >N
O27 !t

o
l< o lt o

.z

o o o-c o
)N

Cze (E-CL f .:<

E,,

.z
J

o-' c

o =

(E

(g CL 3 ll f

o lt J (,26 c

c (E 25 o

2s'32 o

41'4s

50+

linijskih diiagrama Tumadenje


o Prvo pogledajte uticaj starosti na subjektivno doZivljen stres za svaki pol. Mladi muSkarci kao da pokazuju veii stepen subjektivno doZivlienog stresa od sredovednih i od starijih muSkaraca. Za Zene, razllka izmedu starosnih grupa nije toliko izraLena.Starije Zenesu pod neznatno maniim stresom od mladih.

"t"llnt Pri tumadenju rezultatakatkadarreba razmotririi neka druga SPSS-ovih pitanja.U ovom sludaju,rezultatinavodenarpomisaoda bi vredelodublje istraZitiodnos starosrii subjektivnodoZivljenog stresaza obegrupe (mu5karce i iene). Zato sam odluiila da uzorak pod.lim na per rro.o.-r.rih grupa, umestona tri kao na gornjemdijagramu.Time iu dobiti detaljniiir.rvid utiu cai starosti.

proNakon podele uzorka n21pet iednakih grupa (pravljenjem nove rnenljive starsgrp; uputstva za taj postupak data su u poglavlju 8), nacrtan jasniju sliku o uticaju starosti od pretie nov liniiski Jlpgtu-. On nam daje sa samo tri starosne grupe' hodnog dijagrama

Oijagrami rasturanja se obidno koriste za isttaLivanieodnosa izmedu dve Preporuiliivo ie di,r.prlkidrr. promenliive (npr. starostii samopodtovanja). (videtipoglavlie11). Dinacrtatipre ra(unaniakorelaciie jajran',rasturanja 'jagta da posmatradu li ie odnospromenliivihlinearan predodava rasturanja prikladni su samolinearniodnosi' ilikrivolinll ski.zi analizukorelacije i da li su promenljivekoreliranepozirivno Dijagram rasturanjapokazuie (velikiri vrednostimajednepromenliiveodgovarajuv-elikiiznosi druge) ili negativno(velikim vrednostimaiedne promenljiveodgovarajumali iznosi Kod pozitivnih korelacijalinija raste,ti. poiinje levo s drIg. prornenljive). Kod i -uriilnr vrednostima rasier-rdesno. negativnihkorelaciialinija opada, i podinjelevo s veiim vrednostima opada udesno' tj. . grubo pokazuiei iadinukorelaciiedve promenliive. bil"grn* rastrrrania Kada'je korelacijaslaba,taike su bezreda rasuteposvuda,tj. ne dine prepor.,"rlliy geometrijskioblik. Kad:r ie korelaciiaiaka, tadkedine pribliZno pravelinije. valjkasioblik, tj. vidi segomilanjetadakaoko zamiSliene na rezultata dve skaleu rasturania diiagram primeru.racrta6,, u slede6em subiektivnodoZivljena anketi: Ukupan subjektivnodoZivljenstresi Ukupna da Zadalasam SPSS-u dve g.-rpeiz sa,nokontroiaunugainjih stanja(SDSUS). zasebpre.dstavi mog uzorka (muikarce'iLenelna istom diiagramurasturanja Time dobijaminformaciie.e sanroc' no f,omoiu razliiitih oznaka(rnarkera). i ,,rork,, u celini, nego i o raspodelirezultataza muSkarce zenezasebno. dijagram rasturanja za svaku grupu, zadaitekateg,oKada Zelite,ur.b".r poliu set rijsku promenljivuu odeljku Panelby: umestou doleprikazanom za rasrurarria ceo uzorak (nc ptr Markersby. ukoliko vam treba diiagram u uputsrvanavedena odellku set Markers by' grupama),prosto zanemarire

rasturania Diiagram

6.SPSS mo2eda oznadisvakutadku ipo..nekojdrugoj kategorijskoj pro_ menljivoj. Prebacite promentjivu (npr.pot) u potjeSlifU"rf.Eii by:. tu Time ce tadkekoje odgovaraju muslarcima odnosno 2enama predstavljene biti razliditim markerima (oznakama). 7.U poljeLabelcasesby: prebacite promenrjivu Tako rD. cetedobitr pririku da broj anariziranog srudaja oditates drlagrama kadapronadet"*tip,en, t"er.r. 8. Pritisnite (ilidugmePasteda bistekomande OK snimili SyntaxEditor). u Ovajpostupak generisati ce sledece komande:

/SCATTERPLOT(B|VAR):usdsus usudstres pol WITH By By id (IDENTIFY) /MISSING:LISTWtSE Malomodifikovani rezurtati prethodnog postupka prikazani na srici. su
pol

f vuSxr Q Zerusxr
o o o to tr o
,N

o o oo tos .)n ocD o i) O@*^ + oo s oHo OO {OImo .)

Oo O9

oo

!t

'*f&leTffiff-

o c o ct =
t(

([ *@ co &DSO nBBD*lEf,_gHg) {D * csD AD _!c[o@frx _oo @ @ {BBDSjI {6 o +{ o {smmH@ @caD 6s@E8uB(BD * LA-AJ-+rT {GlDffiEE*4rr

o*
o + B *+ O

at, 20

Postupakcrtaniadiiagramarasturania
zatimLegacyDialogs' Graphs, pritisnite na meniju vrhu ptozota 1. U glavnom pa Scatter/Dot. dugmeDefine. poljesimple scatter izatimpritisnite 2. Potvrdite to je obidnoona kojusmatrate koja prvupromenljivu vaszanima; 3. Pritisnite stres). dozivljen (npr. subjektivno promenljivom ukupan zavisnom u prebacili promenljivu da pritisnite dugmesa strelicom bisteizabranu 4. Zalim osi' na ce poljei axis.Ta promenljiva biti prikazana vertikalnoj (npr.ukupnu sDsus) u poljeX axis.ra proprebacite drugupromenljivu 5. osi' na se menljiva prikazuje horizontalnoj

T f

c o a. :

*9 # r r +19 + 6mqm 8 * -ob @+ s _{o cnl so@ m # u_ O OOSffiSO oo^ o +doqoo m


LXJ + Om+

0p

oooo

rI

o
.IO^O

* *1

ooo

oooooo

50

60

70

UkupnaSDSUS

Tumadenjedijagrama rasturanja
Iz prethodne slike kao da se nazire umerena negativna korelacija izmedu dve posmatrane promenljive (subjektivno doZivljenog stresa i SDSUS) u uzorku kao celini. Ispitanici s visokim nivoom subjektivno doZivljene samokontrole (koja se prikazuje na horizontalnoj osi) subjektivno doZivljavaju niZi nivo stresa (5to se prikazuje na vertikalnoj osi). S druge strane, osobe s niiim nivoom subjektivno doZivljene samokontrole doZivllavaju znatno viSi nivo stresa. Ne nazfte se nikakav krivolinijski odnos medu njima, pa bi bilo umesno izradunati Pirsonovu korelaciju tih dvaju promenljivih (videti poglavlje 11). Ne zaboravite da dijagram rasturanja ne daje konadne odgovore; nakon njega jo5 treba izradunati odgovarajuie statistidke pokazatelje (u ovom sludaju, koeficilent Pirsonove korelacile). U gornjem primeru ispitala sam uzajamni odnos samo dve promenljive. MoZe se nacrtati i matrica dijagrama rasturanja za celu grupu promenljivih. To se koristi za preliminarno ispitivanje hipoteza (pretpostavki) u analizama kao sto ie MANOVA.

tog postupka prikazani na slici. Rezultati su

a> E r g3
F;= N.

m z a x

r C C

ro

a> E

c a,
o

Postupakcrtanja matricedijagramarasturania
pritisnite 1. U glavnom meniju vrhuprozora na Graphs,zatimLegacyDialogs i najzad Scatter/Dot. poljeMatrixScatter, pritisnite 2. Potvrdite pa dugmeDefine. (negose, promenljive pozose, 3. lzaberite Zeljene sve neprekidne i sudstres) prebacite u poljeMatrixVariables. ih je promenljivu i prebacite u poljeRows. pol 4. lzaberite poljeExcludecases variableby va5. Pritisnite dugmeOptions i potvrdite riable. 6. Pritisnite Continuei zatimOK (ilidugmePasteda bistekomande u snimili Syntax Editor). Ovajpostupak generisati ce sledece komande: GRAPH (MATR /SCATTE PLOT R IX):u negoseupozoseusudstres /PANEL ROWVAR:oolROWOP:CROSS /M lSSlNG:VARIABLEWISE .

'=p

Ukupno pozjtivnih osecanja

Ukupno Ukupan negativnih subjektivno osecanja doZivljen stres

Pravougaoni dijagram
Pravougaoni(kutijasti) dijagram se upotrebljavaza poredenjeraspodele vrednostipromenljivih. MoZe seupotrebiti za ispitivanjeraspodele jedneneprekidnepromenljive (npr.pozitivnih oseianja)ili serezultati mogu razdeliti na viSegrupa (npr. starosnrh).Zaporedenje moZedodati joi jedna katese gorijska promenljiva (npr. muSkarcii Zene). donjem primeru, istraZiiu U raspodelu vrednostina skali pozitivnih oseianjaza muSkarce Zene. i

Postupakcrtanja pravougaonog dijagrama


1. U glavnom meniju vrhuprozora na pritisnite Graphs,zatimLegacyDialogs i najzad Boxplol 2. Pritisnite Data in chart are potvrdite poljeSummaries Simple.U odeljku for groups of cases.Pritisnite dugmeDefine. 3. Pritisnite promenljivu neprekidnu koja vas zanima(npr.ukupnopozitivnih je osecanja). prebacite u poljeVariable. Pritiskom dugmesa strelicom na 4. Pritisnite promenljivu vas zanima(npr.pol).Pritiskom kategorijsku koja na je prebacite u poljeCategoryaxis. dugmesa strelicom

lD 5. Pritisnitepromenljivu prebaciteje u polje Label cases. Tako cete dobiti prilikuda s dijagrama oditatebrojevesludajeva kojimasu se javileekstremu ne vrednosti. 6. PntisniteOK (ili dugme Paste da biste komandesnimiliu Syntax Editor). Prethodnipostupak generi5eove komande:

EXAMINE VARIABLEs:upozos pol BY /PLOT:B OXPLOT/STATI CS:NO NE/NOTOTAL/l D:id STI Evorezultata postupka. tog

40 (! '(J (l,

o o E c
N

' svaka raspodela vrednostipredstavljena pravougaonikom linijama je i (repovima)koje iz njega tzraze. pravougaoniksadrzi 50 procenata a sludajeva, njegovaduiina je srazmerna interkvartilnomrasponLi promenljive.Linija unutar pravougaonika medilana.Repovi je liinile ilo,e izlazeiz pravougaonika) do najvedih najmanjihopaienih idu i vredno_ sti promenljive. . Svirezultatikoje spss smatranetipidnim tadkamaprikazanisu kruiiii_ ma pored kofih su brojevi. (To su ID brojevi.tih siuiajeva). Netipidne tadkesu sludajevi.dije.se vrednosri previie razlikuju od ostatka,r;r;, bilo da su prevelikiili premali. SpSS smatranetipidnimsveradkekoje su od ivice pravougaonikaudarjene vile od 1,5 njegovihduzina. Ek_ srremne radke(oznadene zvezdicom") jesuone koi.lu od ivicepravougaonikaudarjene od 3 njegove viie duzine.Viie o netipiinim tadkama prodirajte poglavlju6. u gornjemprimeru prikazanesu u za muikarce i zenesveukupno netipiine tadkes malim vrednostima tri promenljive Pozitivnaosec.anja. ' osim informacijao netipidnimtadkama, pravougaoni dijagrampredoiava oblik raspodele rezurtata raznihgrrpo. on fokazuje varijabirnost rezsltata unurar svake grupe i omoguiava vizuelni pregled razrrka izmedugrupa. u gornjem primeru, raspodelerezurtatafro-enljiue pozitivna oseianja za muikarce i Zeneveoma su slidne.

30

o o oCL

Doradadijagrama
?0

Pol

dodarnim opcijama menija ikonicama i (slika 7.1).Trebalo ;ji,::,119:"-om, -":ji p:oz?r Properties, sluZiza d,orad,u koji dijagrama. ;,.:'":t-lt]il poJavl' pritisnite f, r\\u se ne
dijagram desnim tasterom mida i u priruinom meni j u iza berite properties Wind"ow.

se gf?l]:.?:'"qr.ami doraduju p.ororu o Chart Eattir,k;ii;;;,r"ra tako prikazai" ,.,,r,, koji treba doraditi. ," prozor s il:1,1t_::lntrsnete,diiagram

Pre nego 5ro se dijagram itampa ili stavi u izveitai, katkada treba doraditi natpise, mark-ere itd._Naprimer,neke od dijagramaprika_ :l:q:l: l1.love. zanrhu ovom poglavljudoradilasam da bi postalijasnijil.ecirr-ri, podebrjara samlinije kojima je dijagramiscrtan ili promenilapopunu stubidastog dija-

pravougaonog Tumadenje dijagrama


Pravougaoni dijagramdajemnogo informacijao raspodeli vrednostineprcpromenljive(i klakidne promenljivei moguiem uticajudruge,kategorijske sterpromenljive, promenljivegomilanja,ako seona upotrebi). tj.

:&

Ele Edit Uiew Qptions EleDents fS

HXYldfri-,
r'{

Ilbl..
til

I]bl4L*

[iHU$i1 Hii,

ryhlti:r

U:'#

Slika7,1 Trakas menijima Chart Editora.

U Chart Editoru mogu se sprovesti razne izmene i dorade: r Redi u natpisima menjate tako 5to jednom pritisnete natpis da biste ga izabrali (oko teksta bi trebalo da se pojavi plava ivica). Pritisnite joi jednom (trebalo da se pojavi crveni kursor) i tekst iete moii da menjate. Izmenite ga i kada zavriite, pritisnite Enter na tastaturi. . PoloZaj natpisa duZ X i Y ose menjate (npr. da biste ga centrirali) tako 5to ga pritisnete duaput. U okviru Properties koii ie se pojaviti, pritisnite jezidak Text. U odeljku Justify izaberire ieljeni poloi'ai (tadka oznaiava centralni poloiaj, strelica ulevo pomera dijagram ulevo, strelic:t udesno ga pomera udesno). e Da biste izmenili obeleZjateksta, linije, markere, boje, popunu pozadine ili skale,jednom pritisnite ono svojstvo teksta koje hoiete da menjate. Zavisno od svojstva koje pritisnete, u prozoru Properties ie se na odgovarajuii nadin izmeniti opciie. Razne kartice u ovom okviru sluZe za izmenu raznih svojstava dijagrama. Zelite li da menjate jednu od linija u viSelinijskom dijagramu (ili markere odredene grupe), tu kategoriju treba da izabetete u legendi, a ne na samom dijagramu. To bi posluZilo npr. prilikom promene jedne od linija u isprekidanu, da bi bila uodljivija kada se odStampa crno-belo. Najbolli nadin da nauiite kako se te opcije upotrebljavaju iesteda ih koris stite, tj. eksperimentiSete njima. Zato samo napred, slobodno se poigrajte!

dijasram trebakopirati. koji Oko njesabi trebato se pri. da i:i:?ft:ritisnite Edit 4. Pritisnite (u grav.nom izatimu tom meniju r9n'j, na vrhuprozora) izabe_ ritestavkucopy objects. Takoste dijagram kopirari ctipoourJ (madato nu ne vidite).
5. U listi minimiziranih programa na dnu ekrana pritisniteprogram za obradu teksta (npr. Microsoftov Word). T i m es t e p o n o v oa k t i v i r a i i W i r d iOouufig;J

prviplan. 6. U Wordovom dokumenru dovedite kursor tamo gde Zelite da stavite diia_ gram. 7.Pritisnite u word3vomgravnom.meniju, izaberite Edit paste.'i na pareti pa paste (ridi tubr, sa aratkama pritisnite ikonicu nu sa Stiparjkom papir). za 8. Pritisnite izatimsave da bistesnimiri Fire wordovdokument uvezenrm sa di_ jagramom. 9' Ako hoceteda se vratite spss i nastavite anarizama, u sa opet pritisnrte njegovuikonicu, kojabi trebaro je na dnu ekrana. da Kadasu ob" frogr"n.'"otvorena' moZeteprerazitiiz jednog u drugi i prenositi kril;";; tabere, dijagrame Nemapotrebeda zatvarate itd. ifedanod progrur" Jot nu zavr5ite. Samone zaboravite snimate da "uu datotekudok to iadite.

DodatneveZbe dokumente Uvoz dijagramau Wordove


kopiranjedijagramau programza obradu tekSPSS omoguiavaneposredno sta (npr. Microsoftov'Word).To biste radili kada priprematekonadnuverdijagram grafiiki. Ponekad Zelite predstavite da i ziju izvedtaja deo rezukata i predstavljarez'rkatejednostavnije iasnijenego brojevi u tabeli. Nemoitc efekte.I're samo kao specijalne preterivatis tim; dijagrameupotrebliavajte prenosau \ford, dijagramtreba udiniti 5to je mogu6ejasnijim. uputstvavai.eza verzlieWorda koie rade pod Napomena:Dolenavedena 'Windowsom 95 ili novijim operativnimsistemima.

PoslovnookruZenje
Datotekas podacima:siaffsurvey3ED.sav. Poiedinostio datotecivideti u dodatku. 1' Nacrtajtepomoiu.spss-ahistogram koji prikazujeraspodelu - -' vrednosti na skali zadovorjstva osobljJ(promenrjiva totsatisl-.' 2' Nacrtajte pomoiu spsS-astubidasti dijagram koji prikazuje zadovoljstvo stalno zaposrenogu odnosu .ru orlbll. ,"i"ir."" odrede.ro vrememanje ili jednakodve godine, 3 do i godiru, i o i "'a godina. vise Upotrebite promenljive totsais, employstatus i seruicegp3. 3. Nacrtajte_ pomoiu.SpSS-adijagram rasruraniakoji prikazuje odnos broiaodina zaposlenja ,oj organizaciji njihovog zadovorji "r"ui;ir to,pokuiaites promenriiivom (ciia ie raspodera seruice jal']i'^I"]fr: u zarim s promenljivom pri dnu spiskapromenljivih il^1t^1T:lrl.T), Ia promenljiva je funkcijom log,u transforririru.,u pruo_ l:f^:r:,:r). Drtnapromenljivaseruice. log,obi trebaloda amortizujeveliku asime_ tridnost.Postupakje objadnjen poglavlfug. u

Postupakuvozadijagramau Wordovdokument
vi5e programa.ISPSS iWord moizvr5avanje Windows omogucavaistovremeno raju biti otvorenida bi razmenaizmedunjih bila moguca.lz jednog programau drugi prelazitetako Sto pritisneteodgovarajucu ikonicu na dnu ekrana ili pomocu menijaWindow. To je kao preme5tanjepapira po stolu. Pri1. PokreniteWord iotvorite datoteku u koju treba staviti kopiju dijagrama. tisnite SPSS-ovu ikonicu na dnu ekranada biste se vratiliu SPSS. 2. Dovedite u prvi plan prozorViewer.

-'\
pravougaoni (kutiiasti) difagram koji prika4. Nacrtajte pomoiu SPSS-a zuje raspodelu vrednosti na skali zadovoljstva osoblja (totsatis) za razne starosne grupe (starost). 5. Nacrtajte pomoiu SPSS-alinijski diiagram koii poredi zadovolistvo osoblja raznih starosnih grupa (agerecode) za stalno zaposlene r.rodnosu na one koji su privremeno zaposleni.

ffi /
i

-}
-&t5
'h*ddEV

Dorada podataka

\'.r," " - , $ D \ ry '\


vt

Zdravstvo
o Pojedinosti datotecivideti u dodatku. sleep3ED.sav. Datotekas podacima: rezultata histogramkojiprikazuie raspodelu L. Nacrtajtepomoiu SPSS-a (ess). na Epvortovojskali pospanosti stubiiasti diiagram koji poredi rezultatena 2. Nacrtajtepomoiu SPSS-a za Scale(rotSAS) tri staroSensations and skali Sleepiness Associated snegrupe (agegp3)muSkaracaiLena (gender). diiagramrasturaniakoji prikazujeodnosre3. Nacrtajtepomofu SPSS-a Scale,ess) zultatana Epvortovoj skali pospanosti(Epworth Sleepiness Scale(rolSAS).MLrSensations and Associated i na skali Sleepiness razliiitim markerima. 5karceii.ene (gender)obeleLite pravougaoni(kutijasti)diiagramkoji prika4. Nacrtajtepomoiu SPSS-a Sensations and rezultatana skali Sleepiness Associated zuje raspodelu problema sa za Scale(rorSAS) osobekoje su naveleda imaju/nemaiu (problent). spavanjem linijski diiagram koii poredi rezultatena 5. Nacrtajte pomo6u SPSS-a Scale(rorSA za razne staS) Sensations and skali Sleepiness Associated i muSkaraca Lena(gender). rosnegrupe (agegp3)

Nakon dro unesere podatke i uklonite sve greike iz datotekeu kojoj su oni smesteni, sledefi korak je prevodenjesirov"ih poaurut n u podesanza obavljanje analizai ispitrvanjehp"t.ru. "ur'. uj1:ilr;i-"i o"ir"ua, ispitiva_ nih obelezja(promenljivih) i vrste istrazivadkih pi;;;;"';; traLiteodgo_ vore,raj procesbi mogao da obuhvati: ' sabiranje rezurtatadobijenih stavke(promenljive) za od kojih sesastol.i svakamerna'skara, kako bi sedobio rk';pr;;;;;rr"ii."gr bturscore) na skarama kojima se meri ,nmopo.touanje, na optimizam,subjektivno dozivljenstresi sr.spsSto radi br.zo,r"k" i ;"d;;;;.." , pomiiljajte da to radite rudno za svakogirpiturrika ,"r"l.roi"'"' ' rransformisanje asimerriinihpromenljivihradi za neophodno d a rezultari bl'rd rrorrir"lno-raspodel anariza k<>jeje u j eni; ' svodenjeneprekidnih promenljivih (npr. srarosr) na kategorijskepromenljive(npr. mradi,siedoved,ri i ,t".i) ,uai ^n.ti^k;;:r" je anariza varijanse; i o smanjenjebroja kategorija odredene,kategorijske promenljive (npr. statusa samoduekuteg"ori", na vezi,,/,,niie ;;J; u ;::,q:i'bradnog ' Kada u ovom pogravrju,izmenite promenrjive daroteke podacima, iz s belezite u svoi o<ld.sernik. zaro orrgi ,',ai;ocraprarlresve izmene u datorecis

do,iup,'. dura # il:ffi I :T:::,: :i::i :'oo" :';;;;; pokazatiu."i- t pisproce zatim kako reiirruju se (engt. ,"aa rei ri)",i"ffi;;:J#liil1 *t^"^,|t9ni" opcije Syntax nao 5toje vei_SPSS biroobjasnjeno,' p"gri'rir:, spss;;;;r";ilnr"* u koiemse mosu zabeleiiti Editor r."*"tia. gJ..rirurr. pomoiu menijau svakoj ri. prisrupa prn"*Ci - re 1.,.:..9r Komiandama 'J;::; procedurapomocu

pritisnitepaste. otvoriie se .ro'p.ort,

odelma k;;;, Ici u

opisai pos,; Xl!::; ff n o.',,11

sy.rru* Editor sa svim

tLTiT;,7

komandama

koje ste prethodno zadali. Na slici 8.1 prikazan ie deo komandnog prozoral upotrebljenog za relifrovanie stavki i izraiunavanje ukupnih rezultatir u datoteci survey3ED.sav. Cela komandna datoteka (surveysyntax3ED.sps) mo|e se preuzeti s prateie'Web lokacije ove knjige. Komande prenete u Syntax Editor ne izvriavaiu se automatski, ved treba vi da ih pokrenete' Da biste izvrSili odredenu komandu, izaberite ie (ukljuiujuii i tadku koiom svaka komanda zavrSava)i pritisnite Run u glavnom meniju ili strelicu (ti. trougao iije ye teme okrenuto udesno) na paleti sa alatkama. Komandnoj datoteci treba dodati komentare; to su redovi koji podinju zvezdicom (slika 8.1). Pre i posle svakog reda komentara treba ostaviti po jedan prazan red'

Treba razumeti skale i mere uporrebljene u istraZivanju. Proverite (u uputstvu za skalu ili u ilanku u kome je skala bila objavljena) ima li na nloj stavki koje treba obrnuti i kako se izradunava ukupan rezulrat na nioi. Neke skale se sastoje od viSepodskala koje treba (ili ih se ne sme) sabrati da bi se dobio ukupan rezultat. To se mora tadno uraditi, a mnogo je lakle uraditi ispravno prvi put nego kasnije ispravljati pa ponavljati analize. ovih postupaka,uvek napraviterezervnu kopijudaUpozorenje Pre sprovodenja toteke s Podacima. ili NakonSto dodate nove sludajeve izmenitepodatke,SPSS nece automatskinaizradunatirezultate.Naredne postupke sprovodite tek kada napravitekonovo nadnuverzijudatotekes podacima,kako zbog promeneskupa podatakane biste morali da ponavljatesve analize.

File Edit Viet4, Dala Transform Anal},ze Graphs Utiliiies Run window Help

& 6

'- ne

k df, h O

formulisanih Korak1: obrtanjenegativno stavki


Da bi se spreiio uticaj na ispitanike, na nekim skalama su odredene stavke negativno formulisane. To se vidi na skali optimi zma u anketi. Stavka 1 je pozitivno formulisana, pa velike vrednosti rezulrata pokazuju ueliki optimizam: ,,U nesigurnim vremenima obiino odekujem da ie mi se desiti ono najbolje',. Medutim, stavka 2 je negativno formulisana, 5to znadi da velike vrednosri rezultata pokazuju mali optimizam: ,,Ako iSta moZe da mi krene po zlu, krenu6e." Negativno su formulisane i stavke 4 i 6. Pre izradunavanja ukupnog rezultata za ovu skalu, negativno formulisane stavke treba obrnuti tako da velike vrednosti svih stavki pokazuju veliki optimizam. Posrupak obrtanja stavki 2, 4 i 6 skale optimizma prikazan je nastavku. Za skalu optimizmir upotrebljena je Likert skala sa 5 podelaka; dakle, rezultati za sve sravke mogu biti u rasponu od 1 (nimalo se ne slaZem)do 5 (potpuno se slaZem). Iako promenljive dije su formulacije obrnute mogu zadri,ati dotadadnja imena, traLi(emo da SPSS njih napravi nove promenljive, umesto da nove od podatke upiSe preko starih. To je mnogo bezbednije, a i osravlja prvobime podatke neizmenjenim. Ukoliko Zelite da pratite i odmah sprovodite dolenavedena upurstva, otvorite datoteku survev3ED.sav. 1. U glavnom meniju na vrhu prozorapritisniteTransform, zatim Recode, pa Into Different Variables. 2. lzaberite stavkekoje treba obrnuti (op2, op4 i op6) i prebaciteih u polje lnPut Variable-Output Variable. (op2) izatim njeno novo ime upi5iteu odeljakOut3. Pritisnite prvu promenljivu put Variable na desnoj straniprozora.U postojecojdatotecis podatcima, ja sam joj dala ime Rop2. Ako hocete da joj date neko drugo novo ime umesto navedenoga,upi5itega (npr. revop2 ili obrop2). Ponoviteto za sve ostale promenljive koje treba obrnuti (opa i op6).

* F e c o d e e g a t i u ewy r d e d variables itemsintt diflerent n lo items optimisrn "rec,rde RECODE op2op4 op6

(a=21 (1=5) =4) (3=31 EXECUTE

INTO Rop2 Rop4 RopE

*recode items rnastery REC0DEI rnastl mast3mast4ntast6mast/ (1=4) E=3) l3=2) Rmast/ RmastE Rmast4 Rmastl Rmast3 EXECUTE

SyntaxEditor. Slika8.1 Prozor proceduru opisanu u nastavku,prikazaiemo i priza svakusPSS-ovu padajuiu komandnu datoteku(sintaksu).

analizaskupapodataka,trebaizradunafiukupne Preobavljanjastatistidkih To na svim skalama. seradi u dva koraka: rezultate . Korak 1: obrnuti svenegativnoformulisanestavke;i . Korak 2: uputiti SPSS sabere vrednostisvih stavki od kojih se podda s k a l ai l i s k a l as a s t o i i .

ukupnihrezultatana skalama lzradunavanie

dugmeOld and new values. 4. Pritisnite 1. Old Valueu odeljku valueupisite U polje vred5. ste New value upisite (Tako sve prvobitne U poljeValueu odeljku u5.) nostil pretvorili smestili poljeOld ) New. u 1e+5 dugmeAdd da bistekomandu 5. Pritisnite Na za isti 6. Ponovite postupak ostalerezultate. primer: Add. 4; 2; U Old valueupisite u New valueupisite pritisnite Add. 3; 3; U Old valueupisite u New valueupisite pritisnite pritisnite Add. 2; 4; U Old value upisite u New value upisite Add. 1; 5; U Old valueupisite u New valueupisite pritisnite (ilidugmePasteda bistekomandu snimili u 7.Pritisnite ContinueizatimOK je kadaje priu Syntax Editor).Nakonpreno5enja Syntax Editor,izvr5icete izaberete Run. i tisnete u meniju generiSe postupak sledecu sintaksu: Prethodni RECODE op2 op4 op6 (1:5) (2:4) (g:g) (4:2) (5:1) INTORop2 Rop4Rop6 EXECUTE.

ukupnih rezultatana skali Postupakizradunavanja


Transform, zatim Compute. 1. U glavnommeniju na vrhu prozota pritisnite novo ime promenljive rezultat skana 2. U poljeTarget variable upiSite ,,ukupan date prefiksU (odnosnoT ako li'i Bilo bi dobro da svim ukupnimrezultatima jer na su imenapromenljivih engleskom), cete ih tako lakSepronalaziti abeu prilikomobavljanja promenljivih analiza. sam ukupnom Ja cednim spiskovima na dala ime ,,TOPTIM|skracenood ,,total optimism". rezultatu skalioptimizma Vaino: Ne sme vam se desiti da za novo ime upotrebiteneko od vec postojecih; time biste izgubili sve prvobitnepodatkekoji se odnose na promenljivu proveriteda li je va5e ,,novoime" zaistanovo. istog imena.Zato u Sifarniku dugme Type and Label. U polje Label upi5iteduZeopisno ime ska3. Pritisnite (npr.ukupanoptimizam). Pritisnite Continue. le na 4. U spisku promenljivih levojstrani,pritisniteprvu stavku skale (op1). 5. Pritisnitedugme sa strelicom) da biste izabranustavku prebacili u polje Numeric Expression. + 6. Pritisnite na kalkulatoru. 7. Ponavljajteprethodni postupak dok sve stavke skale ne prebacite u to polje. U ovom primerunajprebismo odabralineobrnutestavke (op3, op5), a zatim prethodnimpostupkomdobijeneobrnute stavke (Rop2, Rop4, Rop6), smeStenena dno spiska promenljivih. 8. Dovr5en numeridki izraz trebalo bi da glasi: op 1+op3+op5+Rop2+Rop4+Rop6. 9. Ponovoproveriteda li je sve tadno uradenoi da li su znakovi* na ispravnim mestima.Pritisnite OK (ili dugme Paste da biste komandu snimiliu Syntax je Editor), Da biste je izvr5ili nakon preno5enja Syntax Editor, pritisnite i u u menijuizaberiteRun. Prethodnipostupakgeneri5eovu sintaksu:

Nove promenljivesa obrnutim rezultatimatrebalo bi da su na dnu datoU tekes podacima. prozoru Data Editor proveriteda li ie tako - pritisnitejeVariable View i spustite se na dno spiska promenliivih. zidak kartice ceo Vide6ete niz promenljivihkoje podinjuslovomR; to su promenljivekoje bi vaie promenliive tresamobrnula.Ukoliko stesproveliopisanipostupak, je proveriti reiifrovaneprobalo da podinju sa ,,rev" ili sa,,obr". Dobro izazvalo.Za pwih nekoliko menljive,videti promenu koju je reSifrovanie rezultate dobijenes prvobitnin"r u sludajeva skupupodataka,trebazabeleZiti promenljivihi potom pogledatida li su odgovarajuiepreokrevrednostima izmeniene. isprevno nutepromenljive

: COMPuTEtoptim op1+op3+opS+Rop2+Rop4+Rop6 EXECUTE.

Korak2:izraiunavanjeukupnihrezultatana skali
formulisanihstavki na skali, spremnisteza izraNakon obrtanjanegativno To na iunavanjeukupnih rezuhata skali za svakogsubjekta(ispitanika). treba raditi tek kada imate potpunu datotekus podacima.

Na kraju skupa podataka napravili ste novu promenljivu TOPTIM. Ukupni rezultati za svakog ispitanika na ovoj skali sastojaie se od zbira rezultata za svaku stavku (promenljivu) - od op1 do op6, reiifrovanih gde treba. Tamo gde pojedinoj stavki nedostaje podatak, ne6e biti ni ukupnog rezultata. To se vidi tako 5to u odp;ovaraju6oi6eliii datoteke s podacima imate tadku umesro rezultata. Videiete u literaturi da neki istraZivadi idu korak dalje tako 5to ukupan rezultat na skali dele ukupnim brojem stavki od kojih se skala sastoii. Tako olakiavaju tun-raienjeukupnog rezultata na skali, zirto

5to je skala vraiena u prvobitni oblik upotrebljen za sve stavke (npr. od 1 do 5 za stavove od potpunog neslaganjado potpunog slaganja). I to se radi pomoiu SPSS-ovogmenija Transform, Compute. Novoj promenljivoj treba dati novo ime i upisati odgovarajuiu formulu (npr. TOPTIM/6). Ne zaboravite da pojedinosti o svim novim promenljivama upiSeteu 5ifarnik. Treba upisati ime nove promenljive, Sta ona predstavlja i sve pojedinosti o tome kako je izradunata. Ako je neka od njenih stavki bila obmuta, to treba navesti zajedno s detaljima o tome koje su stavke bile sabrane kako bi se dobio ukupan rezultat na skali. U Sifarnik bi trebalo upisati i moguii raspon vrednosti nove promenljive (videti dodatak). Time ste sebi pripremili jasan vodid za prepoznavanje vrednosti koje su greSkom izvan dozvoljenog raspona. Kada napravite novu promenljivu, pokrenite za nju proceduru Descriptives kako biste proverili da li su njene vrednosti odgovarajuie (videti poglavlje 5). Tako 6ete steii i ose6aj za raspodelu rezultata nove promenljive. o Proverite u upitniku koliki je moguii raspon vrednosti koje se mogu zabeleLiti? Za skalu sa deset stavki i ako se odgovori oznaiavaju brojevima od 1 do 4, najmanji mogu6i ukupan rezultatje 10, a najveii 40. Osoba koja na svaku stavku odgovori sa 1 imaie ukupan iznos 10 x 1 = 10. Osoba koja na svaku stavku odgovori sa 4 ima6e ukupan iznos

10x4=40.
o Proveriterezultat procedureDescriptivesda ne bi bilo vrednosti izvan dozvoljenog raspona.(Videtipoglavlje5.) . Uporedite srednju (prosednu)vrednost ukupnog rezuhata dobijenog na skali sa odgovarajuiimsrednjimvrednostima navedenim literatuu ri. Da li ste dobili rezultatslidannjihovom?Ako niste,za5to? niste Da pogreiili prilikorn reSifrovanja promenljivih? je va5uzorakdrugadiji Ili od onoga upotrebljenogu drugim istraZivanjima? Trebalo bi da obavite i druge analizeradi provere raspodelerezuhataza novu promenljivu,,ukupanrezultatna skali": o Proverite da li je raspodela rezultata asimetridna(sketuness) da li te spoljoitenija(kurtosis)od normalne.(Videtipoglavlje6.) o Napravite histogram rezultatai pogledajtenjihov raspon.Da li su normalno raspodeljeni? Ako nisu, moZda bi za neke analizerezultatetre(To balo da transformiSete. ie biti obiainienou nasravku.)

(npr.potiStenosti). Katkadaje raspodela negativnoasimetridna; je veiina tu rezukatabliZavelikim vrednostima(npr.samopoitovanja). Po5tose mnogi testovimogu obavljati samo na normalno raspodeljenim parametarski rezultatima,Stada radite sa asimetridnimraspodelama? bi testove(npr. pirsonovu Jedno reSenje bilo da ne radite parametarske korelaciju, analizu varijanse), nego njihove neparametarskealternative korelacijuranga,Kruskal-Volisov (Spirmanovu test).u programskom pake, postoji viSekorisnih neparametarskih tu SPSS tehnika, a razmotren",u u poglavlju15. Druga moguinost (kada nemate normalnu raspodelu rezultata)jeste da promenljive. To znati da raznim matematidkim funkciiama transformiSete rezultatedok raspodelupriblizno ne normalizuiete. modifikujete Ima viie koje seupotrebljavaju vrstatransformacija ukoliko to prvobitni oblik raspodelenalai,e.o ovom pristupu se vodi velika raspravau literaturi. Jedni zdu5no zagovarajutransformisanjepromenljivih da bi se bolle zadovoliile polazneprerpostavkeraznih parametarskih tehnika (naideiie normalnosr raspodele),drugi navode a zalroro nijedobro.Diskusiju prisrupima o rransformaciji i pitanjima koje ona pokreie imate u 4. poglavlju knjige koju su napisaliTabachnick Fidell (2007). i Na slici 8.2 predstavljene neke od uobiiajenih problematiinih rasposu delai transformacije koje za njih preporuduju Thbachtri.ki Fid.ll (2007, str. 87). Uporeditesvoju raspodelu prikazanimai utvrdite kojoj od njih je najs slidnija. svaku od predlozenih Uz transformacija dala sam i njenu formulu. Ne plaSite - to su samoformule koje sPSS se upotrebljava za transformaciju. Vi 6eteod SPSS-a dobiti gotovu, nadajmo se normalno raspodeljenu, novu promenljivu za analize. narednom odeljku upoznaiete Spss-oveproceduu re transformisanje. Medutim, pre nego 5to sami pokulate da upotrebite _za nektttransformaciju, trebadobro da proudite4. poglavljeknjigeauiorki rhbachnicki Fidell (2007) ili odgovarajuii deo n.kog slidnogudzbenika.

Postupaktransformaciie promenljivih
1. U glavnom meniju pri vrhu prozora pritisniteTransform, zatim Compute Variable. 2. Target variable. U ovo polje upi5ite novo ime promenljive.Poku5ajteda njime naznadite vrstu transformacije prvobitnoime promenljive. primer, i Na da sam iz promenljive tnegaff moralada vadim kvadratni koren (engl.square root), nazvalabih novu promenljivusqnegaff. Budite dosledni u primeni skracenica kojima oznadavatetransformacije. 3. Functions. U ovoj listije mnostvofunkcijaza normarizaciju (transformaciju), pogleod kojih treba da izabereteonu najprikladniju svoju promenljivu. za dajte oblik svoje raspodelei uporeditega sa slikomg.2. Zapisiteformulunava5oj raspoderi. vedenu pored slike koja je najpribliZnija Nju cete upotrebiti za transformaciju.

Transform isanje promenljivih


eesto 6ete (na svoju Zalost!) prilikom pregleda raspodele rezukata na nekoj skali, tj. pri nekom merenju (npr. samopodtovanja, anksioznosti) primetiti da kriva raspodele nije ni lepa ni normalna. Ponekad su rezultati pozitivno asimetridni, tj. veiina ispitanika je odgovorila malim vrednostima na skali

Kvadratni koren = Formula:nova promenljiva SQRT (starapromenljiva)

Logaritam = promenljiva) Formula: novapromenljiva LG10(stara

4.Zatranstormacije u kojima se izradunava kvadratni koren ili logaritam. U polju Function group pritisniteArithmetic, pa premotavajtelistu u donjem polju sve dok u njoj ne nadete potrebnufunkciju(npr.SORT ili LGl O). tu Pritisnite funkcijui potom strelicunavi5ekako biste izabranu funkcijuprebacili u polje Numeric Expression. Funkcijitrebasaopstitikoju promenljivu je Pronadite u listi promenljivih pritisnitestreliZeliteponovo da izradunate. i cu da bisteje prebaciliu polje Numeric Expression. Ko hoce, moze sam da upi5eformulu,a da uop5te ne koristiliste Functions i Variables.Jedinotreba pazitida se ne pogre5iprilikompisanjaformule. 5. za transformacije u kojima se kriva raspodele preslikava. Treba da odredite vrednost K za svoju promenljivu. je najvecavrednost koju ta proTo menljivamoZe doseci (pogledajteu Sifarniku) 1. Upisite taj broj u polje + Numeric Expression. Dovrsiteostatak formule pomocu polja Functions ili ga sami dopi5ite. 6. Za transformacije u kojima se izradunava reciprodna vrednost. Recipro6navrednostse dobija deljenjembroja 1 sa rezultatom.Zato polje Nuu .l meric Expression upisite , zatim kosu crtu i ime promenljiveili ostatak formule (npr. 1/ tslfest). 7. Proverite zavr5enu formuluu polju Numeric Expression. Zapisiteie u sifarnik pored imena novonapravljene promenljive. 8. Pritisnite dugme Type and Label. u polje Label upisitekratakoprs nove promenljive(ili upotrebljenu formulu). 9. Proveriteu polju Target variable da li ste novoj promenljivoj dali novo ime (da nijezaostalostaro).Ako gre5komupi5etestaro,izgubicete sve prvobitne rezultate.Zato uvek proverite dvaput. 10. Pritisnite oK (ili Paste ako tu komanduhocete da prebaciteu prozorsyntax Editor). Da bisteje izvr5ili je nakon prenoSenja Syntax Editor, pritisnite i u u glavnommenijuizaberite Run. Bice napravljena nova promenljiva dodata na i kraj datoteke s podacima. 11. Pokrenite proceduruAnalyze, Frequencies da biste uporediliasimetridnost i spljo5tenost (pribliZili stare i nove promenljive. li su se poboljSali Da nuli)? 12. Ponovo u meniju Frequencies, pritisnitedugme Charts i izaberiteHistogram da biste pogledali raspodelu rezultataza novu promenljivu. li se Da raspodelapopravila(pribliZila normalnoj)? Ako nije,treba da nadeteneku prikladnijutransformaciju.

Reciprodnavrednost = Formula:nova promenljiva 1/ (starapromenljiva)

Preslikavanjei kvadratni koren = Formula:nova promenljiva SQRT (K - stara promenljiva), gde je K = najve6amogucavrednost+ 1

Preslikavanjei logaritam = novapromenljiva LG10(K - starapromenl.iiva), Formula: gde je K = najve6amogudavrednost+ 1

Preslikavanjei reciprodna vrednost = Formula: novapromenljiva 1l (K - starapromenljiva) gde je K = najvedamoguia vrednost+ 1

i transformacije. rezultata preporudene Slika8.2 Raspodela

Ukoliko nijedna od ponudenih transformacija ne normalizuje raspodelu dovoljno, razmislite o tome da za analizu podataka upotrebite neparametarske tehnike (videti poglavlje 16). Druga moguinost zaveoma asimetriine raspodelejeste da neprekidnu promenljivu podelite na viie diskretnih grupa. Sledeuputstva kako se to radi.

L/eu

lll.

Tlclllllll

lall le al lallze

Poglavlje8: Dorada podataka

95

pa Postu k re5ifrovania kategoriiskepromenljive


pritisnite Transform, zatimRecode,pa na meniju vrhuprozora 1. U glavnom 'different jer (Obavezno variables', ce trebada piSe Variables. lnto Different promenljiva za prvobitna ostatineizmenjena drugeanalize.) samotako (npr. koju U promenljivu trebare5ifrovati Skola). poljeNameupiSite 2. lzaberite (npr.Skolare5if). odeljak U Label koju ime novepromenljive trebanapraviti dugmeChange. upiSite njenduii opis.Pritisnite 3. Pritisnite dugmeOld and New Values. prvuSifru vrednost ili te4. U odeljku se Old Valuenalazi poljeValue.Upi5ite (npr.1). U odeljak NewValueupi5ite novuvrednost koja kucepromenljive (ili ako U ce biti upotrebljavana istuvrednost, ce i daljebiti upotrebljavana). 'l re6ifrovacu istuvrednost zatoupisati i u Old Valuei u i na ovomsludaju New Value.Pritisnite dugmeAdd. Za druguvrednost upisacu u Old Value,ali 1 u New Value.Timecu sve 2 5. re6ifrovati jednugrupunoveprou vrednosti i 2 iz prvobitnog 1 Sifrovanja menljive ce biti napravljena, koja s vredno5iu1. prvobitne promenljive 3 upisacu u Old Valuei 2 u New 6. Za trecuvrednost promenljive u neprekidnom {1,2,3,4, nizu bile Vaf kakobi vrednosti nove ue vrednosti. tabeliOld) New, U 5). Pritisnite Add. Ponovite svepreostale za 1-+'l 2+.1;3-+2;4->3; sledece Sifre: u ovomprimeru trebalo vidite bi da ; 5-+4;6-+5. u snimili 7.Pritisnite ContinueizatimOK (ilidugmePasteda bistekomandu u nakonpreno5enja SyntaxEditor,pritiSyntaxEditor).Da bisteje izvrSili izaberite Run. sniteje i u meniju Variable View UpiSite odgovarajuce DataEditorna karticu 8. Predite prozor u (1:nezavr6ena sre2:zavr5ena srednja Skola, du2eopise novihvrednosti 5: dodiplomske studije, zavr5eS:dodatnaobuka, 4:zavr5ene dnjaSkola, od Ne da razlikuju Sifara ne postdiplomske studije). zaboravite se ove Sifre prvobitne promenljive; smeteih pobrkati. ne generi5e komandu: postupak Prethodni ovu RECODE skola (1:1) (2:1) (3:2) (4:S) (S:+) (6:5) lNTOskolaresif EXECUTE.

sludajeva. To su dve osobe koje su oznatlle 1.za prvobitnu promenljivu (osnovna Skola) i 53 osobe koje su oznadile 2 (nezavriena srednja Skola). Prikazantr proceduru Recode (re5ifrovanja) upotrebljavamo u razne svrhe. Kasnije, kada budemo radili statistidke analize, do6i 6ete u situaciju da reiifrujete vrednosti odredenepromenljive. Na primer, u poglavlju 14 (Logistiika sa regresija)reiifrovaiemo promenljive prvobitno Sifrovar-re 1-da, Z=De DA nov sistemSifrovanja 1=da, 0=ne. To se radi onako kako je opisano u prethodnom odeljku. YaLno je da pre nego 5to podnete reiifrovanje budete sasvim naiisto 5ta predstavljaju prvobitne vrednosti, a 5ta treba da budu nove.

veZbe Dodatne
okruZenje Poslovno
Datoteka s podacima:staffsurvey3ED. sav.Pojedinostio datotecivideti u dodatku. postupkeopisane ovom poglavljuda bisredobili ukupnere1. VeZbajte u zuhate na skali, koristeii stavke iz anketa o zadovoljstvu zaposlenih (StaffSatisfaction Survey).Saberite sravkekoje mere slaganje svasa kom stavkom skale(tj. Q1a+Q2a+Q3a. . do Q10a).Novu promenlji. vu nazovitestaffsatis. 2. Pogledajteopisne statistidkepokazateljenovog ukupnog rezuhata (staffsatis)i uporedite ih sa istovrsnim pokazateljima za promenljivu totsatis, koju vei imate u datoteci s podacima. To j" ukupan rezultat koji sam ve( izratunala umestovas. 3. Koliki su najmanji i najveii moguii rentltat za novu promenljivu? Uputstvo:treba uzeri u obzir broj stavki skale i broj kojim se 5ifruje odgovorza svakusravku(videti r-r dodatku). 4. Pogledajte raspodelu promenljiveservice (staz)na histogramu. videiete da je ta raspodela jer veomaasimetridna ve6inaljudi ima malo staZir (manjeod 2 godine),a jedanrnali broj veomamnogo (viie od 30 godina). Uporeditetu raspodelu onima na slici 8.2 i isprobajte sa nekoliko transformacija. zaboravite svakiput pogledate Ne da raspodelu transformisanihpromenljivih.Da li je ijednaod transformisanih promenljivih normalnijeraspodeljena ? 5' Podelitepromenljivukoja se odnosi na broj godina rad'og staZa(service) r.r grupe postupkon-r tri visual Binning iz menija tansform. pritisnitedugmeMake cutpoints i izaberite Equal percentiles. odeljku u zadajte2. Novu promenljivu nazoviregp3serNumber of cutpoints vice kako bi se razlikovalaod promenljivekoju sam istim postupkom pomoiu p.o..d,r.. Fr"napravila u datoteci s podacima (seruice3gpl. nove promenljiveda bistevideli koliko quencies prebrojteudestalosti je ispitivanihsludajeva svakoigrupi. u

Kada reSifrujetepromenljivu, obavezno pokrenite proceduru Frequencies i za staru promenljivu (skola) i za novu (skolaresif:),smeStenuna dno datoteke podataka. Proverite da li su frekvencije nove promenljive ispravne. N:r primer, nova promenljiva skolaresif bi u prvoj grupi trebalo da ima 2+53=5-5

Zdravstvo

o Pojedinosti datotecivideti u dodatku. Datotekas podacima:sleep3ED.sav. postupkeopisaneu ovom poglavlju tako Sto iete izradunati 1. VeZbajte and i na ukupnerezultate skali pospanosti srodnihoseianja(Sleepiness Scale).Saberitestavke fatigue, letbargy, tired, AssociatedSensations sleepy,energy.Novu promenljivu nazovite sleeptot. Vodite raduna o tome da nijednuod tih stavki ne treba obrnuti pre sabiranja. 2. Proveriteopisne statistidkepokazateljeza novi ukupan rezultat (sleeptot) i uporediteih sa istovrsnim pokazateljimaza promenljivu /orSAS, koju vei imate u datotecis podacima.To je ukupan rezuhatkoji sam ve( izraiunala umestovas. 3. Koliki su najmanji i najveii moguii rentkat za novu promenljivu? Uputstvo: treba uzeti u obzir broj stavki skale i broj kojim se Sifrujc odgovor za svakustavku (videtiu dodatku). raspodelupromenljivekoja meri koliko ci4. Na histogramupogledaite garetadnevno popuie puladi u uzorku (smokenum).Videiete da je ta jer veoma asimetridna veiina ljudi malo puSi (manjeod 10 raspodela cigaretadnevno),dok je mali broj osobana samomkraju skale's vi5e od70 cigaretadnevno.Uporeditetu raspodelusa onima na slici 8.1 i isprobajtenekoliko transformacija.Ne zaboraviteda pogledateraspopromenljivih.Da li je ijedna od transformisanih delu transformisanih promenljivihnormalnijeraspodeljena? 5. Podelitestarosnupromenljivu (age)na tri grupe pomo6u procedure Visual Binning iz menija tansform. Pritisnitedugme Make Cutpoints U i izaberiteEqual Percentiles. odeljku Number of Cutpoints zadaite2 zabroj preseinihtadaka.Novu promenljivunazovitegp3agekako bi se razlikovalaod promenljivekoju sam istim postupkomnapravilau nove promenljive Prebrojteudestalosti datotecis podacima (age3gp). da Frequencies bisteproverili koliko je ispitivanih pomoiu procedure u sludaieva svakojgrupi.

ffi

,x

pouzdanosti Provera merneskale

Kada birate merne skaleza svojeistraZivanje, pouz_ uzmite one pouzdane. danostse moze posmatratis vi5easpekata, je bilo ,ur-otr.rro u poglasro vlju 1. Jednood glavnihpitanja odnosisena unurrainju saglasnost skalelq. srodnostistavki od kojih seskalasastoji. li sveorr" ,'"r. isti kon_ stepen Da strukt?Medu najdeSie r'.potrebljavanim pokazateljima unutralnjesaglasno_ sti je Kronbahov koeficijent alfa. U idealnom sluiaju bi Kronbahov koeficijent trebaloda budeveii od 0,7 (DeVellis, 2003). Medutim, vrednosti Kronbahovog koeficijenta alfa veoma su osetljive na broj stavki na skali. Kratke skale (tj. skale sa manje od desetstavki) destoimaju priliino male Kronbahove koeficijente (npr. 0,5). U tom sludaju, moidai. prlklud.riy" du seizradunasrednjavrednostkorelacijeizmedu sravki (engl.'iean inter-item correlation). Briggsi cheek (1986)preporuduju vrednostfod0,2 doO,4kao optimalanrasponkorelacijeizmedustavki. Pouzdanost skalese menja zavisnood uzorka za koii se koristi. zato ie pouzdanost svakeskaleneophodnoproveriti na konkretnom uzorku. To se obidno stavlja u odeljak Metodologija tezeodnosno izveitaja (dlanka) o istraZivanju.Ako skala sadrZin.g"tiu.ro formulisane stavke (ito je iesto u psiholoSkimistraZivanjima), njih rreba obrnuti pre proverepouzdanosri. Uputstva o rome su dara u pogiavlju g. u dlankuu kojem . lt. nego5to nastavire, prirudnikuza skalu (ili strudnom je skalabila opisana)obavezno proditajtetreba li obrtati sravkeskalei sve slo,se.od.nosi nieneevenrualne na podskale.Katkada skaleimaju viie podst<ala koje treba ili ne treba kombinovati da se dobije ukupan rezultat na skali-Po potrebi iere izradunati pouzdanosr svih podskalai ukupneskale. Ako za svojeistrazivanje razvijatesopstvenu skal,r,treba mnogo toga da proditate nadelima postupcimarazvojaskala. o i o tome ima dobrlh i dtt;lmedukojima su i one koje su napisaliStreiner Norman (2003), & 1r[knjiga, DeVellis (2003)i Kline (2005).

Obiainienjeprimera
Pokaza6uvam ovu tehniku na primeru datoteke s podacimaa survey3ED.sav, dostupnojna prateioj Web lokaciji knjige.SvepojedinostiistraZivanja, upitnik i upotrebljeneskale dati su u dodatkr.r. Ukoliko Zeliteda pratitei odmah sprovodite navedena uputstva,pokreniteSPSS otvorite dai postupku ispituje se unutrainja saglatoteku survey3ED.sav. narednom U snost jedne od skala u tom upitniku. To je skala Satisfaction with Life (zadovoljstvo Zivotom)(Pavot,Diener,Colvin & Sandvik,1,991.), sesakoja stoji od pet stavki. U datotecis podacima one su nazvane lifsatl, lifsat2, lifsat3.lifsat4.lifsat5.

Scale: Life Satisfaction


Case Processing Summary
N

uases

99 :J 7 1 0 00 a L,slwrse cleleton based on all vanables In the prccedure

vatru Excludeda Total

436 3 43q

Reliability Statistics Cronbach's Alpha Based on Siandardized lle,ns

Cronbach's .890

.895
Item Stati6lics

N of Jtems 5

Postupakproverepouzdanostiskale
pre Vaino: negoStopodnete, trebalo da proverite li su svenegativno bi da formu(videti lisanestavke poglavlje Ako to ne uradite, skalepreokrenute 8). dobicete veoma niske(i netadne) vrednosti Kronbahovog koeficijenta U ovomkonkretalfa. nomsludaju, trebaobrtatinijednu ne stavku. pritisnite 1. U glavnom meniju vrhuprozora na Analyze, zatimScale i najzad Reliability Analysis. (npr. 2. Pritisnite pojedinadne od lifsatl,lifsat2, sve stavke kojih skala se sastoji lifsat3, lifsat4, li{satS). Prebacite u poljeltems, ih Modeltrebada je izabrana opcija Alpha. 3. U odeljku (Zadovoljst4. U poljeScalelabelupi5ite podskale opisnoimeskale odnosno vo Zivotom). dugme Statistics.U odeljkuDescriptives 5. Pritisnite for redom pritisnite Item,Scale i Scale if item deleted.U odeljku Inter-ltempritisnite Correlations.U odeljku Summariespritisnite Correlations. 6. Pritisnite ContinueizatimOK (iliPasteda bistekomandu u snimili Syntax Editor). generi6e Ovajpostupak sledecu sintaksu: RELIABILITY /VARIABLES:Iifsatl lifsat2 lifsat3lifsat4 lifsat5 /SCALE('Zadovoljstvo Zivotom') ALL/MODEL:ALPHA /STATISTICS:DESCRI PTIVE SCALECORR /SUMMARY:TOTAL CORR.
lifsat2 lifsal3 lifsat4 lifsat5

Mean

Sld

Devrelion

4.37 4.57 4,69 4.75 3.S9

1,5211 1.554 1,519 1.641 LB55

436 436 436 436

Inter-ltem Corelat'on lifsll nSaIt litsa12 li{sat3 l,fsat4 litsat5

Mat.ix lifsat4 .606 .721 1.000 5g{


tIsat5

litsat3 ,/ttJ 1,000 .721 ,606 441


.727

1,000 .763 .720 .573

1,000 .721 .587

,52b .481 .594 I 000

Summary ltem Statistics

Mean Correlalrons

Mrnlmum ,481

Max{mum 763

Rano

N ol ltems

.630

.282

1,58/

009

Item-Total Stalistics
Scale Vanance Corfecled ttem-Total

Sqle Mean if ilsal1 'ifsat2 lrfsal3 lrfsat4 l,16al5 1 8 00 17.B.l 17.69 18.39

rf

Squafed Muilple

Cronbach's Alpha rl llem 861 .Bti2 .847 866 .896

30.436 29 852 29 Sr54 29.704

./5t3 752 .824 .734

,654

,627

Scal StEtislics
Meal

'22 38

vaIan

Sld. Oevialiof

N ol llems

45 821

ri.7t0

vYrqvrjv

rvorr

rrrettts

DN4tc

rezultataproverepouzdanosti Tumadenje
. Proverite li je tadanbroj sludajeva tabeliCaseProcessing (u Summada ry) i broj stavki (u tabeli ReliabilityStatistics). r Proveriteima li negativnihbrojeva u tabeli Inter-ltem Correlation Maizmedustavki skale).Svi ti brojevi bi trebalo da budu trix (korelacije Prisustvo negativpozitivni,5to pokazujeda stavkemereisto obeleZje. nih brojevamoglo bi da ukaZena to da nekestavkenisu bile ispravn<r rezultata.Netadan rezultat bi se popreokrenutepre izradunavanja kazao i u tabeli Item-Total Statisticstako ito bi se pojavile negativne vrednosti za Corrected-ItemTotal Correlation. Svenjih treba paZljivo (Pogleproveriti kada se dobije Kronbahov alfa manji od odekivanog. pisali drugi istraZivadi.) dajte 5ta su o toj skali r Proveritekoliki je Cronbach'sAlpha (Kronbahov koeficijent alfa) naU vedenu tabeliReliabilityStatistics. ovom primeru on iznosi0,89, 5t<r skale za pokazujeveoma dobru pouzdanosti unutrainju saglasnost medutim, poZeljne ovaj uzorak. Prihvatljivevrednostialfe su iznad0,7; su vrednostipreko 0,8. . Broievi Correctedltem-Total Correlation prikazani u tabeli Item-Total pokazuju stepenkorelacijesvakestavke sa ukupnim rezultaStatistics tom. Mali brojevi (manji od 0,3) ovde pokazujuda stavkameri neito drugo, a ne ono 5to meri cela skala. Ako cela skala ima premali Kronbahov alfa (npr.manji od 0,7), a vi steve6uklonili svenetadnoizradunate rezultate,razmisliteo tome da uklonite stavkes niskom korelacijom stavka- ukupan rezultat. r U koloni Alpha if Item Deleteddat je uticaj uklanjanjasvakestavkesa skale na iznos koeficijentaalfa. Uporedite te vrednostis konainom vrednodiualfe. Ako je ijedan broj u toj koloni ve6i od konadnevrednosti alfe, rnoi.dabi tu stavku trebalo izbaciti sa skale jer bi se time koeficijent alfa pove(ao.Za etablirane, dobro validirane skale,o tome bi semislilo samoako je alfa mali (manliod 0,7). Medutim, uklanjanjc skaleznadida svojerezultateneietemoii da uporestavki s postoje6e dite sa ostalimistraiivanjimau kojima je ta skalaupotrebljena. c Za skales malim brojem stavki (npr.manjim od 10), ponekadje teiko dobiti pristojnu vrednostKronbahovogkoeficijentaalfa.Tada bisteu izvedtaju mogli navestisrednjuvrednostkorelacijeizmedustavki' navedenu u tabeli Summary Item Statistics. ovom sludaju,srednie U parovastavizmedustavkiiznosi0,63, a korelacije vrednostkorelacije (veza) medustavkarna ki od 0,48 do 0,76.To bi znadiloda ie korelacija 5to veomasnaZna, za mnogo skalane vaLi.

uobidajenoje da se unutrainja saglasnosr skalaupotrebljenih istrazivanju u izraiuna i navedeu izveitaia Metodorogiju, poi nasrovomMerila, 9d9t1k_u Metrika ili Materijali. Nakon opisa skale (broj-stavii, upotrebrje.rn ,t ui" istorija upotrebe), odgovora, treba saieto navestiita su o nje.rojpouzdano_ sti napisaliprojektant skalei drugi istrazivadi, zarim u jednoj'recenici a re_ zultatedobijene na sopstvenomuzorku. Na primer:
Prematvrdnjiautora Pavot,Diener,Colvin i Sandvik(1gg 1), skala Satisfaction with Life ima dobru unutrasnju sagrasnost Kronbahovkoeftijent arfaoo o,as. i U ovoj studijije izradunati Kronbahovkoeficijent alfa imao vrednost0,g9.

Predstavfjanje rezultata provere pouzdanostiskala

Dodatne veZbe
Poslovnookruienje
datku.

Datotekas podacima:staffsurvey3ED.sav. pojedinostio darorecivideti

u do_

1. Proveritepouzdanostskale staff SatisfactionSurvey, koja se sastojiod stavki Q1a do e10a za izrai.avanje razliditogrr.p#u .ingnrln. Nijed_ nu stavkute skalenije potrebno obrnuti.

Zdravstvo
Datotekas podacima:sleep3ED.sav. pojedinosti datotecivideti o u dodatku. 1' Proverite pouzdanost skaleSreepiness Associated and Sensations, koja sesastojiod stavki fatigwe,lethargy,tired, sleepy, energy.Nijednustav_ ku te skalenije potrebnoobr.r.rti-'

ffi

lzborprikladnih tehnika statisti6kih

istraZivaikihtehnika, jedan od najteiih (moZdadak i Za ve(inu studenata procesajestepronalaienje(izbor) statidelovaistraZivadkog zastraSujuiih) stiike tehnike prikladne za analizu datih podataka.Na veiini statistiikih korelacijei kako se radi t-test,pa kursevauii se izraiunavanjekoeficijenta da naude izaberustatistidim obiino ne ostaiedovolinovremena studente da odgovora na konkretna istraiivadka piki pristup prikladan za pronalaLenje projekataupotrebljavaju razliditestatistidke tanja.U veiini istraZivadkih se pitanja na koja treba odgovoritii prirode podataka tehnike,u zavisnosti od koje treba analizirati. Zato je vaLno da steknetemakar i elementarnopoznavanje razliiitih statistidkih tehnika,vrsta piraniana koja one mogu odgovoriti, njihovih zahtevai pretpostavki na kojima podivaju. Zato iskopajtesvojeudZbenike statistikei pregledalte osnovnetehnikei nadela kojima one poiivaju. Isto tako, trebalobi da prelistate na ilanke u dasopisima vaSojtemi i identifikujete o statistidke tehnikeupotrebljene rim u studijama. Raznimoblastimastatistiiki se pristupana razliditenadine, je pa vaino da utvrdite kako su drugi istraZivaii analizirali podatke. Traiite dugadke detaljnedlanke u dasopisima kojima jasno i jednostervno i u piSe koje statistiiketehnike su koriSiene.Sakupitetakve dlankei spremiteih u zasebnu fascikluradi lakieg koriSienja.Dobro ie vam doii i kasnije,kada budeterazmatrali kako da predsraviterezultaresvojih analiza. U ovom poglavlju razmotriiemo raznedostupnestatistidke tehnikei korak po korak proii kroz procesizbora.Ukoliko vas vei i samared statistikabaca u paniku, smatra sveovo izborom recepta kome iere veieraspripremiti jte po lelo.Staimateu friZideru, vam sejede(supa, 5ta peienje,nedtoprZeno, kuvano jelo) i koji je postupak? jezikom redeno, Statistidkim razmorridemo vrsre tstraZivaikih pitanjakoja postoje, promenljive(obelezja, karakteristike) koje trebaanalizirari prirodu samihpodataka. i Proditekroz ovaj proces korak po rorak i videieteda je konaina odluka destoiznenadujuie jednostavna. Kada utvrdite5taimate i 5taZelite uradite,destopreostaje da samojedannadinda seto posrigne. je NajvaZnijideo ovog procesa jasnonapisati5taimatei ita s ttm ffeba da uradite.

104

e D e o l l l : P r e l i m i n a r na n a l i z e

Poglavlje10: lzbor prikladnihstatistidkih tehnixa

105

tehnike istraZioual idelyak ima dva osnovnadela. Prvo iemo razmotriti i promenliiuih(npr. srarosri optimizma),a porom naiine u^^i'^r"zi izmedu u stavovima o optiirtruZirrunlurazlika izmedu grupa (npr' polnih razlika zato 5to je tako ustroienavedina -ir-n). t"hnik. sam ovako podelila osnovestatistike. su a udzbenlkaiz statistike, i veiinu studenata tako udili skupatehnika.u stvari, istiderazlikaizmeduta dva Ti-. ,. pomalo veStadki iaznlhstatistiikih tehnika ima mnogo slidnosti,Stosena prvi pogled izmedu Ko o tome zeli ne vidi. celovito razmatranieteteme nije predmetove knjige. ' vi5e,preporuiuiem da najpre proiita 1'7 poglavliekniige koju su da sazna i Fidell (2007). Tu ie dat prikaz opiteg linearnogmode,r"pirul. Tabac'hnick tehnike' la, pod koji se mogu svrstatimnogestatistidke 'Rurn" da i sam opisalasaZeto jednostavno bi tehnikenamerno statistidke sve poglavljunisu dak ni nabrojane dorazumeli.U ovom lakSe ih podetnici podneda ih ,r.rpr" tehnike,ali su date osnovekoje su dovoljne da dovek i upotrebljava tako steknesamopouzdanje' nego jadina U anketnom istraZivanjudestonisu vaLnerazbkeizmedu grupa, (promenljivih). Moze se upotrebiti viSetehnika. vezeizmedu obeleLla

ed Pregf raznihstatistidkihtehnika

Faktorska analiza
Faktorska analiza sluLi za svodenje velikog skupa promenljivih ili stavki ili skalena manji broj dimenzija faktora, s kojima je lakie ,aditi. To seposti_ oblika korelacijekoji leZeu njihovoj osnovi i pronalaZenjem Le saLimanjem stavki. Ova tehnika sedestokoristi priliko- razvoJa grupa tesno.povezanih skalai merila,za identifikacijupripadnesrrukture.videti poglavlie15.

SaZetak
sve navedeneanalizeobuhvataju istraZivanje veza izmed,uneprekidnih pro_ menljivih.Kada imate samokategorijske promenljive, ispiiivanjenjihove za vezemoi.eseupotrebiti hi-kvadrat test vezai nezavisnosti uzajamne (npr. za odgovorna pitanjeda li pol klijenatautidena stopunjihovogodustaja.rja od programatretmana). toj situacijizanimavas bioi osobau svaodredenog U (broj mulkaraca ii.ena koji odustajuod tog programaili ga koj kategoriyi zavriavaju), a ne njihove prosednevrednosti na nekoj rkuii ptr-nrranog obeleLja. spomenuiu jo5 neke tehnike o kojima rreba barem ziati da oortol je. ViSeo njima naii iete u Tabachnick Fidell (2007).To su: i . Diskriminaciona analiza (engl.discriminant function analysis) sluziza ispitivanjemoguinosti da se pomoiu skupa nezavisnih promenljivih predvidi vrednosr jednog kategorijskog zavisnog obeleila, tj. da se odredikoje promenljivenajboljepredvidajupripadnostgrupi. (Diskriminacionafunkcija je linearna kombinacija nezavisnihpromenljivih koja najbolje razdvaja sludajeve a priori definisane na $upe.) U ovom sludaju'zavisnapromenljivaje obidno neki jasan krite*rr;um (polozio/ pao, prekinuo/nastaviorrerman). videti poglavlje 9 u knjizi rabachnicka i Fidella (2007). c Kanonska korelacija (engl.canonical correration) sluij za analizuuzajamnih veza dva skupa promenljivih. Na primer, moglo bi se istraziti kako razne demografskepromenljive utiSu na merir"aopiteg raspolol'enja i sposobnostiprilagodenya. videti poglavlje 12, Tabachnick i Fidell (2007). c strukturno modelouanje(engl. structural equationmodeiling)relativno je nova i veoma sofisticiranatehnika za ispitivanje raznih iodela medYu:?" u skupu promenljivih. Zasnovanaje na viiestrukoj regresiji i tehnikamafaktorske analize.sluLi za izradunavanie vaznostisvakenezavisne promenljiveu modelu i testiranje koliko dobro ceo model odgovara podacima, kao i za poredenjealternativnih modela. sam SpSS nemamodul za strukturno.modelovanje, podrZava ali odgovarajuiidodatni programAMos. videti poglavlje14, Tabachn;ct< i"pldelle007\.

veza izmedu raznih obeleZia lstraZivanje

Korelaciia

jaiine vezeizmedu dve neprekidnepromenljive upotrebliaza istraLivanje korelacija.Korelaciiapokazujesmer (poziu"jo ," Pirsonovai Spirmanova da ob.c tivan ili negativan)i iurin,, veze. Pozitivna korelaciia pokazuie pokazujeda jedkorelacija pr"-*fii"Jrajedno i opadaiui rastu.Negativna je poglavlja' ,ru proln.nliiva opadakada d.,,ga rastei obrnuto' To tema 11'

Delimii,na korelaciia

Pomocu korelaciie' Pirsonove korelaciiaie proSirenje Delimidna(parcijalna) irklluf,.rjemo'uticajtre6e,remetiiadkepromenliive. Delimiina korelacila ,-r1. davanjenetainih,ali dru(npr.svesno promenljive utlanjauticaj remetiladke slikevezetztadniie je omoguienodobijanie dime odgouoru;, pozeljnih Srveno korelacijaie tema 1.2.poglavlia' medudve promenljiveod irt.r"ru. Delimidna korelacijel.kgli- seizracunirpro5irenje regresiia sofisticiranije viSestruka ie promenljivihpredvidi vredva mogu6nostda se pomoiu skupa nezavisnih viSestruke regresiie ,,or, 1.?nog neprekiinog t"vi,noi obeleZia'Ralng,vrs.tl nezavis(predvidanja) mogu6nosti predi"ktivne slui.e'zapo"r.d.t|. 3dredenih ,tilUolltg 'kup" promenljivihza predikciiu ,.ih p.o*"nljivih i pronalaZenle Videti poglavlje13' promenliive. jednezavisne

Viiestruka regresiia

lspitivanierazlikaizmedu gruPa
Postoyi joi jedna porodica statistidkih tehnika za utvrdivanie statistiiki zna(ajnrh razlika izmedu grupa. U nastavku iemo prikazati parametarske verziie tih testova prikladne za podatke na intervalnim skalama s normalnom raspodelom rezultata i njihove neparametarskealternative.

T-testovi
T-testoviseupotrebljavajukada imateduegrupe (recimo,muikarce i iene) ili vrednostinedva skupapodataka(pre i posle),i Zeiiteda uporeditesreduje (promenljive). Postojedve glavnevrste t-testova. obeleZja kog neprekidnog Tltestoveuparenih uzoraka (ili ponovljenih merenja,engl. repeatednxeasuobekada vas zanimaiupromenevrednostiposmatranog res)upotrebljavate u Vreme 1 i zatim ponovo u Vreme 2 leZjadobijene od subjekatatestiranih (obidnoposle neke intervencijeili dogadaja).Ti uzorci su povezanipodto se radi o istim ljudima testiranim u dva navrata. T:testovi nezavisnihuzoraka grupeijudi (muikarce se upotrebljavaju kada imatedve razliiite (nezavisne) U i i Zene) Zeliteda uporeditenjihove rezultateza posmatranoobeleZje. tom prikupljatesamoiednom,ali od dve grupelludi. T:testovi sluiaju informacije alternative,Man-Vitnisu obradeniu poglavlju 17. Njihove neparametarske jev U testi Vilkoksonovtest ranga,predstavljeni u poglavlju16. su

(npr'pola, starosti).postojedve vrsredvofaktorske analizevari;.anse: ANovA razliitih grupa (engl.betweett_groups AN,OVA),kudu ,1-irpit";, grupe koje semedusobnorazlikuju, i ANovA ponovljenih;"r;;;i.d I. repeatecr mea_ suresANovA), kada seisti ljudi ispituju u_viienavrar". N.Eu istraiivanja su proiektovana tako da u istoj studiji kombinuju ,,rrntlr.'uui;urrr" razliditih grupa i ponovljenih merenja.Tb se onda ,u *gl.rk;; ;;;;"" Mixed Ber_ ween-within Designsili sprit flot, tj. kombinovin" ANov;. Dvofaktorska je ANovA obradena u pogravljv'r-9, kombinovan"aNove a , pogravrju 20.

Multiva rijaciona anaIiza varija nse


Multivarijaciona analiza.varijanse (engl. mwrtiuariateanarysisof uariance, MAN o vA) sluii za poreden sredn e viednosti je j nog obelezj grupa a .posmarra razliditih, ali pouezanih,zavisnih u viSe promenrjivitr;,ru prirri"r, poredite uricaj razliditih rrermana. raznemerrjiveishodei"p;l;;fri;riorr, na depresiju, fizttke simprome.Multivarijaciona ANovA moz. b;ti ,r"i.* uz jednofak_ torske,dvofaktorskeili viSefaktorske anariz. u"ri;".,r. * il;;-, dve iri viie nezavisnih promenljivih.MANOVA je obradena'" O.*f"i,fr'ir.

Analiza kovarijanse
Analizakovariianse(ANcovA) sluii zastatisridku kontrolu moguiih uticaja dodatne, remet'adke (engr. confotrnding)pro-"nt;ru. lengr.couariate). Ovo je korisno kada posumnjate se da vaie grup. ,ori;krj,,; nekom obe_ leiju koje utide na delstvo ,r.rurrrrr,rh-promenrjivih na zavisnu.Kako biste bili sigurni da uticaj potideod nezavisie promenrjive, ANcovA statistidki uklanja dejstvo ..-.iil"dk. pr"-""tiiu.. AnalizakovarijansemoZe se oba_ k"? dvofakiorrk. ilr -"ttrunril J.io* analize ll] variyanse. -ll.lednofaktorske, ANCOVA je obradenau poglavlju 22.

Jednofakto rska analiza variianse


analizavarijanse(engl.one-way ANOVA) sliina je t-tesrtr. Jednofaktorska ali se koristi kada imate due ili uiie grupa i i.eliteda uporedite njihove srednje vrednostiza jednu neprekidnupromenljivu (obeleZje). Jednofaktorska promenliivena zavisnu. zna(.ida se istraZujeuticaj samo iedne nezavisne ANOVA kazujeda li segruperazlikuju,ali ne kazuiegde je razhkaznerdajna (gp1/gp3, gp2lgp3itd.). Naknadnimporedeniem moZeseutvrditi koje grupe znadaino razlikuju.Umestoda se poredesvegrupe,mogu sc se medusobno Sliincr ispitati i razlike izmeduodredenihgrupa; to su planiranaporedenj:,r. jednofaktorske ANOVA povarijanse: postojedve vrste analize t-testovima, od novljenihmerenja(kadaseisti ljudi ispitujuu viSe dva navrata)i ANOVA uzoraka),kada se porede srednievrednosti razliditih grupa (ili nezavisnih grupa.Jednofaktorska ANOVA ie obreposmatranog obeleZja dve ili viSe u (Kruskal-Volialternative denau poglavlju18, dok su njeneneparametarske u sov test i Fridmanovtest)predstavljene poglavlju 16.

Poito ste videli ita vam stoji-na raspolaganju, je tehnike koje odgovaraiuvaiim potrebama.prililom vreme da izaberete izboraodgovarajuiestatistidke analize,ffeba uzeri u obzir uii. tinria.".-rb ,r vrsta pitanja na koja *aLrte odgovore,vrsta stavki i merneskaleu 'ous.- upitniku, priroda podataka dostupnihza svaku oromenljivui p..,p"r,uuie koje moraju biti zadovoljene za svakustatisridku tehniku.proii 6;;k;;;'[ po korak kroz procesodrudivan ja.

Procesdono5enjaodfuka

Dvofakto rska anaIiza varij anse


Dvofaktorska analiza varijanse (engl. nuo-tuay ANOVA) sluZi za ispitivenic uticaja dve nezavisnepromenljive na jednu zavisnu. Prednost dvofaktorskc analize varijanse je to 5to omoguiava ispitivanie iaiine interakcije, tj. uticrt.r druge nezavisne promenljive na dejstvo pfve; na primer' kada posumnjate da se optimizam pove6ava s godilama, ali samo kod muikaraca. Ona meri i osnovne, zasebne uticaje, tj. celokupan uticaj svake nezavisne prolrenljive

pttanje se

st.moel i i.i;;;; X" pri r, zanima me f n*Tiff,i:: ?" moZe postaviti na vi5e naiina:"",';,'t::i::iiff

sa svim pitanjirna na koja bi istrazivanje trebalo cla odgovo_ rt' videiete da se neka fit".rj" mogu postaviti na ,n.rititrr,"!in.. u svakoj o b l a s t io d i n t e r e s a , p i t " n ; . p o k u i a i " t ej " p o r r " u ; , " n a v i s e n a d i n a .T e a l t e r n a t t v ei e t e u p o r r e b i t i k a d a b u d e t e, ^ r ^ ^ r r n l i

1:.na $::,:* sprsakkoja pitanjatraiite odsovore? "oprsrr

. Postoiiliveza izmedusfarostii nivoa optimizma? r Da li su stariieosobeoptimistidnije mladih? od Ova dva pitanja serazlikuiu i za dobijanjeodgovorana niih potrebnesu tehnike.Od prirodeprikupljenihpodatakazavisikoje pistatistidke razlidite post2rproglasitiza prikladnije.Zato za svakuoblastod interesa tanje 6emo vite viSepitanja.

Korak 2: pronaditestavke i skale koje 6ete upotrebiti za traienje odgovorana ta pitanja


Vrsta stavki i skalau upitniku i studiji igra veliku ulogu pri izboru statistiipitanja. odgovorana istraZivadka kih tehnikakoje su prikladneza traLenje toliko vaZnoimati u vidu predZato je prilikom projektovanjaistraZivanja Na videne analize. primer, nadin prikupljanja informacija o starostiispitanidostupne. analize ka (videtiprimer u 1. koraku) odrediie koje su statistidke da Ako od ispitanikazatraLire izaberujednu od dve opcije(ispod35 godina/ preko 35 godina), tzbor analiza bi6e vrlo ograniden,zato 5to promenljiva ukoliko od ispitanika S starostmoZeimati samodve vrednosti. drugestrane, da zatraLite svoju starostnaveduu godinama izbor ie biti Sirizato Stopro, menljivamoZepoprimiti vrednostiu Sirokomopseguod 1B do 80 i vi5e.U toj situaciji, mogli biste za neke analize(kao 5to je ANOVA) svestiraspon vrednostina manji broj kategorija,a za drugeanalize(npr.korelaciju)zadrvrednosti. Zaticeoopseg razdeliliupitnik ili anketu,vratite sena konAko steza svojeistraZivanje upitnika i Sifarnikai pronadite svakopojedinadnopitanie (npr. kretne stavke starost)i ukupne vrednostiposmatranihobeleijana skalama(npr.optimizsvakupromenliima) koje iete upotrebiti u svojim analizama.Identifikuite vu, kako ie bila merena,koliko je bilo moguinosti za odgovor i moguc'i u rasponvrednosti(brojeva,Sifara) koje su odgovoripretvoreni. proveritekako je bila merena eksperiment, Ukoliko le studilaobuhvatala sastoie: promenljiva. li sevrednostipromenljive Da svakazavisnainezavisna ili ocenekonkretnog pona5ania od broja tadnih odgovora,opservatorove duZinevremenakoje je subjekatproveo bave6ise odredenomaktivnoSiu? trebada vam je jasnokako ie svakaproBez obzirana prirodu istraZivanja, menljivabila merena.

menljivenezavisne koje zavisne. a za druge anarize,kao je ANovA, to sto vam mora biti jasno. Korisno je nacrtati -."a."f ,r",;;;;;'Jd.,oru promen_ " ljivih kako ga sami vidite (pogredajte korak 4 r ;;;k;i -l'nuirnood za svakupromenljivu tr.bn ,r,"ii i njen nivo merenja. toga da li su promenljivekategorijske neprekidne, iri upor..ui;"*jl serazliditesra_ pa tistidke anarize, morare znari s dim radite. o, rr ,, i,ls"'iro-..,r,iu., . kategorijske (nominalnipodaci,npr. pol: muiki/ienski); . ordinalne(rangiranipodaci:prvi, drugi, tre6i);ili ' neprekidne (intervalnipodaci,npr. starostu godinama ili vrednostina skalamaoptimizma)? u nekim prilikamarrebapromenitinivo merenja odredenih promenljivih. odgovori za neprekidne promenl;'ive mogu sesvesrinamanji broj kategorija (videti8. poglavlje). primer,siarostse Na moie podeliti na razlidite katego_ rije (npr. ispod 35 goiilti:ko 35 godina). T"'bi tilo ;;0.r"" z.a analizs varijanse(proceduruANovA), a i risrudaju du ,r.pr"kii"" p.".."rjiva ne zadovoljava neku od poraznihpr"rportr',rki n"}irir"p.. ima veo_ ma asimetriinu raspodelu). "a*a"tii-r-, Medulim, saziman,.p"d;;;l-; ima odigredan nedostatak senjime gubeinformacije.'sabija_"p-'rr"Ji-" jer istu grupu kat_ kada se gube vazne t^tlik" izmedu n1ih. zato' <robr. i io!. ,*nr," treba pa_ Zljivoodvagnuti.

Dodatne informacije potrebneza neprekidne i kategorijske promenljive


za neTtrekidne promenryive trebalo bi da prikupire informacije o raspodeli rezultara(npr' da li im je raspodela .ror','nlnnili lako Koji ie rasponnjihovih mogufih vrednosti? "ril;#""?). (Kako sero racriobjainjenoje u pogla_ vlju 6.) Kada promlnljiva (npr. grupa t/gropa2, mn_ "brh*;"'i;;gor;1" Skarci/iene)' uivrdite.korlko.r"u"-rp"l" u svaku od kategorijai da ri su te pri9.ljZno jednakeili veoma,rilidir" po broju dlanova?). li je neka i:T moguiih Da oo karegorija prazna?(vicreti pogravrje 6.) sve i.rio..rru.r1. koj. o'll"oite o lromei,jj"; i;;;;.c. se koristiri za suiavanje izbora l]^d: oostupnihsratisriikih analiza.

prirodusvakepromenljive Korak3: identifikujte


Sledeii korak je identilikacija prirode svake promenljive u studiji, tj. za svaku promenljivu treba utvrditi da li je nezavisnaili zavisna. Te infornraciie ne potidu od samih podataka, nego od vaieg shvatanja oblasti i teme studije, relevantnih teorija i prethodnih istraZivanja. Mora vam biti jasno u glavi (i u pitanjima postavljenim u istraZivanju) kakva ie veza izmedu vaiih promenljivih - koje (nezavisne)utidp na druge, a koje (zavisne)trpe uticaj drugih. Ima nekih analtza (npr. korelacija) gde niie neophodno utvrditi koje su pro-

istrazivadko pitanje Moji studenti iesto .r.tnjut"it.krtu krda treba poda objasne istrazuju. ita nekadje lakde,a i iasnrje, saieti kljudnetadkepomoc.udijagrama.Ideja je cleoinformaciia prikupljenih u koracima.t i 2 objediniti u jecrnostavnom ,-'e po-oii pri izboru prikradnestatistidke tehnike ilj jzabrati ,loj:"'u,kgji lednuod viie opcija. Trebalobi da razmisrire jednomod kludnih o pitanja:da Ii me zanima

Korak4: nacrtaitedijagra m zasvako

?.!:"'!y:r:.dve MoZda ie varn biti lakie da odgovorite kada za svako pitanje saZmete prikupljene htormacije i nacrrate dijagram. Ilustrovaiu ;" i'ro._u.i,n t crtanjem dijagrama za vrie istraZivadkihprranla. ";;";;,"",ri

j".;;;ilJ'bjd#, promenljive poredenje rii

111

pitanje 1: PostoiiIi vezaizmedu starostii nivoa optimizma?


Promenliive: starostu godinamaod 1 8 d o 8 0 ; i . Starost neprekidna: vrednostina skali optimizma, u rirsponu od . Optin-rizam neprekidna: 6 do 30. Zivotnim doborn. Iz literatureste izvukli hipotezuda optimizamraste s21 moZese ilustrovati ovako: promenliive Tavezaizmedudve neprekidne *

Promenliive: o Pol - nezavisna, kategorijska: mulkarci/Zene; o Starosr * nezavisna, kategorijska: subjekti podeljeni na tri jednake grupe; i o Optimizam - zavisna, kategorijska; vrednosti na skali optrmizma, raspon od 5 do 30. Dijagram bi mogao izgledatiovako:

Optimizam

** *** ** ** **
rk*

Srednja vrednost na skail optimizma

MuSkarci

2ene

Starost Kada odekujete da vrednost na skali optimizma raste sa Zivotnim dobom, tadke crtate podev od donieg levog ugla dijagrama prema gornjem desnom uglu. Ukoliko prognozirate da vrednosr na skali optimizma opada sa Zivotnim dobom, tadke crtate podev od gornieg levog ugla dijagrama prema donjem desnom uglu.

Mozda treba da uporediteprediktivnu " " moguinost viie nezavisn za jednu ih za_ visnu promenlfivu.Thkodevas zanimakol'iki d.o uurilurr. rruirn" pro-"rrt,i_ ve potideod varijanse skupa.r"ruurrr,ih tog promenljivih,tj. objaSnjen njom. je Promenliive:
. Samopo5tovanje_ nezavisna,neprekidna; . Optimizam nezavisna,neprekidna; ' subjektivan doZivljai s.amokonrrore- nezavisna, nepreki ana; i zadovoljstvo Zivotom _ zavisna, .,.pr.kidrru. Vai dijagranr bi mogao da izgleda ovako:
Samopo5tovan," ----_-_-, Optimizam Zadovoljstvo2ivotom

??t

zadovorjsfuu iivotom moze '#;;:;::::!,?:i!"1::I*ii,:v:;",tii;;;ii6;Jp'ostovan a' IIap esrovante' je, imizam, subjektivan a iiri ii i

Pitanje 4: Kotiki se.d9ovarijanse u

i' ; ;;;i;; ;;;o

Pitanje2: Da li su muikarci skloniii optimizmu od iena?


Promenljive: i i (dve grupe):muSkarci Zene; . Pol- nezavisna' kategorijska . optimizam - zavisna,neprekidna:vrednosti na skali optimizma, u rasponuod 6 do 30. Rezultatidobijeni kao odgovor na ovo pitanje,s jednom kategorijskonr promenljivom (sa samo dve grupe) i iednom neprekidnompromenliivor-n' ovako: mogu sesaZeti
Mu5karci
Srednjavrednostna skali optimizma

j Subjektivan do2ivtjaj samokonvote

Zene

udite na rska ,T.j: I ^u_._3klj ag li ie priktad parameta ilt neparametarska


Samoda bi studentima biro teze,-"r;rt" a"stupnih statistidkih tehnikapodeljenoje u dveglavne-grupe: paramerarskeneparametarske. parametarska i je statistika moinija, trripodiva ris.-;;;;posravki, tj. njeneprerpostavke o podacimasu srroze'Na primeq r"" "" p"ion-.,.,arske metodepoi.ivaiuna prerrezulrata n"nrir" u populaciji iz koje je izvuden #:::i.l;l;Iraspodela Svakaparametarska tehnika (kao ito su t_tesrovi, ANOVA, pirsonova korelacija)ima i svojedodatnep."rporrnuke. Da Ii ,r.,o.r. r"-dorroty..r. ,r". iti

statiatidkatehnika

Pitanje3: Da li se starost razliiito utii'e na optimizam muskaraca ihena?

oPlKada biste istraZivali zaiedniiki uticaj starosti i pola nzrvrednost na skali grupe (ispod 30. timizma, mogli biste podeliti svoj uzorak na tri starosne 31.49 godina i 50 i viSe).

I vvf

dvfJe

I w,

tLvvr

[r I orquouv^u

I tvilt

ilKa

I t\t

treba proveriti pre sprovodenja analiza. Za svaku tehniku obradenu u preostalim poglavljima, bi6e navedene konkretne pretpostavke na kojima podiva. Sta ako pretpc,tstaukena kojima poiiua statistiika tehnika koju ielite da upotrebite nisu zadouoljene? Nai.alost, to se iesto dogada u istraZivanjima iz obiasti dru5tvenih nauka. Mnogi od atributa koje ho6emo da izmerimo irisu normalno raspodeljeni. Neki su jako asimetridni, pri iemu veiina rezultata ima maiu vrednost (npr. depresija); drugi su asimetriini tako d:r vedina rezultata ima veliku vrednost na skali (npr. samopoitovanje). Kada pretpostavke na kojima poiiva statistidka tehnika koiu Zelite da upotrebite nisu zadovoljene, na raspolaganju vam je viSe mogu6nosti koje iemo sadapodrobno opisati.

1. mogucnost
tehniku i nadatiseda time niste Mogli bisteipak upotrebititu parametarsku ozbiljno naruiili valjanostsvojih nalaza.Neki autori tvrde da je veiina stamanjaodstutistidkihpostupakaprilidnorobusna,tj. da one dobro podnose panja od pretpostavki, narodito kada je uzorak pristojne veliiine. Ak<r analtzu, iete morati nekako to odluditeda ipak uradite neku parametarsku knjicitateautora statistidkih u da opravdate izveitaju,pa prikupitepodesne takvu odluku. Proverite5ta ga, prethodnih istraZivada koji podrZavaju itd. pogotovo oni dlanci koii opisulu kaZu dasopisio oblasti koju istraZujete, probleme? Ukoliko ih pominju, 5tasu upotrebuistih skala.Pominju li slidne i ti autori preduzeli?Jednostavan ditljiv prtkaz robusnosti raznlh statistidkih testovaproditajteu knjizi Coneai Fostera(1.993).

u poloZajuda razmotriresve moguinosti. u narednom tekstu saZela sarn klf udneelemente osnovnih statistidkih anarizaskojima c.r. r. rr"tnti. prodi_ rc dtL rog spiska,naditeprimer vrsteistraiivadkog pitanja ,r" r.o;. treba da odgovoritei proveriteimate li svepotrebner"rto;k.. Thkocie razmisliteima li i drugih nadinana koje bistemogri posra.viti isio pitanje; ,;rg" primeniti pristup. drugadijistatistidki kraj poglavrja stavila,u- roi.*u taberukoj. )a (e vam pomofi u procesuodluiivania. potraLitedodatneinformacijeo tehnikama_za koje ste se odluiili i po_ jte stara seda dobro shvatite nadelai pretposravke kojima oei vaju. na za to f je dobro upotrebiti viderazliditihizvora: razni aurori imaju iarlitrtlnJ*,;: nja. Treba dobro da shvatitesporna pitanja - moLdaiete dak morati da opravdarekorilienje odredenestatistidke tehnike u ,rrolof siiuaci]i_ zato obavezno mnogo toga proiitajte.

Ovaj odeljakje podeljenna dva pododeljka:

osnovneosobineglavnihstatistidkih tehnika
1' tehnike za istraLiu.anje veza (odnosa)izmedu promenljivih (obradene u aetvrtom delu knjige); i , za istrai.ivanjerazlika izmedu grupa (obradene u perom delu i:llf: KnJlge).

2. mogucnost
Mogli biste modifikovati podatke tako da zadovolje pretpostavke na kojimar podiva statistidki test (npr. normalnost raspodele). Neki autori predlaitr transformaciju promenljivih dija raspodela nije normalna (videti poglavlje 8). MiSljenja o tome su podeljena, pa iete morati mnogo toga da proiitate kakcr biste uspeino opravdali svoj postupak (videti Tabachnick & Fidell, 2007).

lstraiivanjeveza(odnosa)izmedupromenljivih Hi-kvadrat nezavisnost za


istraiivaikog pitania:Kakav je odnosizmedu pora osobei stopeoduItiT": stajanja terapije? od Trebavam: ' jednakategorijska nezavisna promenljiva(npr.pol: muikarci/Zene); i ' jednakategorijska zavisna promenljiva(npr.odustajanje: Da/Ne). Zanima vas brojosobau svakojkategoriji(ne vrednosti nekoj skari). na Dijagram:
MuSkarci
troustalanje

3. mogucnost
Kada podaci ne zadovoljavaju pretpostavke parametarskih tehnika, moZete umesto njih upotrebiti neku neparametarsku tehniku. Mnoge iesto koriSiene a p a r a m e t a r s k e e h n i k e i m a j u s v o j e n e p a r a m e t a r s k e l t e r n a t i v e .J o n c p o i ' i v e 1 u t pretpostavkama, ali manje strogim. Te neparametarskealternatrve na nekim (npr. Kruskal-Volisov test, Man-Vitniiev U test, hi-kvadrat) najde5iesu matric moine, tj. manje osetljive prilikom otkrivania veza i razlika izmedu grupa. LI poglavlju 16 obradene su neke od uobidaienih neparametarskih tehnika.

Zene

Da
Ne

Korelacija
Primer istraiivaiko g pitania: postoji li veza izmedu starosti i vrednosti na skali oprimizma?Risie li optimizam s poveianjemZivotnedobi? vam: dve neprekiclne promenljive(npr. starost,vrednosrina It!" skali optrrnizma)

Nakon 5to prikupite informacije koie se odnose na istraZivadkapitanja, nivo merenja ,',rih pro-"nljivih i karakteristike dostupnih podataka, konadno ste

konadneodluke Korak6: donoSenie

\de
--

v'

t've

r"

114

ugo

llt. rlclllllll

ldllru

al rqrr4s

Dijagram:

Tieba vam: r jednakategorijska promenljivasa samodue grupe(npr.pol: nezavisna muSkarci/Zene): o jednaneprekidna promenljiva(npr.vrednostna skalioptimizma). zavisna
Optimizam
*t(

**
tr*

Subiektimogu pripadati samoiednoi grupi. Diiagram:


Mu5karci
Srednjavrednostna skalioptimizma

**
*t

Zene

Starost korelaciia ranga Neparametarskaalternadva:Spirnanova

alternativa:Man-Vitniiev test Neparametarska

Ttest uparenih uzoraka (ponovljenih merenia)


netainih, ali optimizma t

Delimii,na korelaciia

ti:Xf aiiv i it""i Pri-",istr adkog "' *i\:: :\l^,?i:ff ;[::: poZelinihodgovora'postolrlr l( dru5tveno

obuka u meditaciji Primer istraiivaikog pitanfa: Smanjujeli 10-nedeljna menia od vremena1 (pre Da udesnika? li se nivo anksioznosti anksioznost do intervencije) vremena2 (posleintervencije)? Thebavam: o jedna kategorijskanezavisna promenljiva (npr. vreme 1,I vreme2l; i . jednaneprekidna promenljiva(npr.vrednostna skali anksiozzavisna nosti). Isti subiekti ispitani u dua zasebna navrata: vreme 1 (pre intervencije)i vreme 2 (posleintervencije). Diiagram:
Vreme 1
Srednja vrednost na skali anksioznosti

stva Zivotorn? zadovolj Ztvopromenliive(npr' optimizam, zadovoljstvo Trebavam: Tri neprekidne ali dru5tvenopoZelinih odgovora) a* ,u.r,to dauunj" netadnih' Ne alternativa: postoii' Neparametarska

regresua ViSestruka
Primeristraiivadkogpitanja:Kolikideovarijansepriispitivanjuzadovoljstva skupir vanjansi) slede6eg tu. ,""2. biti pripisan zivotom potiie "d #;;il oromenliivih,rumopoitovan,e'optimizam'"'b1"k'iuutt'doZivljaisamokot.tZivotom? tolie prei"ida'zadovolistvo irole? Koia od ovih pt""t"^fr*lh Treba vam: Zivoto-)11.zavisnapromenljiva(npr' zadovoljstvo r iednaneprekidna .dveilivi5eneprekidnihnezavisnihpromenljivih(npr.samopostovanlc, doZivljai samokontrole)' loii*iru*, "'bitk'iuut' Dijagram:
le SamoPo5tovan--------1 Optimizam
Zivotom Zadovoljstvo

Vreme2

Neparametarska alternativa:Vilkoksonov test ranga

Jednofaktorska analiza varijanse razli6itih grupa


Primer istraZivadkog pitanja: Postoji li razllka u vrednostimana skali optimizmakod osobamladih od 30, izmedu 3149, i starih 50 i viSegodina? Tieba vam; r jednakategorijska grupa (npr.stapromenljiva dve ili viSe sa nezavisna rost: ispod 3A13149150 viSe); i i ' jednaneprekidna promenljiva(npr.vrednostna skali optimizma). zavisna Diiagram:
Starost
lspod 3O Srednja vrednost na skali optimizma

samokontrole do2ivljai Subjektivan

-J

Ne postoji' Neparametarskaalternativa:

grupa lstraZivanierazlika izmedu I-fest nezavisni h uzoraka


Primer istraiivaikot J*t"i"t

34-49

5O i viSe

optimizmu od Zena? oa li su muikarci skloniii

Neparametarska alternadva: Kruskal-Volisov test

Dvofaktorska analiza variianse razliEitih grupa


Primeristraiivadkogpitania:Koliko starostutidena rezultatena skali optiza miz.nra muikarce i za Lene? Sta vam treba: o dve kategorijske promenljive(npr.pol: mudkarci/Zene; staronezavisne i snagrupa:ispod30/3149150i viSe); r jednaneprekidna na prornenliiva(npr.vrednost skali opfirnizma). zavisna Dijagram:
Starost lspod 30
Srednja vrednost na skali optimizma MuSkarci

M u ltiva rija ciona an a liza va riia nse pitanja: Da li su mu5karci bolje prilagodeni od Zenapo l:'*::::f:lvad\op opstemtelesnomi duievnom zdravrju(meri se u,rt riJrn*ti, depresijei subjektivno "r"o doZivlf enogsrresa)? Treba vam: ' jednakategorijska nezavisna promenljiva(npr.por: mulkarci/iene); i r dve ili viSezavisnihpromenrjivih (npr. anksi,crnosr, depresija, subjektivno doZivljensrres). Dijagram:

34-49

50 i viSe

Zene
Subjektivno do2ivljenstres

Neparametarska alternativa: Ne postoji. Napomena: analiza varijanse se moZe proSiriti tako da obuhvati tri ili viSe nezavisnih promenljivih. (To se najdeiie naziva faktorskom analizom varijanse).

Neparametarska alternativa: Ne postoji.

Kombinovana analiza varijanse razliiitih grupa iponovljenih merenja


Primer istraiivaikog pitanja: Koja intervencija (poveianje matematic'kog znanjalrzgradnj samopouzdanja)delotvornije smanjuje strah uiesnika od a statistike, merenLltri navrata(preintervencije, tri odmah posleintervencije, posleintervenciie) meseca ? Tieba vam: r jednanezavisna promenljivarazliiitih grupa (npr.vrsta intervencije); r jednanezavisna promenljivaponovljenihmerenjaistih grupa (npr'. vreme 1. vreme2, vreme3); i o jednaneprekidna promenljiva(npr.vrednostina testukojim se zavisna ispitujestrah od statistike). Dijagram:
Vreme Vreme 1 vrednosl Srednja na testu kojimse ispituje strahod statistike
Intervencijapovecanjem matematidkogznanja Intervencijaizgradnjom samopouzdanja

Napomena:multivarijaciona analizavarijanse moze sekoristitr uz jednofak_ rorsku (jednanezavisna promcnrjiva), dvofakto.rk; i;";';ezavisne pro_ menljive)i videfaktorsku analizuvarijanse. Moze se uzeri u ouri. r dejstvo drugih promenljivih(kovarijansi).

Analiza kovarijanse
Primer istraiivadkog pitanja: Postoji Ii znahjna razlikau rezultatima ispiti_ vanjastrahaod statistike izmedudlanova grupekoja povefavamatematidko znaniei ilanova -.rli-.-k:li gradi samopouzdanie, l"d" ,. oduzmeuticaj njihovihprerhodnih rezufiatana rom resru? Treba vam: ' jednakategorijska nezavisna promenljiva(npr.vrsta intervencije); ' jedna neprekidna r""]:n? promenljiva (npr. vrednosti na skali srraha od statistike vreme2\: i u ' j:d?," ili viie neprekidnih remetiradkih promenljivih (npr. vrednosri na skali strahaod itatistike u u."*" ij. Neparametarska alfernativa:Ne postoji. Napomena: analiza kovarijanse se moze obaviti kao deo jednofaktorske (jednanezavisna nromenrjiva), d"ofnk;;;rke (dvenezavisne promenljive) ili viSefaktorsk" varijanse(dveili viie zavisnihprome'liivih). ",-rulir.

Vreme 2

Vreme2

Neparametarska alternativa: Ne postoji.

tehnika osnovnihstatisti6kih tabelasvoistava Zbirna


Namena
lstraZivanje vezalodnbsa

Primer Pitania
Koja je veza izmedu pola i stope odustaianjaodterapije?

Parametarska Neparametarska alternativa tehnika


Ne postoji Hi-kvadrat I6 Poglavlje

NezavisnaPromenliiva
jedna kategoriiskaPromenljiVA Pot:Ml2

Zavisna promenliiva
jedna kategorijska promenliiva Odustaie/zavrdava terapiju: DalNe

Glavnasvoistva

Gledase brojsluda va u svakoikategor na ne rezultati skalt

i starosti li Postoji vezaizmedu na vrednosti skalioPtimizma?

Pirsonov koeficijent (r) linearne korelacije P o g l a v l i e1 1

Spirmanov koeficijent (rho) korelacije ranga P o g l a v l i e1 1 Ne PostoJl

dve nePrekidnePromenljive Starost, Vrednosti na skali optimizma i dve neprekidnePromenljive nePrekidnaPromenljiiedna va za koju treba oduzeti uticaj neregularnihodgovora O ptim izam, zad ov olistvo 2i skali druvotom, rezultati na itveno PoZelinih odgovora skup dve i vi5e nePrekidnih nezavisnihPromenljivih S amo poitov anie, s u bi ektiv n o do1i vliena s am okon trola, optimizam .jednanePrekidna zavisna Promenliiva Zadovolistvo 2ivotom

Jedan uzoraksa rez tatima dva razliditan renja ili isto merenje vremel ivreme2

Nakon oduzimanjauticala svesno datih netadnih,ali druStvenopoZel.lnih odoovora, da li.io5 uvek Postoji veza iimedu optimizmai zadovoljstva Zivotom?

Delimidna korelaci.ia 12 Poglavlje

Jedan uzoraKsa rez tatima dva razlidita merenjaili isto merenleuvremeli vreme 2

Kolikideo varijanseu vrednostima Zivotommoze na skalizadovollstva biti objaSnjenvartjansomsamopoStovanja,sub.iektivnodoZivljene i samokontrole oPtimizma?Koja od

ViSestruka regresija P o g l a v l i e1 3

Ne postolt

Jedan uzoraksa re tatima svih merenj

prediktor? tih promenljivih naibolji .le


Kola je pripadna struktura.stavki koie sadinlavaiuskalu pozitivnihi negativnihosecan.ia?Koliko {aktora postoji? Da li su mu6karci skloniji od Zena da odustanu od teraPi.ie? Faktorskaanaliza Poglavlie 15 NePostolt

nePrekidnih skuppovezanih promenliivih na Stavke skaliPozitivnihi


negativnih osedania nezavtsna .iednakategorijska promenlliva Pol jedna kategorijskanezavtsna promenljiva ( d v an i v o a ) vreme 1/vreme 2 jedna kategorilska zavisna Promenljiva Odustaje/zavriava terapiju jedna nePrekidna zavisna Promenljiva Vrednosti na skali anksioznosti

viSe Jedanuzorak, illa

Poredenle grupa

Ne postoji

Hi-kvadrat 16 Poglavlje

Zanimavas broj ljt u svakoj kategoriii vrednostina neko skali

Menlaiu li se rezultatiispitanika na skali anksioznostiod vremena 1 do vremena 2?

T-test uParenlh uzoraka 1 Poglavlie 7

Vilkoksonovtest ranga 1 Poglavlje 6

lsti ljudiu dvana

H-

Namena

Prlmer pitanja
Postoji li razlikau vrednostima na skali optimizma izmedu ljudi mladih od 35 godina,osoba starih 36-49 i onih od 50 i vi6e godina? Menjaju li se rezultati ispitanika na skali anksioznostiod vremena 1 do v r e m e n a2 i v r e m e n a 3 ? Postoji li razlikau vrednostima na skalioptimizmaizmedu muikaraca i Z e n am l a d i ho d 3 5 g o d i n a ,o s o b a s t a r i h3 6 - 4 9 , i o n i h o d 5 0 i v i S eq o dina? Koja intervencija(povecanje matematidkogznanjalizgradnjasamopouzdanja)delotvornijesmanjuje strah udesnikaod statistike,meren u tri navrata?

Parametarska tehnika
Jednofaktorska ANOVA razliditih grupa Poglavlje 18 Jednofaktorska ANOVA ponovljenih merenja Poglavlje 1B Dvofaklorska ANOVA razliditih grupa Poglavlje l9

Neparametarska alternativa Kruskal-Volisov test Poglavlje 16

Nezavisna promenliiva
jedna kategorijskanezavisna promenljiva(tri iviSe nivoa) Starosna grupa jedna kategorijskanezavisna promenljiva (tri ivi5e nivoa) vreme 1/ vreme 2/ vreme 3 dve kategorijskenezavisne promenljive (dva i vi5e nivoa) Slarosna grupa, pol

Zavisna promenliiva
jedna neprekidna zavisna promenljiva Vrednosti na skali optimizma jedna neprekidna zavrsnapromenljrva Vrednosti na skali anksioznosti jednaneprekidna zavisna promenljiva Vrednosti na skali optimizma jedna neprekidna zavisnapromenljiva Vrednosti na skali straha od statistike

Glavna svoistve

Tri ili vi5egrupa;r 6iti ljudiu svakoj 1

Fridmanovtest Poglavlje 6 1

Tri ili vi5e grupa; ir ljudi u dva navrata

Ne postoji

Dve rli vi5e grupa z svakunezavisnu pr menljivu: razliditi lju svakojgrupi

Kombinovana Ne postoji ANOVArazliditih grupai ponovljenih merenja Poglavlje 20 Multivarijaciona Ne postoji ANOVA (MANOVA) Poglavlje 2.1

nezavisnapromenljiva .1edna razliditihgrupa (dva i vi$e nivoa) ledna nezavisnapromenljiva iste grupe (dva i vise nivoa) Vrsta intervencije, vreme jedna ili vi5e kategorijskih nezavisnihpromenljivih (dva i vise nivoa) Sfarosna grupa, pol

Dve ili vise grupa s razliditim ljudimau svakoj grupi, od kc se svaka meri u dv viSenavrata

Postoji li razlikaizmedu mu5karaca i iena, podeljenihu tri starosne gru pe, u pogledu raznih merila prilagodenosti(anksioznosti, oepresije i subjektivnodoiivljenog stresa)?

dve ili vi5e povezanih neprekidnih az visnih promenljivih Vrednosti na skala ma anksioznosti, depresije i subjektivno do2ivljenog slresa jedna neprekidna zavisnapromenljiva Vrednosti na skali straha od statistike u vreme 2

Postoji li znadajnarazlikau rezultatima ispitivanjastraha od statistike izmedu pripadnika grupe koja povecavamatemati6koznanje i grupe koja gradi samopouzdanje, kada se ukloni uticaj njihovihrezultata na tom testuu vreme 1?

Analiza kovarijan- Ne postoji se (ANCOVA) Poglavlje 22

jedna ili vi5e kategorijskih nezavisnihpromenljivih (dva i vrSenivoa) jedna neprekidna,kovarijant na promenljiva Vrsta i nterven cije, vredn osti na skalistraha od statistikeu

u tehnikeobradene ovom poglavljusamosu mali deo dostupnih Statistidke Morate biti svesnipostojania i mogu6ih naiina naiina analizepodataka. onu najprivelikog broja tehnika kako biste mogli da izaberete "prrr"rr" za vaiu situaciju.Citajte 5to viie moZete' kiadniju iz svog udzosnovne tehnike (t_iest, analizuvarijanse,korelaciju) udite cooper i schindler(2003);Graili benikastatistike iz kniiga koje su napisali i \Tallnau (2004); Peat, J' (2001); Runyon, Coleman i Pittenger vetter o (2000);Norman i Streiner(2000).Podrobnijeinformaciie,.narodito mulAndersoni iivarijacionoi statistici,videti u knjigama Hair' Black, Babin' i Tatham Q006\ ili Tabachnick Fidell (2007)'

ra Literatu za dalie usavriavanie

DEO IV
Statisticke tehnike za istraZivanje veza promenlj izmedu ivih
u poglavljimaiz ovog dela knjige, razmorriiemoneke spss-ovetehnikeza istraZivanjeveza izmedu promenljivih. usredsrediiemo se na otkrivanie i opisivanje veza.sve ovde objainjenetehnikezasnovane na korelaciji. tih su Korelacionetehnike 6estokoriste istraZivaii angai.ovani neeksperimentalu nim projektima- za razliku od eksperimentalnih projekrtu, oud. se pro-vei menljive namerno ne modifikuju niti kontroliiu, se opisuju u ,uoprirodnom stanju.Tim tehnikamasemoZe: . istraZiti veza izmeduparova promenljivih (korelacija); o predvidetivrednostijednepromenljivena osnovuvrednostidruge (bivarijantnaregresija ); ' predvidetivrednostizavisne promenljivena osnovuvrednostiviie nezavisnihpromenljivih(videstruka regresija); i ' identifikovari strukruru grupe povezanih promenljivih (faktorska analiza). ovgm porodicomtehnikaresriramo modelei teorije,predvidamo ishode, . t ocenjujemo pouzdanost valianostskala. i

Tehnikeobradeneu detvrtomdelu knjige


ceo niz tehnika za istraLivanieveza. one se razlikuju po vrsti lltl.t*1. tstraZivadkog pitanja na koje rrebaodgovoritii vrsti dostupnihpodataka.U ovoj knjizi su obradene samoone koje senajdeiie .,potr"bij".raju. se jadine ,-.rn .r"r. .- Korelacija(poglavlje11) upotrebljava za opisivanje i rzmedudve (obiino neprekidne) promenljive. MoZe se uporrebitii kada je ledna od tih promenljivih dihotomna, tj. moZe imati samo dve vrednosti

-"

--*

123

Statistiiki pokazateljkoji se dobiia nazvanie Pir(npr.pol: mubkarci/Zene). se linearnekorelaciie(r)' Izradunava i statistidkazna(a1rotron koeficijent (vezeizmedu dve promenljive)r. Parcijalnaili delimiina nost pokazatelja vezeizmedu dve promenljiveuz korelacija(pogiavlie1.2)sluLiza isrraLivanie kada su[rnjate To ie prikladno za situaciie statistiiku iorittolu uticaiatre6e. statistiiDelimidnakorelaciia moida utiie treia. da na vezudve promenljive sliku vezedvaiu ki uklanja utical tre6epromenljive,dime dobijate iasniiu promenljivihod interesa. vred(poglavlje13) sluZiza predikciju(predvidanie) regresijar ViSesiruka projednezaviine neprekidnepromenljivepomo6u grupe nezavisnih nosti se moZe ispitati prediktivna mo6 skupa promenljivih i menljivih. Njome ocenitirelativandoprinossvakepromenljivepoiedinadno' regresiie Logistidka,"gr..iju (poglavlie14) koristi se umestoviSestruke Niome semoZeispitatiprediktir'kada fe zavisnapromenliua kategorijska. na mo6 skupa iromenljivih i oceniti relativandoprinos svakepromenljive pojedinaino. ' strukture velikog Faktorska analiza(poglavlje15) sluZi za istraZivanje broja povezanihpromenliivih(npr. stavki od kolih se sastoiiskala).Koristi promenljivihna manji broj dimenziia ,. zn ,uod.nje velikogbroja povezanih kolim je lakie raditi. U ostatkuuvoda u ietvrti deo knjis ili komponenata, gr, d".L pregled osnov'ih naiela korelacije zajed'idkih za sve tehnike Ibrade,1e o"orn delu kniige.To trebaprouditipre negoito pokuiateda pri" menitebilo koii od postupakaobradenihu ovom delu'

Cini-oci. treba uzeti u obz,rpritikomtumadenja koje koeficijentakorelacije


Kada tumadite rezultate korelacioneanalize drugih tehnikazasnovanih ili na korelaciii,moratevoditi radunao nekolikostvari.ovde su navedene kljuine teme,ali vam savetujem u svojim udzbenicima staristike da iz pronadete od_ govarajuta objainjenja (na primer, pogledajteGravetrer ac wnllr,n.,, zoo+, str. 520-576).

Nelinearna veza
Koeficijenrkorelacije (npr. pirsonov r) pokazuje linearnu (pravolinijsku) vezuizmedupromenljivih.Kada su promenljivepovezane .reiinearno'1.rpr krivolinijski),Pirsonovr ie pokazivatida je vezamnogo slabijanego sto jeste.zato uvek pogledajte dijagramrasruranja, naroditokada dobifutemaru vrednostr.

Netipi6netaike
Netipiine tadke (diie su vrednosti znatnomanje ili veie od vrednostiostalih taiaka u skupu podataka)mnogo kvare koeficijentkoreracije, pogotovo u malim uzorcima. u nekim okolnostima, netipidnetaike dine vrednost r mnogo veiom nego Sto bi ona trebalo da buie, a u crrugimpocrbacuju u ocenijadineveze. Netipidnetadkeselako uodavaju dijagramlr na rasruranJa; to su usamljene tadke, izuzeci.MoZda su posledicagreike frilikom unolenja podataka(upisano11 umesro1), netainog odgouira ispitanika je ili u pitanju stvarni odgovor neobidneosobe! Kada pronadetenetipidnutadku, proveriteda li se radi o greici i ispraviteje ako treba. Inade, razrnislite o uklanjanjuili re5ifrovanju neobiine vrednosri bi sesmanjio te da n;en uticaj na koeficijentr. (Videtiraspravuo netipidnimtaikama u poglavliu 6.)

i KoefiJlent korelacije(npr. Pirsonovelinearnekorelacije)pokazujesmer Pirsonovkoeficijentkorelaciie jaiinu iin."rn, vezeizmftu dve promenljive. -1 do +1. Predz'ak pokazuieda li ie korelaciia od u ir) ima vrednosr opsegu pozitivna (obe promenljivezajednoi opadaju i rastu) ili negativna(iedna promenljivaop"d" kada d.uga rastei obrnrrto).Apsolutnavrednosttog konjegovpredznak)pokazuiejadinuveze'SavrSe(kadazanemarimo jedne "fl.;'"ttru na torelaciiu, tj. koeficiient i iti -t pokazuie da se vrednost strane, mozetadnoutvrditi kada znamovrednostdruge.S druge promenljive pokazuieda izmedute dve promenljivene postoji nikakvaveza' tor.lu.iiu 0 nimalo ne pomaZeu predvidaniu urednostijedne pron-renljive Poznavanje vrednostidruge. raVezu dve promenliivetreba ispitati i vizuelno,crtanjem dijagrama vrednostipromenliivifi dobijeni sturanja.Na njemu su svi parovi rezultantnih duZ se.crtaju X.(horizontalne) u od subjekata uzorku,Iznosiprve promenliive dijagreose.Pregledom ose,a odgovarajuii rezultatidiuge duZ Y (vertikalne) i njenajadina(5to. ie ili -"'r"r,,rinn'a vidl sei smerveze'(pozitivan negativan) savrSene korelau podrobnijeobjasnjeno poglavlju11). Dijagramrasturanja je iz.i;. 1r=1iii -t;j..t. pr"u"iirril". Medutim, kada r=0' diiagramrasturania geometrijski oblik' gi"d" k"o oblak taiaka kole ne dinenikakav

Pregledosnovnihnadela

OgraniEen opseg rezultata


Koeficijente korelacijemorate veomapailjivo tumaditi kada potidu od marog podopsega stvarnomogu6eg rasponarezultata(npr.kada koeficijentinIQ' proudav.lre uzo.ku univerzirerskih na studenata). Koeiicijenti felis;ncjje, korelacijedobijeni proudavanjemogranidenog podopse rezuhatadestose ga ra-zlikuju onih kada je uzorkom obuhvacen od pun opr"g rezurtata. bi se Da dobio,taiani pouzdanpokazatelj jadinevezeizLedu iu""pro-"nrjive, svaka od njih bi rebalo da ima najiiri moguii opseg rezurtntu. {.ikolikoproudavate grupe (npr. klijente , uitkim'nivoom anksioznosri), uopStane -t\t.1.nnt va;tekorelacijuna sluiajeve izvanopsega podatakaupotrebljenih urorku. , Korelacija u odnosu na kauzalnost Korelacijaje pokazateljda postoji vezaizmedudve promenljive; medutim, ona.ne pokazujeda jednapromenljivaprouzroku onu drugu.Korelacija je izrnedudvepromenljive(A i B) moZebiti posledica dinjenice A prouzrokuje d"a

B, da B prouzrokujeA, ili da (kako bi stvari bile joi komplikovanije)treia promenljiva(C) prouzrokujei A i B. Moguinost da treia promenljivaprouzpromenljive rokuje obe opservirane nikad ne trebagubiti iz vida. To ilustruje otkrio izmedupotroduvenaprida o jakoj korelacijikoju je neki istraZivad Snjesladoleda broja prijavljenihubistavau Njujorku. Da li konzumiranje i prouzrokujenasilnoponaianjeljudi?Ne. Na obe promenljive(posladoleda prilike. Tokom letnyih i trodnjusladoleda stopu kriminala) utidu vremenske i vruiina rastu i potroinja sladoleda stopakriminala.Uprkos dobijenojpoprouzrokujeubizitivnoj korelaciji,time nije dokazanoda lizanjesladoleda je odlidno,poStobi proizvodadisladoleda inaie brzo ladko ponaianje.Sto zatvorili svojefabrike! Upozorenjeje jasno - pazite se moguieg uticaja tre6e,remetilaike proAko sumnjate bi nekedruge da svojeistraZivanje. menljivekada projektujete promenljive mogle uticati na rezultat,pogledajtemoZeteli ih izmeriti u isto vreme. Delimidnom korelacijom (opisanom u poglavlju 12) moi,e se statistidki kontrolisati uticaj dodatnih promenljivih i tako steii jasniji i manje kontaminiranpokazatellvezedvepromenljiveod interesa.

tr

Spirmanov koeficijent ro, 5to je koeficijent korelacije prikladan za ordinalne ili rangirane podatke, obraduje se u poglavlju 11 zajedno sa svojom parametarskom alternativom, Pirsonovim koeficijentom korelacije r. Ro se 3"tto upott.bllava u zdravstvenoj i medicinskoj literaturi, a sve viSei u psiholoikim istraZivanjima) zato Sto su istraZivadipostali svesniji moguiih problema koje ume da prouzrokuje pretpostavka da su numeridke udaljenosti izmedu rangova (npr. Likert skale) pribliZno jednake ili srazmernerazlikama u intenzitetu posmatranih obeleZja,5to je svojstvo intervalnih skala.

PovezaniParovi
Svakisubjekatmora dati svoju ocenui promenljiveX i promenljiveY (poparovi). Oba podatkamoraju poticati od istog subjekta. vezani

i Nezavsn ost opseruacija


Opservacije od kojih se podaci sastoje moraju biti uzajamno nezavisne,tj. na bilo koju opservaciju ili merenje ne sme uticati nijedna druga opservacija ili merenje. Stevens(1996, str.238) tvrdi da je krSenje ove prerpostavke veoma ozbiljna stvar. Tu pretpostavljenu nezavisnost naruiava nekoliko situacija, sto je dokazano u sledeiim istraZivanjima (videti Srevens,1,996, str. 239;i Gravetter & Wallnau, 2004, str. 251): o Istraiivanje udinka studenata koji rade u parovima ili malim grupama. Pona5anjesvakog ilana grupe utide na sve ostale dlanove, dime se krii pretpostavka o nezavisnosti. . IstraZivanjenavika i preferencija dece u vezi s gledanjem TV-a, kada su decaiz iste porodice. Ponaianje jednog deteta u porodici (koje, recimo, gleda program A) najdedie utide na svu ostalu decu iz te porodice; zato opservacije isu nezavisne. n o IstraZivanje metoda poudavanja u udionici i njihovog uticaja na ponaianje i performanse studenata. Prisustvo malog broja problematidnih studenata moi.e uticati na sve ostale; zato merenja ponaianja i performansi pojedinaca nisu nezavisna. Treba sumnjati na svaku situaciju gde se opservacijeili merenja prikupljau grupnom okruZenju ili su subjekti podvrgnuti nekom obliku medusobne iu interakcije. Kada budete projektovali istraZivanje,pokuiajte da obezbedite nezavisnostsvih opservacija. Ako sumnjate da je ova pretpostavka naruiena, Stevens(1996, str.241,)preporuduje da zadate stroZu vrednost alfa (npr. p<0,01).

Statistiika znaiainost u odnosu na praktiinu


uzbudivati kada dobijete statistidki znaiainekoeficijente Nemojte sepreviSe mogu doseii iak i korelacije.Na velikim uzorcima,statistiiku znadajnost sasvimmali koeficijenti korelacije.Praktiian zna(aj korelacije0,2 veoma je se ograniien, makar njen statistidkiznadaj bio dokazan.Usredsredite na stvarnu veliiinu Pirsonovog koeficijenta r i iznos zajednidkevariianse dvc jadinekorelacije morate uzeti u obzir drupromenljive. Prilikom tumadenja u ga istraZivanja istoj oblasti.Ako su drugi istraZivadi toj oblastiuspelida u (jer su dobili koeficijentkorelacije 0,3) varijanse predvidesamo9 procenata onda bi vaia studijakoja obja5njava ishoda (npr.anksioznosti), odredenog U u 25 procenata poredenjus tim bila impresivna. nekoj drugoj oblasti,25 rezultat. procenataobjainjene varijanse moi.eizgledatikao mali i nevaZan

Pretpostavke
pretSvetehnikeobradeneu detvrtomdelu knjige imaju nekoliko zajednidkih postavki, koje 6emo sada razmotriti. Kada budete radrli analizeobradeneu poglavljima na 1.1,12,1.3,1.415, trebalobi da sevradate ova objainjenja. i

Nivo merenja
Skalaza merenjepromenljivihu veiini tehnika obradenihu detvrtomdelu knjige trebalo bi da bude intervalna(neprekidna).lzuzetak toga bi bile od jedna dihotomna nezavisna promenljiva(sasamo dve vrednosti:npr. pol) i jedna neprekidnazavisnapromenljiva.Medutim, u svakoj kategorijidihotomne promenljivetrebalo bi da imate pribliZnojednak broj osobaili analiziranih sluiajeva.

Normalnost
Rezultatidobijeniza svepromenljivetrebalo bi da su normalno raspodeljeni. To semoZeproveriti pregledomhistogramarezultataza svakupromenljivu (uputstva videti u poglavlju6).

Linearnost
trebalobi da je linearna. znac.i bi na diVezaizmedudve prornenljive To da pravu liniju, a ne krivu. jagramurasturanjatrebaloda vidite (pribliZno)

lu
;i

Homogenost variianse
rezultatadobijenihza promenljivuX trebalobi da je slidnaza Promenljivost svevrednostipromenljiveY. Proveriteda li je tako na dijagramurasturanja videti u poglavlju6). Trebalobi da po celojduiini izgleda (uputstva kao pri^ cigara. bliZnojednakodebela

pritisnite dugme options i p.roverire koja od navedenihopciia p'"iu.a'..J ;" a.r"r. plarli,r_"u".r, oo_ -razl0gda cr;a menja u zavisnostiod postupk").'ato .,..1r,are jak postupire drugadije, prerrorud'abih r;;l;"r;:;;;;. iskrjuiitesa-rl, ,r""', anariza za koje im nedosiaiuoodaciJpair;i;;j:'j;i;;a situacija krt;; J"_ _ogro ,n_ rrebati da anarize ogranidiie,"-o'.,"u ,iue.;.u" koji imaju podatke za sve promenljive(listwise) jesreona k"du tr.b,a razmotriti samo podskupsludaieva koji da,.;;;p;; skup rezultata.

Kad god sprovodite neki statistidki postupak,

Nedostajucipodaci
naroditoonom koje obuhvataljude,veomaretko seu svakoj U istraZivanju, (od opservaciji svakeosobe)dobiju svi podaci.Zato je vai.noda usranovrtc 5ta nedostaje u datoteci s podacima. Pokrenite proceduru Descriptivesi utvrdite procenat nedostaju6ihpodataka u svakoj promenljivoi. Kada pronadete promenljivuzakoju nedostaje neodekivano mnogo podataka,zapitajte sezaito je tako. Trebalobi da razmislitei o tome da li su nedostajuii podaci raspodeljeni sludajnoili tu postoji neka pravilnost(npr.rnnogeienc nisu odgovorilena pitanje o svojoj srarosri). SPSS ima proceduruMissing ValueAnalysiskoja olaklava pronalaienje pravilnostiu nedostajuiimpodacima (videtiposlednjuopciju u meniju Analyze). Trebalobi da razmislitei o tome 5ta iere s nedostaju6im podacimakada dode vremeda uradite statistidkeanalize. mnogim sPSS-ovim U sratistidkim procedurama, pomoiu dugmetaOptions biratenadinena koji ie SPSS tretirati nedostajuiepodatke. Birajte paLljivo,polto time znatno utidetena statistidkerezultate. je posebnovazno kada prilazetespisakpromenljivihi To za sve njih ponavljateiste analize(npr. korelacijeizmedugrupe promenljivih, t-testovi niza zavisnihpromenljivih). ' opcija Exclude cases listwise znadida ie se analizftatisamo sluiajevi u kojima za suepromenl,iiue navedene polju Variables u postojesui podaci' svaki ispitivansludajkome nedostaje makar i delii podatakauopire neie biti analiziran. Tako bistemogli znatnoi nepotrebno ogranidida te velidinuuzorka. opcija Excludecases pairwiseznadida ie sludaj(osoba)biti iskliuie' samoiz onih analizaza koje nedostaje neki od neophodnihpodatakrr. Dakle, i takvi sludajevi se analiziratikad god je to -ogui", tj. kad ie god sadrZe podatke potrebne za pojedinu analizu. Opcija Replacewith mean, dostupna u nekim SpSS-ovim sratistiikim postupcima(npr. u videstrukojregresiji),znati da ie biti izradunata srednjavrednostsvih promenljivih i da ie niome biti zamenjeninedostajuii podaci. Ovu opciju nikada ne bi trebalo da koristite,poito moie znatno da iskrivi rezultateanalize, narodito onda kada nedostaie mnogo podataka.

Edit, zatim No,i*,?ri. for,_"ri _uersra_ in fiijTl ?#t.13#::r.p.i;, ".,"tion ""

bi sacrrZati iudne brojeve oblika -mogao L,24E-02. sumari To "a ur"i.ti r"i. spss p"rr."r"" iJ aciji' Da vam se to ne bi deSavalo, "irrrilout'o; ,,or_ ;;;;".r" meniju izaberite

Rezultatkoji dobiiat"

koji Froievi. dudnoizgledaju


s'Fss*, irtkudu

Korelacija

I I

Korelacijaopisujejaiinu i smer linearnevezeizmedu dve promenljive.Popokazatelja, se koje korisnik moiu SPSS-a moZeizradunativiSestatistidkih od bira u zavisnosti nivoa merenjapromenljivihi prirode podataka.IJ ovom koeficijenta Pirsonor poglavljupredstaviiupostupkedobijanjai tumadenja ve linearnekorelacije,kao i koeficijentaro Spirmanovekorelacijeranga. linearnekorelacijeprikladan je za intervalne(nepreKoeficijentPirsonove MoZe se upotrebiti i kada imate jednu neprekidnuprokidne) promenljive. menljivu (npr. rezultate merenja samopoitovanja) i jednu dihotomnu promenljivu (npr. pol: MIZ). Spirmanovakorelacijaranga je prikladna za ordinalnevelidine(koje semogu rangirati)i naroiito sekoristi kada podaci ne zadovoljavaju kriterijumeza Pirsonovukorelaciju. bivaSPSS izraiunava obe vrste korelacije. Prvo iete dobiti jednostavnu rijantnu korelaciju (tj. korelaciju izmedu dve promenljive),poznatu i kao korelacijanultog reda (engl.zero-ordercorrelation).U SPSS-u takode moLete istraZivati uz odnos izmedudve promenljive, kontrolu treie promenljive. Ta tehnikaie poznatakao parcijalnakorelacija. ovom poglavlju,predstaU vljena je proceduradobijanja koeficilentaPirsonovekorelacijeproizvodl momenati neparametarskog korero. Spirmanovog koeficijenta Parcijalna lacijaje obradenau poglavlju 12. Koeficijenti od (r)mogu poprimiti samovrednosti -1 Pirsonove korelacije do +1. Predznak pokazujeda li je korelacijapozitivna (obepromenliivezajedno i opadajui rastu) ili negativna(jednapromenljivaopadakada druga rastei obrnuto).Apsolutnavrednosr koeficijenta nje(kadazanemarimo tog gov predznak) pokazujejadinuveze.Savriena koja iznosi 1 ili -1' korelacija, pokazujeda sevrednostjednepromenljivemoZetadnouwrditi kada znamo vrednostdruge.Dijagramrasturanja koji ilustrujetakvu ve^t pravaje linija. jednakanuli pokazujeda izmedute dve promenljiS drugesrrane, korelacija ve ne postoji nikakva veza.Poznavanje vrednostijednepromenljivetada nimalo ne pomaZeu predvidaniuvrednostidruge. Dijagram rasturanjatada rasporedenih tadaka. izgledakao oblak nasumidrro

To su Za rumadenjekorelacije potrebno ie znati odgovore na viSepitarnia' tadaka, ograniienosti opsega uzorka' oduticaj neline"rnih u"r", netipidnih izra,ro, (o."l".ije i kauzalnosti, i odnos statistiike i praktidne znaiajnosti razmotfene u uvodu u ietvrti iunzrtih ko"ii.il.nnta korelacije. Te teme su trebalo bi da prodideo knjige. Pre nego 5ro nastavite iitanie ovog pogl:rvlia, tirte tal uvod'

Postupakcrtanjadijagramarasturanja
1. U meniju na vrhu prozorapritisniteGraphs, zatim Legacy Dialogs. 2. Pritisnite Simple Scatter i potom Define. 3. Pritisniteprvu promenljivu(npr. Ukupan subjektivnodoiivljen stres, usudstres) i prebaciteje u poljeY-axis. (Ona ce biti prikazana dui vertikalne ose.) zavisnapromenljiva obidno se prikazuje Po konvenciji, du2 Y-ose. 4. Pritisnitedrugu promenljivu(npr. Ukupan SDSUS) i prebacite je u polje duZ horizontalne ose.) Tu se najdeSceprikaX-axis. (Ona ce biti prikazana promenljiva. zuje nezavisna lD 5. U polje LabelCases by:stavite promenljivu da biuz svakunetipidnutadku bio njen lD broj. Continue i zatim OK (ili dugme Paste da biste komandusnimiliu 6. Pritisnite Syntax Editor). Ovaj postupak generi5esledecu komandu:

vezanekih na Upotrebuktr"la.ile pokaza6u primeruistraZiva'iauzajamnih s survey3ED.sav,prateieWeb u pi.-."fil"ih rnd.iut-tlh datotecis podacima koji utiiu na da iokacijeove kniige.Ta anketaie proiektovana istraZiiinioce (celovitopis studiie ispitanika raspoloZenie p'fr"f"Sf." prila[od.nost i opSte U ovom primeru, hoiu da ocenim korelaciju izmedu uid.ti ,, doi"tk,r). ispitanikai niihovog nivo:rsubiektivnodozivljenog oseianjasamokonrrole promenliivedetaljno su opisaneu sledeioitabeli. ,*.r^. Dve upotrebliene uputstva,pokrenite iodmah sprovoditenavedena Ukoliko Zeliteda p."tit" i SPSS otvorite datotekusurvey3ED'sav'

Obiainienie Primera

Kratak pregled korelaciie


primer istraiivaikog pitanja: Postoji li veza izmedu nivoa samokontrole doZirt"r,ii-" i njihovog nivoa subjektivno lju6i nad njihovim u-n,rtraSniim nivoom samokontroledoiivliavaiu ;ii;;"; ;.t;sa? Da li osobe'savisokim ? maniestresa a ili obe neprekidne; jednaneprekidna' drutreba:Dve promenljive, Stnro"r., ga dihotomna (moie imati samodve vrednosti)' i pronrenllive. Stasepostiie:Korelaciiaopisujevezuizmedudve 'eprekidne i to i iaiinu te veze niensmer' obiapretpostavke: na Pretposravke kojima poiiva korelacijapodrobno su u Snjene uvodu u detvrtideo kniige' korelaciiaranga (ro)' Spirmanova alternativa: Neparametarska

GRAPH WITH /SCATTERPLOT(B|VAR):usdsus usudstres id (IDENTIFY) BY /MISSING:LISTWISE.


je Rezultatopisanog postupka prikazan na slici.

: l n

.91 .^
J c

r0

20

pre izradunavania korelaciietreba nacrtati diiagram rasturanja.Na njernu vao pretpostavke linearnostii homogenosti oroveriteda li su zadovoliene jeo lnjige). Pregledom diiagramarasturanja u detvrti i;;";;'i;td.a ""oa prirodi u.r" ir*.d.l ispitivanihpromenliivih' o steii iete i bolju predstavu

analizeza korelaciiu Preliminarne

Ukupan SDSUS

Tumadenie diiagramarasturania
Na dijagramu se moZe sagledati vi5e svojstava raspodele dve ispitivane promenliive.

Korak 1: provera netiPiEnih ta6aka


ima li na diiagrarnurasturanianetipiinih tadaka,tj' taiaka izPogledajte mnogo veiih ili manjih od ostaeventualno dvJjenihod ostalih, izuzetaka, vrednosti,treb:rproveriti da li su lih. kacta netipiine taike imaiu ekstremne tadkezr-ratti podaci,rop5r"bili ispravnouneti?Dir to nisu greike?Netip-idne udZbenicistatistike no utidu na neke unilir", pa to vredi ispitati. Pojedini iz netipiine tadkeizbace skupapodataka.Druda preporuduju seekstremne da im sepromeneiifre (kodovi)tako da im vrednostne bude to! pt.atuZ" (videtipoglavlje6). liko ekstremna ID da netipidnutaiku i poZelite ie identifikujete brojem Kada prepoznate ikonicu Data Label Mode u prozoru datog sludaj" lopr.tuu.ije), upotrebite Chai Editor. Dvaput pritisnite diiagram da biste aktivirali prozor Chart mete(ili izabcEditor.pritisniteiktnicu koia pomalo lidi na centarstreliadke i rite Data Label Mode u meniiu Elements) doveditekursor na tadku diiagrama koju Zeliteda identifikujete.Pritisnitetadku jednom i prikazadese ID) ilen In broj (ako ste u koraku 5 prethodnogpostupkaiz_abrali odnosno brojeva iskljuii6ete (engl.casenwmber).Prikazivanje broj sludaja SirSS-ou ako ponovo pritisneteistu ikonicu.

Podto ste istraZili raspodelu rezuftatana dijagramu rasturanja i utvrdili da je veza izmedu promenljivih pribliZno linearna i dtr su rezultati ravnomerno rasporedeni u obliku cigare, moZete nastaviti izradunavanje koeficijenta Pirsonove ili Spirmanove korelacije. Pre nego 5to podnete slede6i postupak, u glavnorn meniju izaberite Edit, zatim options, i proverite da li je potvrdena opcija No scientific notation for small numbers in tables.

Postupak izralunavanjaPirsonovogkoeficijenta r ro ili Spirmanovog


pritisnite na 1. U meniju vrhuprozora Analyze, zatimcorrelate,pa Bivariate. svojedve promenljive 2.lzaberite i prebacite u poljeVariables (npr.ukupan ih do2ivljen subjektivno stres, ukupan SDSUS). ovde se mozezadati ceralista (tabeli) promenljivih, samodve.U rezultujucoj ne matrici bice navedene korelacije svih mogucihparovapromenljivih. Tabelace biti velikaako u listi vi5eod nekoliko promenljivih. zadale 3. U odeljkuCorrelationCoefficients,podrazumevana opcijaje Pearson(Sto znadida se podrazumevano izradunava korelacija). ova Ako hoceteda izradunate iSpirmanovu korelaciju ranga, potvrdite polje Spearmanrho. (odeljak 4. Pritisnite dugmeOptions. nedostajuce Za vrednosti MissingValupoljeExcludecases pairwise.Na kartici es), potvrdite Options mo2ese zadati izradunavanje i srednje vrednostistandardnog i odstupanja. 5. Pritisnite ContinueizatimOK (ilidugmePasteda bistekomandu snimili u SyntaxEditod. postupak Opisani generi5e sledece komande: CORRELATIONS /VARIAB LES:usudstres usdsus /PRINT:TWOTAIL NOSIc /MISSING:PAIRWISE. NONPAR CORR /VAR LES:usudstres IAB usosus /PRlNT:S PEARMAN TWOTAI NOSIG L /MISSING:PAIRWISE.
Rezultatprethodnog postupka (sa obe izradunatekorelacije,i Pirsonovomr je prikazan u tabelama. Spirmanovom)

Korak 2: pregled raspodelevrednosti


vrednostikazujeviSestvari: Raspodela To . Da li su tadkerasprlene posvuda? bi znadiloda le korelacijaveoma mala. To u . Da li su tadkelepo rasporedene obliku tankecigare? bi znadiloda je korelaciiaveomavelika. . MoZe li se povu6i prava linija kroz glavnu gomilu taiaka ili bi taike (5tosun&a kriva linija?Ako je kriva linija odigledna boljepredstavila izmedu promenliivih),Pirsonovukorelacilu g.ris" krivolinijsku vezu dir poito ona podiva na pretpostavci ie iropdt, ne treba izradunavari, (pravolinijska)' veia izmedupromenliivihlinearna od Sirine jednog . Koii ie oblik glavnegomiletaiaka?Da li je jednake je na poietku uska pa postaiesve Sira?U tom kraja'do drugog?Ili "moLda pretpostavkuo homogenosti ne zadovoljavaju slujaju, podail gertity of uar iance)' city, b omo varij anse(engl.homosceda sti

Korak 3: odredivanie smera veze izmedu promenliivih

pozitivnaili kazujeda li ie vezaizmedudve promenllive Dijagramrasturanja Kada bl se kroz tadkenacrralalinija, koji srnerbi pokazivala.,-r"goiiunu. prikazuje tend naviSe ili slJvanad.sno,da li bi pokazivalanaviSe naniZe? ',rez.i, da velikim vrednostima odgovarajuvelikevrednostiY. X tj. pozitivnu vrednoti'.da,malim koreiaciii' kazuieda seradi o negativnoi Linila,tanize Y. U ovom primeru' izgledada je korestirnaX odgovarajuvelike vrednosti i lacija negativna umerenoiaka. I
I

Correlations

Korak 2: utvrdivanjesmera veze


Drugo Sto.trebapogledrrtijeste smer veze izmedu prome'ljivih. Da li je ispred vrednostikoeficijentakorelacijenegarivan predznak?'Akojeste,io znaii da izmedute dve promenljive postoji negativna korelacija(tj. ja velike vrednostina jednoj skali prate rnalevrednostina druE;oj). Tumaienjeovoga od semenjau zavisnosti naiina dodeljivanja vrednosti promenljivama. Uvek proverite5tapiSe upitniku i ne zaboraviteda mnogeskaleimaju negarivno u stavkekoje treba obrnuti pre dodeljivanja formulisane vrednosti.Stl ve[ki brol'evi(vrednosti)zapravo znate?To iesto zbunjuje sfudenre, vam mora pa jasnopre nego5to se usuditeda tumadite,"r,rltoi.. biti savr5eno pirsonove u ovom primeru,koeficijenr korelacije (-0,-iB) spirmanovkoi eficijentro (-0,56) negativnisu, Iro pokazuje.negarivnu koreiacijuizmedu subjektivnodozivljenesamokontrole stresa.Sto uiie samokontroleosoba i oseia da ima, to manje stresa misli da doZivliava.
Total perceived T o t a lP C O I S S

Sig. (Z-tatled) N PearsonCorrelatron PCoISS-.----T"tal Sig.(z{ailed) N ." C"rt-l"t'". '" .,snificantat the 0,01 level (2-tailed)

correlations Nonparametric
Correlations

Si6-1inails rio

-lolal

perceivedslress

oorrelatlon Loellrcrent Sig (2-tailed) N


Sig. (2-tailed) N

1 000

jadine veze Korak 3: utvrdivanje


Treie ito treba pogledariu rezultatimajestevelidinakoeficijenta korelacije. on moZe imari vrednosrod -1,00 do 1,00. Taj broj pokazujejadinu veze izmedute dve promenljive. vrednost 0 pokazujeda nikakva veza(korelacija) ne postoji; vrednost 1'0 pokazujeda je koreracija porpuna i pozitivna, -1,0 dok_vrednost pokazujeda je korelacijapotpuna i negativna. Kako tumaiimo korelacijedije su vrednosriizmedu 0 i 1? Razni autori daju razliditatumadenja; medutim, cohen (198g, str.79-g1) daje slecleie smernice veliiinu korelaciie: za
m a l ar = 0 , 1 0 d o 0 , 2 9 srednjar:O,30 do 0,49 v e l i k ar : 0 , 5 0 d o 1 . 0

433 -,556" ,000 426

,000 426 1,000 43U

t.. Correiation significant the 0,01 level(2-tailed) al is

rezultatakorelaciie Tumadenie

prikazuieu tabeli sPSS i obe korelaciie,i Pirsonove Spirmanove, Rezultate L1z koeficiienatakorelacije izmedu svakog para navedenihprome$ii1ih, u (opservaciia) uzorku. Rezulsludajeva i nivo znadajnosti broi analizkanlh da su u odeljku Correlation.Kada zatrazite se korelaciiedati tati Pirsonove ti rezultatise prikazuju u odeliku izradunaSpirmanovkoeficiientro \rho), i Rezultatiobe vrste korelacije, parametarske NonparametricCorrelations. tunade sejednako. i neparametarske,

N, najpretrebapogledati ti. broi sluiajeva(opservaciia) U tabeliCorrelarions treba dr Ako mnogo podatakanedostaje' u uzorku. Da li ie tai broi tadan? utvrdite zalto je tako. Da nistezaboravilida potvrdite polje Excludecases pairwise.r od"i;k,, MissingData na kartici Options?Druga opciia (Exclude koiima ttciaseslistwise)znadida su iz svih analizaiskliudenisvi sludaievi preoitro (i nepotreoTime seN desto dostaje vrednostbilo koje promenljive. imamo 426 sluiaieva sa vrednostimanir no) smanjuje.U gornjem primeru obe skale'uporr.ill.n" ., ouoj analizi.Naravno, iz nje su morali da seizbace podatirkza bilo koiu od te due promenliive' nedostaje svi sludajevikojima

o Korak1: proverainformaciia uzorku

NavedenesmernicevaLebez obzira na to da li ispred koeficijenta r stoji negativan predznak. zaboravite, Ne negativan predznak pokazujesmerveze, a ne njenu,jatinulaiina korelacijeje jednakaLa.ra s,, koeficijenti r=0,5 odnosnor=-0,5.Razlikujesesamo niensmer. primer.u,izmedu dve promenljiveposroji jaka korelacija ,,_1,,*:t:l.m 0,5),,5to govori u prilog tvrdnje da ie vezaizmedu-subjektivno dozi].11n"o vtlene samokonrrolestresa jaka. i

jent determi'acije. pokazuje kolikr je deo varijansedve promen ljivezajednidki;jod se kaze ,,koliki ie deo varijanse jednepromenljiveobjainjen (ili Prouzrokovan)varija'som druge". Zvudi impresiu.ro, izra(unavase jednoa stavno; samokvadrirajtevrednost (pomnoZite sa samimsobom).Da biste r r to pretvorili u 'procenatvarijanse',dobijeni proizvod pomnozite sa 100

k navanie koeficijentadetermi nacije flor.a 4 : izradu Koefici

(pomerite decimalnizarezza dva mesta udesno)' Na primer, dve promenljive s koeficiientom korelaciie r=Q,) imaju samo 0,2 x 0,2 = 0,04 4 procenta zaTe iednidke varijanse. dve promenljive nemaiu mnogo veze. Medutim, korer=0,5 znadive( 25 procenata zajednidkevarijanse (0,5 x 0,5 = 0,25). lacija U na5em primeru, Pirsonova korelacija iznosi 0,581; kada se digne n:r kvadrat, dobija se 33,76 procenata zajednidke varijanse. Subjektivno doZivliena samokontrolaobjainjava gotovo 34 procenta varijarlseu odgovorimir ispitanika na skali subjektivno doZivljenog stresa.To ie sasvim pristojan decr objainjene varijanse,kada se uporedi s mnogim istraZivanjima sprovedelirn u dru5tvenim naukama.

Tabela1: Koeficijenti izmedu korelacije izmerenih Pirsonove vrednosti linearne doZivljene subjektivno i samokontroleop5tegraspoloZenja
Skala
1

S Ukupna DSUS

- , 5 8 1* *

2 . Uk.subj.doiiv. stres neg.osecanja 3 . Ukupna poz.osedanja 4 . Ukupna Zivotom 5 . Uk.zadov. **p (,001 (2-triled).

*" ,484 ** ,674

-,456 - , 4 4 2* * -,294--

** ,373 - , 4 9 4* * -,316 ** ** ,415

Korak 5: ocenanivoaznadainosti
Sledeie 5to rreba pogledati je nivo znadajnosti (oznaden sa Sig. 2 tailed). Ovaj podatak se desto pogreSnotumaii, pa obratite paZnju. Nivo statistidke znaiajnosti ne pokazuje jadinu veze izmedu dve promenljive (nju pokazuje r odnosno ro), nego s koliko poverenja treba posmatrati dobijene rezultate. dobijenog iznosa koeficijenta r odnosno ro jako utide velidina Na znadajnost malih uzoraka (npr. n=30) mogu se izraiunati umerene korelaciie uzorka. Iz koje nisu statistidkiznataine na uobidajenom nivou p<0,05' Medutim, vei i vrlo male korelacijeizradunate iz velikih uzoraka (N=100+) mogu biti statistidki znatajne. Naravno da statistiiku znadajnost koeficijenta korelacije treba navestiu izveitaju o istraZivanju, ali se usredsreditena jaiinu vezei vevarijanse (videti korak 4). lidinu zajednidke

korelacije izmedu Radunanje promenliivih grupa


U prethodnomodeljku sa opisomposrupka pokazala sam kako se dobiiaiu koeficijentikorelacijeizmedudve neprekidne promenljive. Kada imategrupu promenljivihi Zeliteda istraZite uzajamne vezesvih njih, zadajteSpSS-u da sve to uradi u jednoj proceduri - samo prebacitesve te promenljiveu polje variables.Medutim, tako bi se mogla dobiti ogromna matrica korelacije,koja setelko dita i tumadi. Ponekadje od interesasamo odredenipodskup svih moguiih veza.Na primer, zanima vas odnos izmedu vrednosti kontrole (Mastery, PCOISS)i raznlh vrednosti prilagodenja (pozitivnih oseianja, engl.positiue affect, negativnih oseianja, engl. negatiue affect, zadovoljstva iivorom, engl. life satisfaction). zelitecelu marricu korelacijezaro 5to bi ona sadrZala Ne koeficijentekorelacijesvih promenljivih,dakle i svakogpara mera prilagodenja. Postojinadinda to ograniiite,tj. da odreditekoji 6esekoeficijentikorelacije prikazati.To seradi u SyntaxEditoru (opisanom poglavlju3). Slediposruu pak pomoiu kojeg seu SyntaxEditoru odredujekoje ie koeficiiente korelacife SPSS izra(.unati.

rezultatakorelaciie Predstavljanje
Rezultati Pirsonove korelacijeu gornjem primeru mogli bi seovako predstatSpirmirrezultate istraZivanlu. Ukoliko trebada predstavite viti u izveStaju o u drugoj tabeli. nove korelacije, r samozamenite vrednoiiu ro datom
Veza izmedu stanja (kako je subjektivnodoZivljene samokontroleunutra5njih meri skalaSDSUS) i subjektivno doiivljenog stresa (merenog na istoimeno; je skali) istraiena pomocu koeficijenta ObavljePirsonovelinearnekorelacije. ne su preliminarne pretpostavki noro analizeda bi se dokazalozadovoljenje malnosti, linearnosti homogenosti varijanse.lzradunataje jaka negativna i korelacijaizmedu dve promenljive, : -0,58, n: 426, p ( ,0005, pri 6emu r te visoke nivoe subjektivno doZivljene samokontroleprate niski nivoi subjektivno do2ivljenog stresa.

Postupakizradunavanja koeficijenatakorelacijeizmedu dve grupe promenljivih


1. Otvorite meniAnalyzena vrhuprozora, izaberite njemuCorrelation, pa u pritisnite Bivariate. 2. Promenljive vaszanimaju koje prebacite poljeVariables, u najpre celuprvu (npr. grupupromenljivih tposaff, tnegaff, tlifesat), zatim a drugu(npr. tpcoiss, tmast). 3. U ispisu rezultata, grupapromenljivih nanizana vertikali prva bice po tabele u njenim redovima, drugagrupapo horizontali kolonama. a u 4. DuZu listustavite prvomesto; na time spredavate tabela da zbog prevelike Sirine mo2e stanena stranicu. ne da

Korelacijom destoistraZuju se vezeunutar celegrupe promenljivih,a ne samo vezaizmedu kao u gornjemprimeru.U takvim sludadve promenljive jevima, bilo bi nezgrapno jednom pasusunavoditi sveizradunate koeficiu jente.korelacile; bolje je prikazatiih u tabeli.Evo naiina na koji se to moze uraortr:

vr

vr

' rvr

"J

Poglavljei 1; Korelaciia

139

Paste. Otvorice se Syntax Editor (videtiprimer na slici 1 1 .1). 5. Pritisnite (npr. tposaff,tnegaff,tlife6. Postavitekursor izmedu prve grupe promenljivih (npr. tpcoiss i tmast). Upi5ite red ,,with" (tposaff sat) i ostalih promenljivih tnegaff tlifesat with tpcoiss tmast). Time ste od SPSS-a zatralrlida izraduna tmast i tpcoiss s jedne strane i koeficijentekorelacijeizmedu promenljivih promenljivih druge strane.Trebalobi da dobijetekos svih drugih navedenih m a n d uk a o n a s l i c i1 ' l. 1 . sve do izaberite - od CORRELATIONS tadnovukomandu, 7. Da bisie izvr5ilitu ke na kraju (ukljudujuii i tadku). Veomaje vaZnoda i ta taika bude izabrana. sa u 8. Kada je taj tekst izabran, glavnommenijupritisnitedugme (ikonicu) troSeluglom koji pokazujeudesno P) ili otvoritemeniRun i u njemu izaberite ection. Time ste SPSS-u naredilida izvr5idatu komandu.

Kadir se rez'ltari predstave na ovaj nac.irylako se poredi rerativna jadina

I::t:.j1"^:oje. Kom merom prilagodenja.

dveton,.or.,.,r.,r. Ir"or pcorss, il;;iil;r,.ry) sasva_

ftrff

U istrazivanju koreracije ponekadtreba uporeditijadinu koJcijenata kore_ lacije dve zasebne grup:. Na primer, zeliteda p"d"i;;';;), ir_.d,, opti_ zasebno

Poredenjekoeficijenata korelacijedve grupe


#::i:T,lr:seianja

zamuika,c.r 2."". ir"ar opisjednog

File Edit View Oatd Transform Andlyze Gfaphs Utilities Run Window Help

Postupakporedenjakoeficiienatakorelacije za dve grupe subjekata Korak1: podelite uzorak


1' Prozor Data Editortrebada je otvoren prednjem i.u pranu. (Ako trenutno je

, , , . : ,A , , 'S ,E

ntuh

S{ } O:, ii:i

I I CORRELATILlNS wit tne I./ARIAELES= tposaff gafftlifesat h tpcoisstmasl /FRINT=TWOTAIL SIG /MISSING=FAlRWlSE
>ts5) PrOCe5S(

B,#iili:?'ir

viewer, otvorite windo*.i; ;;;; meni

i."uu.itu spss

Slika 1 1.1 ProzorSyntax Editor. Sledi rezultatkoji cete dobiti u SPSS-u kada zavr5iteopisani postupak.
Correlations T o t a lP C O I S S lotal PositiveAffect Pearson Correlalion Sig. (2{ailed) N Total Negative Affect Pearson Correlation Sig. (2-tailed) N T o t a lL i l e Satisfaction Pearson Correlalion Sig.(2-tailed) N Total Mastery

2' U glavnom meniju vrhu prozorapritisnite na Data,zatimsprit File. 3. Pritisnite CompareGroups. 4' Promenljivu grupisanja (npr.pol)prebacite polje u Groups basedon. pritisnitedugmeOK. 5' Takoste uzorak podeliri poru,pa ce sve ubuduce po zahtevane anarize biti ponovljene svakuod te dve grupe za zasebno. Korak 2: korelacija 1' Prema postupku opisanom jednomod prethodnih u oderjaka, zadalte izrad,unavanje koreraciie':r1u' dve promenrjive od interesa (npr. Totar optimism, Totalnegative afiect).ona ce biti izraduiata prikazana i zasebno svaku za od dvegrupe. vazno: Kadazavrsite zasebnim sa pregredom statistidkih pokazaterja muza Skarce zene,ne zaboravite i"r.rrre i a" iiu opcijusplit File.ona (podera uzorka na grupe)ostaieda vazisve ao[1" n" ;sktlueite. jrozoru Data ro Editorkojitrebada je u.predn"r'0,""r. pritisnite ,"rJi , Data,sprit File izatim prvodugme: Analyzeat cases,ao noi"r.ate groups.pritisnite oK (oanosnodugmepaste da bistekomandu snimili SyntaxEditor). u Ovajpostupak generise sledece komande: SORTCASESBy oot. SPLITFILE LAYERED oot. By CORRELATIONS /VARIAB LES:toptimtnegaff /PRINT:TWOTAIL NOSIG /MISSING:PAIRWISE.

,456'. ,000 429 -,484" ,000 428


17a"

,432" ,000 436

,000 435

,000 429

,000 436

i t C o r r e l a t i o ns s i g n i f i c a na t t h e 0 , 0 1 l e v e l ( 2 ' l a i l e d )

hi$s, -'

14U

L.rEU

tv

i vtsLrsrrvt\v

PostuPakdaje ove rezultate:


Correlations

Proverastatistidkeznadajnosti razlike izmedu koeficiienata korelacije


U ovom odeljku, ooisaiu postupak utvrdivanja da li se korelacijedveju razlikuiu, tl. da li je ta razlika sludajnaili ne. Naialosr, to grupa z.nataino jo5 ne ume da uradi, pa iete morati sami pomoc.u SPSS kalkulatora.I ako odeljak bude izgledaonerazumljiv, vam slede6i sleditedati postupakkorak po korak. Prvo iemo vrednostikoeficijenata korelacijer pretvoriti u vrednosti z, zatim pomoiu jednadine izradunatiopaZenu vrednostz, tj. 2,,r,.Taj broj iemo ocenitina osnovuutvrdenihpravila odludivanja tako izraiunati i verovatnoiuda je razlika u korelaciyi opzrZena izmedudve grupebila posledica sludainosti.

T"t"iltl$;G

Pearson
Correlation Sig' (2-tailed) N

FEMAE-I"I

opl'mG'.n

Pearson
Correlation Sig.(2-tailed) N

Pretpostavke
Kao i uvek, najpre iemo proveriti pretpostavke. pretpostavlja se da su vrednosti korelaclje r za dve grupe dobijeni iz sludajnih uzoraka i da su grupe sludajeva(opservacijar) nezavisne(da isti subjekti nisu dvapur testirani). pretpostavlja se da je raspodela rezultata za obe grupe normalna (videti histograme za te grupe). Takode je neophodno imati najmanle 20 sludaieva (opservacija) svakoj grupi. u

Tout N"g"tiu"
Af{ect

Pearson
Correlatlon Sig (2{ailed) N

-.

level (2-tailed)' Correlationis significantat the O'01

Korak1: pretvoriti svakuvrednostr u odgovaraiu6u vrednostz


Prvi korak u procesuporedenjajestepretvoriti dve dobijenevrednostir u standardan oblik, koji se nazivavrednosrz. To se radiiz viie matematidkih razloga,prvenstvenozato da bi raspodeleuzoraka bile pribliZno normalne. u prethodnonavedenoj tabeli rezultaraoditaiteiznoie r i N za Gruou 1 (muSkarci) Grupu 2 (Lene). i Muik.: rt = -0,22 Zene, rt = -0,394 Nr = 184 Nz = 250 u tabeli11.1pronadire vrednosrzkoja odgovara svakojod tih vrednosti r. Mu5k.: zt = -01224 Zenetz, = -0,418

grupe =u izradunate 1Y,"- (Total korelaciie rezultata Tuma6enie izmedu ukupnog

korelaciia -optimizma U prethodnoi tabeli ""'tt"'", affect)za muikarce (Total optimism) i ukupnih negativnih-oseiania "tg"iiu" veia' ']-0'39' lako ta dva bro1e bila ;e r---0,22dokie ,li"n"bila neznatno velika da semoZesmatratiznaiajnom' ja razlikuiu,da li je r" ;ik;d"toljno je opisaniedannadinprovere U a ne sluiainom? narel"n"- "atf;ft" podrobno VaZno1e ir*.a" ta dva koefitiJttttu korelacije' ,nuia;nost'i"ra*r-f*" statistidke koznadajnosti proverestatistidke imati u vidu da ," ,"ipttt"t '"'flf";" od 'i;lt gornioi-tabeli'^GorePrikazatrt ;" 'e"'.ltati {1i eficiienata korelaciie', " daiu veroSig' =,003; 'i,L"n"t Sis' = '000) (za'mriikarce: nivoi znadajnosti ' vatno6u nulte hipot ezeda ie koeficijent korelaciie non".l1c1l td:*tl) oceniuieverovatnot" Medutim, doleopisanitest znadajnosti gr iZena)posledica :11;,;;il, opuZ"rrlhior"lucilu r" a"t grupe (muik araca za veze muikarcetza aene' dok u stvarinemarazlike'i1"3i"i ispitiv:rne

ru Tabela11.1:Transformacija z

.000 .005 ,010 ,015 ,020 ,025 ,030 .035 ,040 ,045 ,050 ,05s ,060 .065 ,07a ,475 ,080 .085 ,090 ,095 ,100 ,r05 , 11 0 ,r15 ,\2A
, tzJ

,000 ,005 ,010 .015 .o20 ,025 .030 ,035 ,040 .045 ,050 ,055 ,060 ,065 ,070 ,075 ,0B0 ,085 ,090 ,09s ,100 ,105 , 11 0 ,116 J21
, tto

,204 .205 ,210 ,215 .220 ,225 .230 ,235 .240 ,245 ,250 ,260 ,265 ,274 ,275 ,280 .285 2qn ,295 ,300 ,305 ,310 5 .31 .320 ,325 .330 ,335 ,340 ,345 ,350 ,355 ,360 .365 ,370 ,375 ,380 ,385 ,390 ,395

,203 ,208 ,213 .218 ,224 ,225 ,234 ,239 ,245 ,25A ,25s ,266 .271 ,277 ,282 ,288 .293 )Qa ,344 ,310 ,315 ,321 ,326 ,332 ,337 ,343 ,348 ,354 ,360 .365 ,371 ,377 .383 ,388 .394 ,400 ,406 ,412 ,418

,400 ,405 ,410 ,415 .42A ,425 ,430 ,435 ,440 ,445 ,450 ,455 ,460 ,465 .470 ,475 ,460 ,485 ,4S0 ,495 ,500 ,505 ,510
(1q

,424 ,430 ,436 ,442 ,448 ,454 ,460 ,466 ,472 ,478 ,485 .491 ,497 ,504 ,510 ,517 .523 ,530 ,536 ,543 ,549 ,556 ,563
<7n

,130 ,135 , 14 0 ,145 ,150


, rJJ

,131 '136 , ,141 ,146 ,151


, 'Ju

,520 ,525 ,530


(?q

,576 ,583 ,s90


(o7

,160 ,165 , 17 0 ,175 .180 ,185 ,190


10q

,161 ,167 ,172 ,177 ,182 ,187 ,192


ioa

,540 ,545 ,550 .555 ,560 .565 ,570 ,580 ,585 ,590 ,595

,604 ,611 ,618 ,626 ,633 "640 ,648 ,662 ,670 ,678 ,685

,600 ,605 ,610 ,615 ,620 .625 ,630 ,636 ,640 ,645 ,650 ,655 ,660 ,665 ,670 ,675 ,680 ,685 ,690 ,695 ,200 ,705 ,710 .715 ,720 ,725 ,73A ,735 ,740 ,745 ,750 ,755 ,760 ,765 ,770 ,775 ,7BO ,785 ,790 .795

.800 ,693 ,805 ,701 ,810 ,709 .815 ,717 .725 ,820 ,733 ,825 ,830 ,741 ,/50 ,835 ,758 ,840 .767 ,845 ,775 ,850 ,784 ,B55 .793 ,860 ,802 ,865 ,811 ,B70 .820 ,875 ,829 ,880 ,838 ,885 ,890 ,848 ,858 ,895 ,s00 ,867 ,905 ,877 ,887 ,910 ,915 ,497 ,920 ,908 ,925 ,918 ,930 ,929 ,935 ,940 ,950 ,940 ,945 ,962 .973 ,950 ,984 ,955 ,996 ,960 i,008 ,965 1,020 ,970 1,033 ,975 1,045 ,980 1,058 ,985 1.071 ,990 1.085 ,995

1,099 1,113 1,127 1,142 1,157


t,ttt

u r,'.'i .-, go iu b,:i,: """ Jou",,i, il i::,fq;iiil L::H f i*#r j;*: (Bic<e laks. ako ster,tti"".p.ipremili ispisali uo,rr
dirio i i.?[#tora'
-t - .z

Korak2: ubacitete brojeve u iednaiinu za izraLunayanje zoo

1, 1 8 8 1,244 1,221 1,238 1,256 1,274 1.293 1,313 1,354 1,376 1,398 1,42? 1,44/ 1,499 1,528 1,557 1,589
I,OIJ 1 6qA

?2a - ,qte

) - o b s - --

-,194

{*l* 8 1 * *l1
Zobs=

247

v,00SS ,oOa +
-obs _ -:

v,0095 Zobs=:J!1

1,697 1,738 1,743 1,832 1,886 1,946 2.014 ) r\Q) 2 , 18 5 2.298 2,443 2,A47 2.994

=-t,gg

ff"tJ1,ffj:iienta

fije vrednostzor.statistidki Kadadobiiete znadajna vrednosr z,*,i.m"di j,iz-i *!.g6, nentoietewrcriti jzrne_ da korel'Jcri. p"'Lii

Korak 3: utvrditeda

,r*:H:!l';1ffi';ll',lk

melods (2nd edition).Holl. Rineharl& Wtnslotr tzvot:Mc:all {1990).prvobilniizvor dwards,A.L. 11967J. Statistical

Dakre, i'*" granica ;;;;;;'#iJ;;#;il:fl:3::1" vred,,os* a',ih


znadajno.

znatajna r aztika,tj. ona da "ltirtirki e,, uIru. n h.ipotez nem raztik z u (da a ei medu pa g,ru )
-' '""""'rvtttt nulellcls se ne razlikuju statistidki

j" -1,e6 vvr <r* 1^0""

'

Kada je zoo" manie od ili jednako -1,96 ili kada je z.o"jednako r '96: koeficijenti-se ili vece od razrikuju J"rr"allr""""ro, tJ.razrikanrje sru.ajna.

U navedenom primeru izradunatom z:r muSk:rrcei Zene, dobili smo z,p.' stnemo da zakliuiirno da povredrrost -1.,99.Ona je izv:rn datih granica, p21 jadini korelacije izmedu optimizmir i negastoji statistidki znaiaina razlika u tivnih ose6anjaza muikarce i Zene.Optimizam obja5njava znaiaino veii deo varijanse u negativnim osedanjima i.ena nego muSkaraca; ta razlika nije s l u i aj n a .

korelacija Delimidna

DodatneveZbe
Zdravstvo o Pojedinosti datotecivideti u dodatku. sleep3ED.sav. Datotekas podacima: and na jadinukorelacije izmedu rezukata skalamaSleepiness 1. Proverite (ess). (rorSAS) Epworth Sleepiness i Sensations Associated komandi u Syntax Editoru ocenitekorelaciju izmedu skale 2. Pomoiu and Asso(ess) svakesravkesa skalesleepiness i Epworth Sleepiness energy). (fatigue,lethargy,tired, sleepy, ciated Sensations

Delimidna korelacija je sliina Pirsonovoj linearnoj korelaciji (opisanoj u poglavlju 11), osim 5to se moZe sprediti uticaj jedne dodatne promenljive. To je obidno promenljiva na koju se sumnja da utiie na dve promenljive od interesa. Kada se sratistidki Lrkloni uticaj te remetiladke promenljive, dobija se jasnija i tainija slika veze izmedu dve ispitivane promenljive. Uticaj remetilaike promenljive bio je razmotren u uvodu r-rdetvrti deo knjige (videti odeljak o odnosu korelacije i kauzalnosti). Remeienjem se smatra uticaj, makar i mali, tre6e promenljive (C) na ispitivanu vezu izmedu dve promenljive (A i B). Ako se taj uticaj (kontaminacija) ne uraduna, dobiie se nerealno velika vrednost koeficijenta koreltrcije dve promenljive. Thj odnos se ovako moZe predstarvitigrafidki:

^ ---t
B U ovom sluiaju izgleda kao da su A i B povezani, ali je nlihova prividna veza u velikoj meri posledica uticaja C. Kada statistidki uradunate (uklonite) uticaj promenljive C, obidno se smanji korelacija izmedu A i B, pa se dobija i manji koeficijent te korelacije.

primera Obia5njenie
K a o i l u s t r a c i j ud e l i m i d n ek o r e l a c i j eu p o t r e b i i u p r i m e r i z p o g l a v l j a 1 1 , a l i d u analizu proiiriti tako da obuhvati uticaj joi jedne promenljive. IstraZiiu vezu izmedu rezultata na skali subjektivno doZivljene samokontrole unutraSnjih stanja (engl. Perceiued Control of Internal Statesscale,PCOISS) i rezultata na skali subjektivno doZivljenog stresa (engl. Perceiued Stress scale), ne gul:eCiiz vida moguinost da ispitanici ponekad svesno daiu netadne,ali dru5tveno poZeljne odgovore (engl. socially desirable responding bias). Time

uraaunavamuticaj ljudske sklonosti da prilikom popunjavanjaupitnika naiin (da sepretvaraiuda na predstave pozitivanili druitveno poZeljan sebe su dobri). Ta tendencijase meri Marlou-Kraunovom skalom druitvene (Crowne & Marlowe,7960). Skraienaverzljate skale(Strahan poZeljnosti druu & Gerbasi,7972)blla je sravljena upitnik pomoiu koieg su izmerene Njeno ime u datotecis podacimaje tmarlow. ge dve promenljive. uputstva,pokreniteSPSS oti da Ukoliko Zelite pratite primer i navedena \ileb lokacijeknjige. s vorite datotekusurvey3ED.say pratede

5. Pritisnite dugmePaste da bistekomandu Continuei zatimOK (odnosno snimili SyntaxEditor). u Opisani postupak generi6e sledecu komandu: PARTIAL CORR /VARIABLES:usdsus usudstres tmarlow By /Slc NIFICANCE:TWOTAI L /STATISTICS:CORR /MISSING:ANALYSIS. postupka su u tabeli: Rezultati dati Correlations
Kontrolapromenljivih

Kratakpregleddelimidnekorelaciie
pitania:Nakon uraiunavanjasklonostisubjekata se da Primeristraiivadkog da predstaveu pozitivnom svetlu ua skalama samoocenjivanja, li i dalie postoji znadajnaveza izmedu subjektivno doiivliene samokotrtroleunui stresa? trainjih stanja(SDSUS) nivoa subjektivnodoZivljenog Stu ua- treba: Tri neprekidnepromenljive: e dvepromenljive (npr.ukupnaSDSUS, diju vezuistraZujete ukupansubjektivno doZivljenstres); i r jedna promenljiva diji utical treba ukloniti (npr. ukupna druStvena poZeljnost: tmarlow). Stasepostiie:DelimidnakorelacijasluLizaistraZivanje izmedudveproveze menljive,pri demusestatistidki (uklanla)uticaj tre6epromenljive kontroliSe koja bi mogla da kontaminiravezuizmeduispitivane dve promenljiveili da utidena nju. Pretpostavke: Pretpostavke kojima sezasnivaradunanje na korelacijenavedenesu u uvodu u detvrti deo knjige. Pre nego 5to podnetesledeii postupak)otvorite rneni Edit i izaberiteu njemu stavku Options; treba da je potvrdeno polje No scientificnotation for small numbersin tables.

ukupno SDSUS

ukupan ukupna subjektivno druStvena doiivljen poieljnost stres

none-a

ukupna SDSUS

Correlation Significance (2-tailed) df Correlation Significance (2-tailed) df Correlation Significance (2-tailed) df Correlation Significance (2-tailed) df Correlation Significance (2-tailed) df

1,000 0 -,581 ,000 424 ,295 ,000 425 1,000 0 -55' ,000 423

-,581 ,000 424 1,000


n

,295 000 425 -,228 ,000 426 1,000 0

ukupan subjektivno do2ivljen


SITES

uKupna druStvena poieljnost

-,,n
,000 426 -,552 ,000 423 1,000 0

ukupna ukupna druStvena SDSUS poZeljnost


uKupan subjektivno do2ivljen stres

Postupakza delimidnukorelaciju
1' otvorite meniAnalyze,izaberite njemustavkucorrelate, pa pritisnite u Partial. 2' Pritisnite neprekidne dve promenljive korelacrlu 6iju hoceteda izradunate (npr.ukupna SDSUS,ukupan subjektivno doZivljen Kadapritisnete stres). strelicu, prebacicete u poljeVariables. ih 3. Pritisnite promenljivu uticajzeliteda uklonite (npr.tmarlow, diji koja meri druStvenu poieljnost). je Prebacite u poljeControlling for. 4. Pritisnite dugmeOptions. ' U odeljku MissingValuespotvrdite poljeExcludecasespairwise. ' U odeljkuStatistics potvrdite poljeZero order correlations.

' Cells contain zero-order(Pearson) correlations.

rezultatadelimidnekorelaciie Tumadenje
tabelarezultataima dva dela: SPSS-ova linearneko1. U gornjoj polovini tabeleje uobiiajenamatrica Pirsonove samo(npr.subjektivno doZivljene od relacijedve prornenljive interesa stresa)kada niie uklonien uticai konfole i subjektivnodoiivlienog korelacijaiznosi -0'581- Rei lone u treie promelljive. U tom sludaju, levoi Loloni kazuieda u rom delu tabelenije bilo promenljivediii bi se uticai kontrolisao,tj. uklonio. 2. u donjoj polovini tabeleponovljenesu iste analizekorelacije,ali uz promenljive(npr.druitvenepoZelinosti). uklanjanjeuticajaremetiladke -0,552. Uvek bi trebalo u tom sludaju,nova delimidnakorelaciiaizr-rosi da uporedite ta dva skupa koeficijenatakorelacije i utvrdite da li ie po izmedu uklanianieuticaja dodatnepromenljiveimalo posledice vezr.r se U promenljive. ovom primeru,iaiina korelaciie malo ispitivane dve smanjila(od -0,581 na -0,552).Time ie dokazanoda zapaienavezaizmedu sublektivnodozivljenesamokontrolei subjektivnodozivlienog stresanije samoposledicadavaniadrudtvenopoZelinihodgovora.

Vi5estruka regresija

rezultatadelimidnekorelaciie Predstavlianie
Rezultati ove analize mogli bi se predstaviti ovako: veze izmedu subjektivno doZivljenesamokontrole unutra5njih Za istraZivanje (merene na skali SDSUS) isubjektivno doZivljenogstresa (merenog na stanja je pri skali USUDSTRES) upotrebljena delimi6nakorelacija, demu je uklonjen skali dru5tveno poZeljnihodgovora. Preliuticaj rezultatana Marlou-Kraunovoj je i linearnosti honormalnosti, minarnimanalizama dokazanoda pretpostavke uticajadru5tvenopoZeljnih Nakon uklanjanja nisu naru6ene. mogenostivarijanse odgovora, utvrdenaje jaka negativna delimidna korelacijaizmedu subjektivno stresa, r: stanja i subjektivnodoZivljenog samokontroleunutra5njih doZivljene -0,55, n :425, p ( ,0005, pri demu visokenivoesubjektivno doiivljenesamokontrole prate niski nivoi subjektivnodoZivljenogslresa. Poredenjesa izradunauticajadru5tveno tom korelacijomnultog reda (r: -0,58) pokazujeda uklanjanje poieljnih odgovora vrlo malo utide na ja6inu veze izmedu te dve promenljive.

DodatnaveZba
Zdravstvo Datoteka s podacima: sleep3ED.sav. Pojedinosti o datoteci videti u dodatku. l.Izraiunati jadinu korelacije izmedu rezsltata na skali Sleepinessand Associated Sensations (rorSAS) i uticaja problema sa spavanjem na opdte raspoloZenje(impact6),uz uklanjanie remetilatkog uticaia st,rosrr. Uporedlte (Pirsonovu) korelaciju nultog reda i koeficiient delimidne korelaciie. Da li uklanjanie uticaja starctstiima znatnije posledice?

u ovom poglavlju ukratko (u izloLiti kako se pomoiu spSS-a \Tindows za rade analize vi5estrukeregresije.Poito ie izlaganiebiti ueoma pojednostavljeno,trebalobi da viSe proditateo viSestrukoj regresiji nego5to je upopre trebiteu istraZivanju. Dobar izvor informacijaje poglavlje5 u knjizi uutorki Tabachnick Fidell (2007),kojeobuhvarareoriju,razliiite vrsteanalizaviiei strukeregresije pretpostavke kojima ona poiiva. i na vi5estruka regresija samojednatehnikave6porodicatehnikapomoiu nije kojih semoze istraZitivezajedneneprekidnezavisnepromenljivei viie nezavisnih promenljivih ili predikrora (obidno neprekidnih).vibestrukaregresija sezasniva korelaciji(obradenoj poglavlju11), ali omogr.riuje na u sofisticiranije istrazivanjemedusobnih veza skupa promenljivih. zato je idealna za istraZivanje sloZenijih pitanja iz srvarnogLivota,pre nego onih laboratorijskih. Medutim, nemojtese nadati da 6e se odgovori nekim dudom pojaviri iim u viSestruku regresiju ubacitepromenljive. ovu analizutrebalobi da za imate dvrstteorijskiili konceptualni razlog,posebnoza redosled promenljivih koje ulazeu jednadinu. upotrebljavalte Ne viSesrruku regresiju tako. tek ViSestrukaregresijamoZe odgovoriti na razna istraiivaika pitanja. Ona kazuiekoliko dobro odredeniskup promenliivihpredvidakonkreranishod. Na primer,recimoda istraZujete koliko sedobro pomoiu skupapodskala na testu inteligencije rnoie predvideti efikasnostobavljanj:rodredenogzadatka. ViSestruka regresija dati ocenumodelakao celine(svihpodskala) relatiie i van doprinossvihpromenljivih(podskala pojedinaino)od kojih semodelsastoji.Uz to, viSestrukom regresijom moiere ispitatida li dodavanje odredene promenljive(npr.motivacije) doprinosiprediktivnojsposobnosti modela,tj. da li poboljSava modelkoji vei sadrLi drugepromenljive. regresija viSestruka semoZeupotrebitii za statistidko uklanjanjeuticajajedneili viSepromenljivih na prediktivnusposobnost modela.Medu glavnim vrstamaistrazivadkih regresija moZeodgovoritijesui ova: pitanjana koja vi5estruka . koliko dobro skup prontenliiuihmoZeda predvidi odredeniishod; je . koja promenliiuau skupr.r najbolji prediktor odredenog ishoda;i . da li odredenaprediktorskapromenljivai dalle dobro predvidaodredeni ishod nakon uklanjanjauticaiadrugepromenljivelnpr.sklonosti davaniudruitveno poZelinihodgovora).

regresiie Glavnevrste viSestruke


U zavisnosti od prirode pitanja na koje trai.ite odgovor, moZete upotrebiti viSevrsta viSestrukih regresija.Tri glavne vrste viSestrukih regresija su: o standardna ili istovremena (simultana); . hijerarhijska ili sekvencijalna;i . postepena (engl. stepwise). U statistidkoyliteraturi autori testo razliditim terminima nazivaju te glavne vrste vi5estrukeregresije,5to jako zbunjuje iak i iskusne istraZivade,a o podetnicima da i ne govorimo!

da l.gattg ih primenite,preporudujem proditate5taje o njima napisano(videti rabachnick & Fid;ll, 2007, str.138).Neophodnoje ia shvatiteo demu seradi, kako izabratiodgovarajuieprornenljive kako tumaiiti rezultare. i

Pretpostavke kojima se zasniva na viSestruka regresija


ViSestruka regresijaspada u pipavije statistiike tehnike.Zasnovanaje na viSepretpostavki podacimai ne praita ako su naruiene.Ne mozese o upo_ trebljavatina malim uzorcima, niti kada je raspodera rezukataveoma asime_ tridna! sledeii saZetak.glavnih pretpostavkipreuzetje 5. poglavlja knjige koju su napisale Tabachnick Fidell (2007).Ne bi biio tos. ao proiitare i to poglavljepre nego 5ro nasravire analizu.tebalo bi da proditarei uvod u detvrti deo ove knjige, koji obraduje osnovekorelacije,i pogledare spisak preporudenih referenci na kraju knjige. spSS proced.r" )n ispirivanje tih pretpostavki podrobnijes.. razmotrene primerimau nastavku. u

StandardnaviSestrukaregresija
U standardnojviSestrukojregresiji,sve nezavisne(ili prediktorske)promenljive se istovremenounose u jednaiinu. Ocenjujese prediktivna mod promenljive, meri sekoliko bi ona poboljiala model koji svakenezavisne tj. se sastojiod drugih nezavisnih promenljivih.Ova vrsta viSestruke regresije senajdeiiekoristi. Nju bisteupotrebilida imateskup promenljivih(npr.raznih skalaza merenjesvojstava liinosti) i da istraZujete koliki deo variianse zavisnepromenljive(npr. anksioznosti) one mogu da objasnekao grupa ili blok. Saznali bistei koliki deo jedinstvene varijanse zavisne promenljiveobjainjava svakaod nezavisnih promenljivihpojedinaino.

Velidina uzorka
ovde seradi o sposobnosti uopitavanja,tj. rezultatdobijenna malom uzorku-nemozeseuopititi (ponovodobiti)na drugim uzorcima.Koliko vredi rezultat koji vaLi za samojedan uzorak?stogatreba znati koliko sludajeva ili je subjekata potrebnoda bi statistidki pokazateljiizradunati uzorakvaZili za za celupopulacijuiz koje je uzorak uzet.Razniautori daiu razliiite smernice btgi sludajeva(opservaciia) potrebnih za viiestruku regresiju.Srevens 7? (1996, str.72)preporuduje je'za istraZivanja druitveniri naukamapotda u rebno oko 15 subjekata prediktoruza pouzdanuiednadinu,. po Thbachnick i Fidell (2007,str. 123) daju formr.rlu iz'.raiunavanie za velidine uzorka.koia uzimau obzir broj nezavisnih promenllivih:N > 50 + gm (gcle m = broi n.'je zavisnih promenljivih). per nezavisnih za promenljivihbilJ bi potrebnoana90 sludajeva. Kada je zavisnapromenljivaasimetridna, potrebno je lnirati joi viSesludajeva. postepenu za regresijupotrebno je po 40 anariziranih sludajeva svakunezavisnu za pro-"rrljiul.r.

Hiierarhiiska viSestrukaregresija
u hijerarhijskoj(ili sekvencijalnoj) regresiji, nezavisne promenljivese unose u jednadinu redosledom koji na osnovuteorijskihrazloga zadaie istraZiv:ri. Promenljive skupovi promenljivih unosese u koracima (ili blokovima), ili pri demuseocenjuje doprinossvakenezavisne promenljive predikcijizavisne promenljive, tako da se ukloni uticaj svih prethodnihpromenliivih.priali mera radi, nakon 5to uklonite uricaj starosti,istrazujete koliko dobro optimizam predvida zadovoljstvo Zivotom; srarosr biste uneli u bloku 1, a optimizarnu bloku 2.Kada su unere promenljive, sve ocenjuje sposobnost se celogmodelada predvidizavisnoobelezje relativandoprinossvakogbloka i promenljivih.

Multikolinearnostsingularnost i
L'lpostepenoj regresiji, istraZivaidaje spss-u lisru nezavisnih promenljivihi puStaprogram da, na osnovu skupa statistidkrh kriterijuma, izaberepromenljivekoje ie uneri u jednadinu redosled kojem ie ih unositi.postoje i po tri verzijeovog pristupa: izbor unapred (engl.forward selection;, brisanje unazad (engl.backward deletion)i postepena regresija(engl.stepwiseregression).Ima nekoliko problemasa ovim tehnikama,te i sporenja liter:au turi o tome sta je ispravnaupotreba(a sta zlouporreba) svakeod nlih. pre

PostepenaviSestrukaregresija

ovde se radi o odnosima izmedu nezavisnih promenljivih. Multikolinearnost postoji kada su nezavisne promenljive fako korelirane (r=0,9 i viie). Singularnost nastaje kada je jedna ,,nezavisna"promenljiva .npruuokombinaciia drugih nezavisnih promenljivih, tj. kada uopite nije nezavisna! To bi se desilo npr. kada bi model sadrzao i vrednosti .ta pojskalama i ukupnu vrednost na skali. ViSestrukaregresija ne voli ni multikolinearnost ni singularnost, a ta svojstva sigurno ne poboljsavaju regresioni model. oa .,vek oioverite da li promenlf ive imaju takva svojstva pre nego sto podn.te analiiu.

je Viiesiruka regresiia veoma osetliivana netipi-netadke (veomavelike ili i veoma male vrednostirezultata).Pronalal'enie obrada netipiinih taiaka (videtipoglavlje podataka diSienja procesa trebalo bi da budu deo podetnog koje iete upoi i 6). To treba uraditi za svepromenljive, zavisne nezavisne' oj u regresion analtzi. Netipidne tadke treba ukloniti iz skupa trebljavati podatakaili im dodeliti vrednostkoia jestevelika,ali sene razlikujepreviSe proceduima i posebne Programza viiestrukuregresiiu Ld ostalih rezukata. taiaka. Netipiine taike zavisnepromenljive re za otkrivanje netipidnih dijagrarru reziduala'koji SPSS mogu se prepoznatina standardizovanom Tabachnicki Fidell je opisanou primeru u nastavku.). ,r-. du nu.ti". (To retadkekao one dije su standardizovane netipidne (2007,str. 128) definiSu -3,3). zidualnevrednostiiznad pribliLno 3,3 (odnosnomanjeod

tadke Netipidne

upravljajudogadajimau svom Zivoru;i skalaPerceived control of Internal Srates scale(PCoISS), do koja meri stepen kojegljudi smatrajuda r-rpravliaju svojim unutrainjim stanjima(oseianja, misli i fiziike reakciie). U ovom primeru istraZujem koliko dobro skaleMasteryi pcoISS predvidaiu rezuhatena skali subjektivnodoZivljenogstresa. sledi opis promenlfivih upotrebljenih primerimaiz ovogpoglavlja. u Bilo bi dobro da proradite tepri_ merena radunaruuz koriSienjenavedene datotekes podacima. Udenievz-rad je uvek bolje od pukog diranjaknjige. slobodnose poigrajtes darorekom s podircima- promenljiveupotrebljeneu primerima zamenitedrugim promenljivama.Pogledajte koje 6eterezultare dobiti i pokuiajte da ih protumac.ire. Ime datoteke:survey3ED.sav Promenljive: ' Total Perceived Stress(tpstress): ukupna vrednostna skali perceived Stress(subjektivnodoZivljenstres).Velike vrednosripokazuiu visok nivo stresa. ' Total Perceived control of Internal states(tpcoiss): ukupna vrednost na skali Perceived control of InternalStates (subjektivno doZivljena samokontrola unutrainjih stanja). velike vrednostipokazujuveiu samokontrolu unutrainjih stanja. r Total Mastery (tmast):ukupna vrednostna skali Mastery (ovladavanje). velike vrednostipokazujuveii stependo kojeg ljr-rdi smatraiuda upravljajudogadajimai okolnostimau svom Zivotu. ' Total SocialDesirability(tmarlow):ukupna vrednosrna Marlou-Kraunovoj skali social Desirability(druitvenapozeljnost), koja meri stepen do kojeg ljudi pokudavaju sepredstave pozirivnomsvetlu. da u o Age: starostu godinama. Najbolje se udi rade6i,narodirokada trebzr uveZbati ovako sloZene tehnike. Praksom 6eteizgraditisamopouzd anjeza budu6nost, kada iere samianalizirati sopstvenepodatke. Naredni primeri obradulu samo stanclardnn viSestruku regresiju(Standard Multiple Regression) hijerarhijskuregresiju i (HierarchicalRegression). Zbog kritika upuienih tehnikamapostepene videstruke regresije(stepwiseMultiple Regression), ovde neie biti ilustrovaone ne. Ukoliko insistiratena upotrebi tih tehnika (uprkos upozorenjima!), predlaZem proiitate odgovarajuiideo knjige da rhbaihnick i Fidell ".rtoiki (2007)ili nekih drugih naprednijihknjiga o mulrivarijacionoj analizi.

rezultatai prirodu priSvi ovi pojrnovi seodnosena razneaspekteraspodele padnevezeizmedu promenljivih. Te pretpostavkesemogu proveriti na diiageneriSe sklopu procedureviSestruke u koji SPSS gramu rasturanja reziduala, izmedudobijenei predvidenevrednostizavisne Rezidualisu razlike regresije. promenljive (ZP). Na dijagramu rasturantarezidualamoZeseproveriti: . nornxalnosf: oko predviderezidualitrebada su normalnoraspodeljeni nih vrednosti ZP; t linearnost: rezidualitreba da imaju linearnu vezu s predvidenirnvrednostimaZP, tj. njihov dijagramtreba da je pribliZnoprava liniia; c homogenost uarijanse: varijansarezidualaoko predvidenihvrednosti vrednosti. ZP trebada je pribliino jednakaza svepredvidene protumadenisu u naRezidualina dijagramimarasturanjakoje crta SPSS podrobnijuraspravu prilidnosloZene u stavkupoglavlja; temeproditajte 5. ove poglavlju knjigekoju sunapisale Tabachnick Fidell(2007).Na kraju te knjige i data je i preporuienaliteraturaza dalleovladavanje regresijom. viSestrukom

homogenostvariianse, linearnost, Normalnost, nezavisnostreziduala

primera ObiaSnienie
Kao ilustraciluupotrebeviSestruke regresije koristi6uniz primera vzetrhiz datotekes podacima survey3ED.sav, pratede'Web sa lokaciji knjige(videtisrr'. ix). Ta je anketabila projektovana tstraLivanje faktora koji utiiu na psiza hololko prilagodenle opite raspoloZenje i ispitanika.(Svepojedinosti stute dile date su u dodatku.) U izloZenom primeru viiestrukeregresije istraZiiu uticaj subjektivno ispitanikanjihovim ZivodoZivljenog uprarvljanja stepena Literaturau toj oblastikatima, na njihov subjektivno stresa. nivo doZivljen zuieda stresrede trpe ljudi koji smatrajuda upravliaiusvoiim Zivotima.U (reference te skalevideti u za upitniku su datedve razlidite mereLrpravljanja do stepen koieg ljudi smatraiuda dodatku).To su skalaMastery,koja meri

Kratak pregled viSestrukeregresiie


Primer istraiivadkih pitania: 1. Koliko dobro dve date mere nivoa upravljanja zivorom (masrery, PCOISS) predvidaju subjektivno doZivljen stres?Koliki se deo varijanse u vrednostima subjektivno doZivljenog stresa moZe obiasniti rezultarima na te dve skale?

vgv

rv

subjektivnodozivlienstres:upravljanie 2.Koje svoistvobolie predvidasta(skalaMastery) ili upravljanieunutraSnlim ;;;ljil'dogadajima njima (PCOISS)? 3 . A k o u k l o n i m o m o g u 6 i u t i c a j s t a r o s t i i d : r v a n j a d r u 5 t v e n o zna- e l j n i h poZ uvek da predvidi odgouor", moZeii Lvai skup promenliivih ioi stresa? subiektivnodoZivlienog trlln d.o-uariianse Sta rru- treba: promenliiva(ukupan subjektivnodoZivljen o jedna neprekidna zavisna i stres): PCOISS)' o dve ili viie neprekidnihnezavisnihpromenljivih (mastery, promenliive'npr' muikar(Mogu se upotrebiti i dihotomnenezavisne ci=1.,Lene=2.) prozavisne kazujekoliki je deo variianse regresiia Stasepostiie:ViSestruka promenliivih.Dale i pokazateli menljive objainjen varijanim nezavisnih promenljive.Testovi omoguiuju utvr,"lutiurrog doprinosa svakenezavisne tako i nezavidivanfe ,I"tlriitk. znadajnosti,ezu6.aia kako celog modela snih promenliivihPojedinaino. pretpostavke:osnovne pretpostavkena kojima poiiva viiestruka regresija pretpostavki opiru.t" su u prethodnom Jelu ouog poglavlja' Neke od tih. (one ie biti ilustro-ogo ," proveriti u sklopu analiza.'i5.rt.,rk"regresije. vaneu narednimPrimerima.)

Pre nego 5to zapoinete sledeii postupak, otvorite meni Edit i izaberite u njemu stavkLrOptions; treba da je potvrdeno polje No scientific notation for small numbers in tables.

Postupakza standardnuvi5estrukuregresiju
Regression, pritisnite pa izaberite stavku meniAnalyze, Linear. 1. Otvorite (npr. total perceivedstress: zavisnupromenljivu neprekidnu 2. Pritisnite je i tpstress) prebacite u poljeDependent. (totalmastery: promenljive nezavisne tmast;total PCOISS:tp3. Pritisnite ih i corss) prebacite u poljeIndependent. opcijaEnter.(Time birastandardse 4. U odeljkuMethod trebada leizabrana regresija.) visestruka na dugmeStatistics. 5. Pritisnite . Potvrdite polja Estimates,Confidence Intervals,Model fit, Descriptii diagnostics. ves, Partand partialcorrelations Collinearity . U odeljkuResidualspotvrdite poljaCasewisediagnosticsi Outliers Pritisnite dugmeContinue. outside 3 standarddeviations. dugmeOptions.U odeljku MissingValuespritisnite Excludeca6. Pritisnite Pritisnite ses pairwise. dugmeContinue. 7. Pritisnite dugmePlots. .ZRESIDi dugmesa strelicom bisteje prebacili poljeY. . Pritisnite da u .ZPREDi dugmesa strelicom bisteje prebacili poljeX. . Pritisniie da u . U odeljku poljeNormalprobaStandardized ResidualPlots,potvrdite bilityplot. Pritisnite dugmeContinue. 8. Pritisnite dugmeSave. . U odeljku poljaMahalanobis Distances, potvrdite iCook's. . Pritisnite snimili ContinueizatimOK (ilidugmePasteda bistekomandu u Syntax Editor).
Prethodnipostupakgeneriseovu komandu:

viSestrukaregresiia Standardna
U ovom primeru odgovoriiemo na dva pitanja: (mastery, Pitanje /: Koliko dobro dve date mere nivoa upravljanja zivotom u stres? Kolikise deo varijanse redozivljen PCOISS) predvidajusubjektivno vrednostima stresa moze objasniti zultatimamerenjasubjektivnodoZivljenog rezultata na te dve skale? Pitanje 2:Koje svojstvo bolje predvida subjektivno doZivljenstres: upravljanje spoljnim dogadajima (skala Mastery) ili upravljanje unutra6njim stanjima (PCOTSS)? za istraLivanje ovih pitanja upotrebiiu srandardnu viSestruku regresrlu. To znadi da se sve .r.ru,rim" prominljive isrovremeno unose u iednaiinu. Rezultati 6e pokazati sposobnost ovog skupzr promenljivih da predvidi nivoe srresa; i kazaie narn takode koliki deo jedinstvene variianse zavisle promenljive objainjava svaka od nezavisnih promenljivih (mastery' PCOISS) pojejinadno , pornd dctprinosasuih ox.allh nezavisnih promenljivih iz skupa' 2a svaki pori tprk date su i odgovarajufe SPSSkomande. ViSe informacija o .rpo,r"bi Sy.t?at Editora za pamienie i snimanje SPSSkomandi videti u poglavlju 3.

REGRESSION /DESCRIPTIVES MEANSTDDEV CORRSIG N /MISSINGPAIRWISE /STATISTICS COEFFOUTSR ANOVACOLLINTOLZPP /CRITERIA:PIN(,05) POUT(,0) 1 /NOORIGIN /DEPENDENT tpstress tpcoiss tmast /METHOD:ENTER ESI /SCATTE RP1-61:("ZR D IZPRED) D) NORM(ZRESI /RESI DUALS ERS(3) D) OUTLI /CASEWISEPLOT(ZRESI COOK. /SAVEMAHAL

oPisanogPostuPka' Evo rezultata


Corelaltons
Total percelved

Residuals Statisticsa M'r Predrcteovalue Std. Predicted Value Standard Error of Predicted Value Adjusted Predicled Value Rssidual Std. Residual Stud. Residual Deleted Residual Stud. Deleted Residual Mahal. Distance Cook's Distance Centered Leveraqe Value Maximum Mean Std. Deviation
4 . U Ul
N

'18,03 -2,174 ,207

41,31 3,644 ,800 41,39 12.612 2,951 2.969 12.765 2.997 13.897 .094
n??

,002 ,341 26.75 -,002 .000 ,000 -,001 -,001 1,993 ,003 on5

1.000 ,111 4.009 4.268 .999 1.003 4.306 1.006 2,234 ,008 ,005

429 429 425 476 476 476 426 426 426 429 426 429

stress
;tson lorrelation Total Perceived stress Total MasterY Total PCOISS Sig (1-tuil"Ot TotalPerceived slress Total Mastery Total PCOISS Total perceived stress Total MasterY PCOISS TOTAI

Total Mastery
- 412

Total PCOISS
6q1

1, 0 0 0 -,581

1, 0 0 0 .521 ,000

,521 1.000

,000 ,000

18,04 -14.849 -3,475 -3.514 -'15,190 -3,562 .004 .000 _000

,000 ,000 433

,000
433 436 426 429

a. Dependent Variable Tolal gercervedslress

426

429

Shndardized Residual Normal P-PPlotofFlegression Model Summaryb Std. Errorof the Estimate
427

DependentVariable: Totalperceived stress

Model
1

R Square ,684' ,468

Adiusted R Square .466

a' Predictors: (constant),Total PColSS, Total Mastery o DependentVariable: Total perceivedstress


ANOVAb vlodel 1 Sum of Squares Hegresston Residual Total
a b bUUb t z 6 df

o E
o

2 423 425

Mean Square 3403,364 18,264

F '186,341

Sio

,000'

7725,756 14532,484

0,00Jt 0,00

,25

,50

(Constant),Total PCOISS, Total Mastery Predictors: DeDendentVariable:Total perceivedstress

Observed Cum Prob Scatterp lot

Coefficienb' Standardized 95% Conndence Colhear(y

Dependent Va riable: Total perceived stress


3 2 o ? o"'

srd
a
50,971

Ze@

1,2i 3 ,06r
-.424

tmast lolal

,625

.10,222

,000

-,745

,505

,.612

-.445 ..36:

1.372
!

0
-,175

,020
lolal Frcerved

,.360

,8.660

,000

'.215

. 136

-.581

..36E

-,307

1_372

".'k"* " J.""'trrffi

-a

8-

PCOTSS
a Drendenlvaffable ipsfess stss

2 3

Casewise Diagnosticsa
32le

Number
tcz

Total perceived slress Std. Residual -3,473 14

PredictedValue 24,84

Residual 14,84

R egression

Standardized

Predicted

Value

a'

s : D e p e n d e n tV a r i a b l e T o t a lp e r c e i v e d t r e s s

rezultatastandardne Tumadenie regresiie viSestruke


gomilu prilidno negeneriSe procedura,i regresiia Kao i veiina ostalihSPSS vodim vasna razumljivihbrojeva.Da biste shvatilinjihov smisaoi znadenje, ruru kroz deo rezultatadobiienih kao odgovor na Pitanie1.

presednetadke 10. Ti nas rezultati ne iznenaduju, poSto je koeficijent Pirsonove korelacije te dve nezavisne promenljive samo 0,52 (videti rabelu Correlations). Kada u svojim rezultatima uodite prekoradenje navedenih graniinih vrednosti, trebalo bi da iz modela izbacite jednu od jako koreliranih nezavisnih promenljivih.

Korak 1: proveravaZeniapretpostavki Multikolinearnost


Proizmedupromenljivih u modelu datesu u tabeliCorrelations. Korelacije promenljivepokazujumakar i slabuvezu sa zavisnom veriteda li nezavisne promenljivom (bilo bi poZeljno da te korelacijebudu iznad 0,3). U ovom sludaju,obe skale(Total Mastery i Total PCOISS)znatnokoreliraiu s proStress(-0,61 odnosno-0,58).Takode proverite menljivom Total Perceived promenljivih.U istu da nije prevelikaneka od korelacijaizmedunezavisnih analizuverovatno ne bi trebalo da ukljuduietepromenljive iija linearna korelaciiaiznosi0,7 ili vi5e.Kada senadeteu toj situaciii,ili izostavite iednuod tih promenljivihili od vrednosti dve iako koreliranepromenliivenapravite jednuzajedniikupromenljivu.U ovom primeru korelacijaiznosi0'52, 5to ie manje od 0,7; zato (emo zadriati svepromenljive. regresije, SPSS obavlla i 'dijagnostikukoviSestruke Kao deo procedure s Ona destoukazuiena probleme multikolinearlinearnosti'promenljivih. noiiu koji se moZdane vide u matrici korelacija.Rezultatite dijagnostike dati su u tabeli Coefficients; to su vrednosti Tolerance i VIF. Tolerance promenliivenije obiainjen vapokazujekoliki deo varijansedate nezavisne rijansamadrugih nezavisnihpromenljivih u modelu i radunase po formuli je jako mala (manjaod 0,10), Kerda ta vrednost 1-R2za svakupromenljivu. dakle na multo ukazujena ogromnu korelaciju s drugim promenljivama, tikolinearnost. Ona druga vrednost, YIF (Varianceinflation factor, faktor (1 Tolerance podelieno pove6anja varijanse), reciprodnaje vrednostvelidine s Tolerance). Ovde bi bile problematidnevrednostiVIF iznad 10 zato 5to ukazuiu na multikolinearnost. Navela sam uobidajene presedne tadkeza utvrdivanjeprisustvamultiko(vrednost VIF iznad 10).Medulinearnosti ispod 0,10 ili vrednost Tolerance izmedu jo5 tim, pri tim vrednostima uvek su moguie veomavelikekorelaciie nezavisnih promenljivih(iznad 0,9), pa bi njih trebaloda shvatitesamokao upozorenje razlogda bolie pogledatematricu korelacija. ovom primeru. U i Tolerance svaku nezavisnupromenljivu iznosi0,729, 5to nije nranjeod za 0,10; dakle,pretpostavka nepostojanju nije multikolinearnosti narudena' o je Taj zakljuiak podrZava vrednostVIF koja iznosi 1.,372,Sto mnogo ispod i

homogenosf variianse, Netipiine taike, normalnost, linearnost, reziduala nezavisnost


Jedan od nadina da proverite nabrojane pretpostavke jeste pregled dijagrama Normal Probability Plot (P-P) of the RegressionStandardisedResidual i Scatterplot, dije crtanje smo zahtevali kao deo analize. Oni su dati na kraju SPSS-ovih rezultata. Na dijagramu Normal P-P Plot nadamo se da tadke leZe u pribliZno pravoj dijagonalnoj liniii od donleg levog do gornjeg desnog ugla dijagrama. Ona ukazuje na to da nema velikih odstupanja od normalnosti. Na dijagramu rasturanja standardizovanih reziduala Scatterplot (drugi po redu), nadamo se da su reziduali pribliZno pravougaono rasporedeni i da je ve6ina rezultata nagomilana u centru (oko tadke 0). Ne bi nam se svideo jasno sistematski ili geometrijski oblik raspodele reziduala (npr. da reziduali dine neku jasnu krivu liniju ili da su viSi na jednoj srrani nego na drugoj). Odstupanja od oblika centralnog pravougaonika kazuju da je naruiena neka od polaznih pretpostavki. Kada to utvrdite za svoje podatke, predIaiemda u knjizi koju su napisaleTabachnick i Fidell (2007,str. 125)iproditate ceo opis tumadenja dijagrama reziduala i kako se ocenjuju posledice naru5avanja polaznih pretpostavki po analizu. Na dijagramu rasturanja standardizovanih reziduala Scatterplot moZe se utvrditi i ima li netipidnih tadaka. Thbachnick i Fidell (2007) definiiu netipidne tadke kao sludajevekoji imaju srandardizovan rezidual (prikazan na dijagramu rasturanja) veii od 3,3 ili manji od -3,3. U velikim uzorcima desto se nade mnogo netipidnih rcziduala. Kada nadete tek nekoliko njih, verovarno ne treba da preduzimate niSta u vezi s tim. Netipidne tadke se mogu pronaii i pregledom Mahalanobisovih udaljenosti reziduala, koje izra(.unava program za vi5estruku regresiju. One nisu ispisane na ekranu radunara, vei su stavljene na kraj datoteke s podatcima kao dodatna promenljiva (Mah_1). Da biste prepoznali netipidne taike, najpre izraiunajte kritidnu vrednost hi-kvadrat, pri iemu je broj stepeni slobode jednak broju nezavisnih promenljivih. Porprlr,., tabelu tih vrednosti sadrzi svaki udZbenik iz statistike (videti rabachnick & Fidell, 2007, tabela C.4). Tabachnick i Fidellpredlai.uda se upotrebljava nivo alfa od 0,001. U skladu sa smernicama koje daju Tabachnict I pidell (2007),navodim nekoliko kritiinih vrednostiu tabeli 13.1.

Mahalanobisove zaizrabunavanje vrednosti udaljenosti Tabela13.1:Kritidne


Kritidna Broj nezav. promenljivih vrednost 2
e

Broj nezav. promenljivih


4

Kritidna vrednost 18,47 20,52

Broj nezav. promenljivih


b

Kritidna vrednost 22,46 24,32

13,82 16,27

tablesfor statisticians H.O. (Eds)(1958). Biometrika E.S. Pearson, i Hartley, u knjizi Press' (1.tom,2.izdanje). University Njujork: Cambridge Da bistemogli koristiti ovu tabelu,trebalo bi da: . utvrdite koliko ie nezavisnih promenljivihbiti ukljudenou viSestruku regresiiu; o pronadetetaj broj u jednoj od kolona tabelesa zaglavljemBroj nezav. promenljivih;i o u susednoj ieliji desnoproditateodgovarajuiukritidnu vrednost. promenljive,pa kritidna vrednost U ovom primeru imam dve nezavisne iznosi 13,82.Kako bisteutvrdili da li ijedanispitivanisludajima Mahal:rnobisovu udaljenostve6uod tog broja, pronadite tabelu Residuals Statistics, pogledajteu njoj ieliju na presekureda Mahal. Distancei kolone Maxije13,89, mum. U mojoj datotecis podacima,najve(a vrednostte udaljenosti 5to neznatnopremaSuje kritiinu vrednost.Treba da pronademosludajkoji sadrZitu vrednost. Da bismo je pronaili, vraiamo seu prozor Data Editor,gde otvaramomeni Data i u njemu biramo stavku Sort Cases.Sortiranjetreba obavitr po novoj promenljivoj smeltenoj na dno tabele (Mahalanobis Distance, MAH-1) u (Descending) opadajudem redosledu. prozoru Data View, sludajs najveion U vrednoS6u promenljiveMahal Distancebi6enakon sortiranjana vrhu datote(ID=66).Za ovakovelik uzorak nije neobidno sepojavi neke s podacima da koliko netipiinih tadaka,pa se ne6upreviSe uzbudivati zbog ovog sludajazir koji je Mahalanobisovaudaljenostrek neznatnopremaiila kritidnu vrednost. Kada u podacima pronadete sludajeve Mahalanobisovim udaljenostima sa mnogo veiim od kritidne vrednosti,treb:rlobi da ih uklonite iz analiza. Joi nekeinformacijeo netipidnimtaikama navedene u tabelicasewise su Diagnostics SPSS-ovih rezulrata. su sludajevi standardizovanim To vredsa nostimareziduala iznad3,0 odnosnoispod -3,0.U normalnoraspodeljenom uzorku, samo 1 procenatrezultatapada izvan tog opsega. ovom uzorku U smo naili jedan sluiaj (broj 165) sa standardizovanim rezidualom-3,48. U tabeli Casewise Diagnostics vidimo da je ta osobanavela 14 kao vrednost svog ukupnog subjektivnodoZivljenog stresa,dok je na5 model predvideo vrednost28,85. Jasnoie da nai model nife dobro predvideorezukatza tn osobu;ona oseia mnogo manji stresnego5to smo predvideli.

euzeto I adapttrano lz tabele u kniiziTabackniki Fidell 1 996), prvobitnoobjavljene

Kako bismo se uverili da ovaj iudan sludajne utide previie na rezultate modela,pogledaiemovrednost udaljenosticook's Distancedat pri c.elog dnu tabeleResiduals statistics. Tabachnicki Fidell (2007,str.75) trrrdeda problem mogu biti sludajevi koje ta udaljenost za premaiujevrednost1. U niriem primeru, najveia (Maximum) vrednostudaljenosticook's Distance iznosi0,094, pa ne odekujemo n_ikakve probleme.Kada u svojim podacima dobijete najveiu vrednosrte udaljenostipreko 1, vrarire se-u dltoteku s podacima sortirajtesluiajeve novoj promenljivoikoju je spsSnapravi<r i po na kraju datoteke (Cook's Distancecoo_1). proverite sve sluc.ajeve dija udaljenostpremaluje 1 i ako rreba, uklonite ih iz analiza.

Korak2: vrednovanie modela


u SPSS-ovim rezultarima pronaditetabeluModel summary i u njoj broj ispod zaglavljaR Square.Kao 5to se seiate,12je koeficijenrdererminacije koyi kazujekoliki deo varijanse zavisne promenljive (subjektivno doZivljenog stresa) objaSnjava model (koji-obuhvara promenljive Total Mastery i rotal PCOISS). ovom sludaju, je jednako 0,468.rzrai.eno procenrima U 12 (oou mnoienosa 100pomeranjem decimalne tadke dva mesra za ridesno). znac=i to da nai model (koji obuhvaraMastery i pcoISS) objainjava45,g procenata varijanse subjektivno dozivljenog srresa. je sasvimpristojanreiultat (naTo rodito kada se uporedis nekim rezultatima objavljenimu dasopisima!). Moi.da ste primetili da se u sPSS-ovim rezultatima navodi i velidinaAdjustedR square,tj. korigovanor2.Probemje to ito je 12previie optimistidka procenastvarnevrednostikoeficijenta deferminacije populacijikada seizu radunana malom uzorku (Thbachnick Fidell, 2007).pokazatelj & Adjusted R square korigujetu vrednosti daje bolju procenusrvarne vrednostikoeficijenta determinacije populaciji.Kada imate mali uzorak, izraiunajtei nau vedite tu vrednost,a ne obiian r2 (R square).Da biste ocenili statistidku znadainost pokazatelja, tog pronaditetabeluANovA. J'u su rezultatitestova nulte hipoteze je 12u populacijijednako0. Model u ovom primeru doda stizestatistidku znadajnosr (sig. = ,000; to zapravoznaii da yep.o,ooos;.

sledeie5to zelimo da znamojestekoliko je koja piomenljiva u modelu doprinelapredikcijizavisne promenljive.Tajpodataki.-o na6i u tabelicoefficients.Pogledajte kolonu Bera u odeliiu Standardised coefficients.Da bistemogli da porediteraznepromenljive, gledajte standardizovane koeficijente,ne one nestandardizovane. Standardizovan znadida su vrednostiDromenljivih konvertovane na istu skalu kako bi se mogle porediti. zc, jednadine sastavljanje upotrebilibistenestandardizovane regresione koeficijenteu koloni B.

Korak 3: vrednovanie svake nezavisnepromenliive

w
Postupakza hiierarhiiskuvi5estrukuregresiiu
pritisnite Analyze, zatimRegression, na meniju vrhuprozora 1. U,glavnom pa Linear. (npr.totalperceived promenljivu zavisnu stress) preneprekidnu 2. lzaberite i je bacite u poljeDependent. promenljive uticaj2elite uklonite poljeIndependent da u (npr. diji 3. Prebacite One u age,totalsocialdesirability). ce biti uneteu analizu prvomblokupro(Block of 1). 1 menljivih promenljive, se 4. Pritisnite dugmeNext.Prikazace drugopoljeza nezavisne u (trebalo da piSeBlock2 of 2). bi kojetrebaunetidrugiblokpromenljivih (npr. total mastery, promenljivih sledeci blok nezavisnih 5. lzaberite Total PCOTSS). podrazumevana opcija(Ented. 6. U poljuMethodtrebada je potvrdena Potvrditepolja Estimates, Model fit, R 7. Pritisnitedugme Statistics. Partand partialcorrelations Collinearii squaredchange,Descriptives, Pritisnite dugmeContinue. ty diagnostics. MissingValuespritisnite Excludeca8. Pritisnite dugmeOptions.U odeljku Pritisnite dugmeContinue. ses pairwise. 9. Pritisnite dugmeSave. Pritisnite opcije Mahalonobisi Cook's. Pritisnite snimili Syntax u Continuei zatimOK (ilidugmePaste da bistekomandu Editor). postupak generi5e Prethodni komandu: sledecu REGRESSION /DESCRIPTIVES MEANSTDDEV CORRSIG N /MISSINGPAIRWISE /STATISTICS COEFFOUTSR ANOVACOLLINTOL CHANGEZPP /CRITERIA:PI (,05)POUT(, 0) N 1 /NOORIGIN /DEPENDENT tpstress /METHOD:ENTER tmasttpcoiss tmarlow age /METHOD:ENTER /SCATTE PLOT:(.ZRESID,.Z PRED ) R /RESIDUALS NORM(ZRESI D) /SAVEMAHALCOOK.

Ovo je deo rezultataprethodneprocedure.


Model Summaryc

vlodel
1

R ,238' ,68a1

FI Square ,057 4 .47

AdjusledR Square ,052 .469

Std. Errorof the Estimate 5,69 4.26

ChanoeStatistics
R Square C h a ng e F Chanoe dtl df2 Sig. F C h a n oe

,057

12,711

2 2

423 421

,000 .000

, 4 1 7 16 6 , 8 7 3

a Prediclore: (Constant), AGE, Totalsocialdesirability b Predictors: (Constant), AGE, Totalsocialdesirability, TolalMaslery, TotalPCOISS c Dependent Totalperceived Variable; stress

Uodel 1

Regre$ion Residual Total Reg ression Residual Total

Sum of Squares 823,865 13708,620 14532,484 6885,760 7646,724 14532,484

OT

2 423 425

Mean Square 4 1 1, 9 3 2 32.408

sis
12,711 .000"

1 7 2 1, 4 4 0 421 425 18 , 16 3

94.776

,000'

o' Predictors: (Constant), AGE Totalsciat desirabitity D Predictors:(Constant), AGE Tolal social desjrabitily,Totat Mstery, Total pCOtSS c'Dependent Variable: Totalperceivedstress

Coefficienlsr Unslandardized Slandardized Coliinearny

c std.
Model (Lof,stanl) total social desirabrlity aqe (Constant) lotal social desirability a9e lotal mastery B ,983
Bela

Sio

Zeto" order

Toler
Padral

,000 -,209
4.271 1.438

.000

-,228 -.127

-,203 -.070

-,202 -.068
,,049 -,044 -,364 -.261

,928 1 , 0 8 ,928
,871 ,860 ,699 1,08

,031 51,922 -,149 -,021 -,641 ,.160

022 .366 ,108 ,017 ,062 ,022 "*"""

-.070
-,052 ..047 ..435 ..327

38,008

,000 .,224 ",127 ",612 ..58r

-1.373 , 1 7 1 - 1 , 2 3 9 ,216 -10,286 ,000 -7,373 ,000

",067 ,,060 -.448 ,,338

1,15 1.16 1.43 1,57

rorat Pcotss

a Dependent Vanabla, totut p",""iu",j

lbb

L)W

lV.

Ulqrrotrvr\v

,-

'--*

'a",vve

r!

'

I u.

vrocDLr u^d

tUgreslla

rezultatahiierarhiiske Tumadenie regresiie viSestruke

Predstavfjanje rezultataviiestruke regr;esaj/i


u zavisnosriod vrste sprovedenihanalizai prirode istraiivadkog p,itar, zukati viSestruke regresije mogu sepredstavitina vile naiina. u prir,,1 Publication Manual Ameridkog udruZenjapsihologa, date su srnerr, / predstavljanje rezultataviSestruke regresije odgovarajufiprimer (per i tion Manual,2001, str. 160, 163).u najmanjuruku, trebalo bi ,1, ,r". /, ', vrstu obavljene analize(standardna hijerarhijska), ili standardizov.ane'i je istrazivanje koeficijente ako bilo teorijsko, odnosno nesrandardiz,, (B) koeficijente njihove srandardne (i greike) ako je istraZivanje brlo y,, njeno. Zahljerarhijsku viSestruku regresiju,trebalo bi da navedt sti promener'(R square change) svakomkoraku i odgovaraju::#;' u verovatnoie Slediprimer nadinapredstavljan rezultata analizasprovede'ih u , ja poglavlfu. istraZivanjima mnogo promenljivih, U s ,.rurrnt. je prikl;', predstaviti tabelarno(videtiAmericanpsychological Association, 200' 163;ili rabachnick& Fidell,2007, str.177).Da seovi rezultatiprrdst,'/ ju u tezi,trebalobi u prilogu navesri neito (npr.rabelukorelaciia) joi - f verite to u razgovoru sa svojim supervizorom). Bilo bi dobro da primere predstavljan raznih statistidkih analiz , ja tralite u dasopisima relevantnimza konkretnu oblast.Zbog strogoogr:,', nog prostora, razni dasopisipostavljaju razliiite zahrevei odekrvanla autore.
Za ocenu mogucnostidva merilaupravljanja sopstvenim iivotom (.t"t, ow,'l

i prethodne,ali sadrZe dodatne podatRezukati ove analizelid. tt, rezultate navedenasu dva modela. Model 7 ozna(ava 1.. u p"ri" Model Summary (Total socialdesirabilityi age)'dok Model 2 frU Uf,"f.'""etihpromenljivih age, (Total socialdesirability, obuhvatasvepromenljiveuneteu oba bloka Total PCOISS)' Total mastery,

pogledajtekolike su vrednostiR square u prvoi tabeli Model summary.Naceo model koi unosenjapromenljivih u Bloku 1. (age,social desirability), unoienja proobjasnjava5,7 procenatavariianse(0,057 x 100)' Nakon menljivih ., gtoliu 2 (Total Mastery, Total PCOISS),model kao celina ob(0,474x 100).Treba uoditi da ta druga vrednost12 jaSnjava 47,4 procenata a ne samo one uneteu iR sq,tare)obuhvatasve promenljleiz oba bloka, drugom koraku. promenljiobiaSnjavaju da bismo utvrdili koliki deo te ukupnevarijanse (Mastery,POCISS)nakon 5to se ukloni uticaj prove koje nas zanimaju (tj. responding starostii davanjadruStveno menljivihagei sociallydesirable U change. R kolonu sazaglavljem Square pogleda6emo oJgovora), poZeilnih 2, vidimo da vrednost R prethodno datim rezultatima, u redu za Model doobiaSniavaju ,qrr"r" changeiznosi 0,42.To znati da Mastery i PCOISS iak stresa, doZivljenog subjektivno d)tna 42prJ."nru (0,42x 100) varijanse i kada se statistiiki ukloni uticai starostii davanjadruitveno poZelinihoddoprinos,5to pokazuieiznosSig.F change znadaian govora.To je statistidki (0,000).TabelaANOVA pokazujeda model kao celina(saoba ., to- redu bloka promenljivih)iesteznadajan (4, 421) = 94,78,p < 0,0005]' [F

modela Korak1: vrednovanie

Da bismo utvrdili koliko svakapromenliivadoprinosikonadnoijednaiini, pogledaiem redza Model 2 u tabeli Coefficients.Tu su zbirno prikazani reo U unetimu iednadinu. koloni Sig.vi,ultati dobijenisa svim promenljivama znadalandoprilos (jer je dimo da samo dve promenljivedaju statistiiki to samoza niih vrednoit u 6eliji manja od 0,05). Po redu vaZnosti, su: Ma-0,44)i Total PCOISS(beta = -0,33). Ni promenljivaage nttt stery (beta= da doprinos.Ne zaboravite koeficijenti ne socialdesirability daju jedinstven jedinstven doprinossvakepromenliive,nakon Stose stabeta predstavljaju U sa preklapanja svim dt,rgim promenljivama. drugim tistidkiuklone-uiicaji piomenljivih ili drugaiijinr je<lnadinam", drugadijimskupom nezavisnih ," uzorkom, te vrednostibi se promenile'

promenliive svake nezavisne Korak2: vrednovanie

vania:Mastery, skalasubjektivno doiivljene samokontrole unutrasnjih sta',, sDSUS) da predvide nivoe stresa(skara subjektivno doiivrjenog stresa), ,,f je trebljena hijerarhijska visestruka regresija nakon je uklonjen-uticaj sto star,,, i.davanja preriminarnim drustveno pozeljnih odgovora. , je analizama dokaz, da pretpostavke normalnosti, linearnosti, multikolinearnosti i homogenosti ,'/ ', lansenisubilenarusene. prvom U koraku su unete bile promenljive starost i vanjedrustveno poieljnihodgovora, je objasniro varijanse sto 6blo subjekti,, doiivljenog stresa. Nakon unosenja skara Masiery sDSUS u drugom i korz , modelomkao celinomobja5njeno 42,4o/o je ukupnevarijanse, (4, 421, F 94,78'p < o,oo'1. spomenuta Dva (obereija) merira objasnira aooainih-+'' su vafjanseu stresu,nakonsto je ukronjen uticaj starostii davanja orrstu,,' poieljnih odgovora; se promenilo r2 za: O,42,F se promenilo (2.,421' za 166,82 ( 0,001. konadnom p U moderu, statistidki bira su zna6alna saml ,/, pri demuje skataMastery imata veci koeficrpnt bi [::110:"y'f"jT']r^,:T,

ro;;,';:;ft;i: ;1;:

DodatneveZbe
Zdravstvo Pojedinosti datotecivideti u dodatku. o sleep3ED.sav. s Drrtoreka podacima: istraZitefaktore koji utidu na 1. Standardnomviiestrukom regresijorn ljudi po danu.Za zavisnupromenljivuuzmite ukupospanosti stepen (rorSAS). Sensations and Za pan iznos na skali Sleepiness Associated (sex),starost (age),ocenu fizidke promenljive uzmite pol nezavisne koliki deo kondicije (fitrate) i stependepresije(depress).Izradunajte ukupnepospanosti obiaSnjava skup tai merenja varijanse rezultatima u promenljivih(pogledajte koliki je r na kvadrat).Koje promenljivedaju jedinstven (pogledajte vrednostikoeficijenata znaiaiandoprinos beta) ? 2. Ponovite gomju analizu,ali ovoga puta upotrebite hijerarhijsku viSepol struku regresiju. prvom bloku promenijivihunesite i starost,a u U drugom ocenufizidkekondicijei stepen depresije. Kada uklonite uticarj demografskihprornenljivih pol i starost, da li ostale dve prediktorske promenljiveznaiajno doprinoseobjaSnjavanju varijanse rezultatima u merenja pospanosti? Koliki dodatni deo varijanseu pospanostiobjainjavaju fizidkakondicijai depresija, nakon 5to se ukloni uticaj pola i starosti?

Logistidka regresija

'Jffi tfiru:; ikupp.ocedurornrutii,'omialLogisti.tr."i.'lilJi,;X"i-""ff

zavisna promenljiva koja nas zanimak"t"goiilrk" (npr. 1it,i"_ili" pobediti/izgubiti; poroziti/pasti; mrtavlLiv). Nazalost, viiesrruka ,egresiju nife priklad nz ,u i^r"gorijske za_ visne promenlfive.U vi5esrrukoy ,.ir.riji, zavisna pro-".rqi"o (ono ito pokuiavate da objasniteili predviiit.i-"1; uiti vrecrnosti prilidno normalno raspodeljene. ".prir.ia*,;';;"r" Logisriika regresija. omoguiava ispitivanjemo.dela predikciju za kategorijskih ishoda sa dveii vile f ategor;;a. lred;ltorrk" 1.,rruiir*) promenrjive biti kategorijske,neprekidneili meiavina obe vrsre u istom modelu. 1^g-". sPSS ima celu porodicu tehnika za Jogistidku ,..gr.rf o,-t o1. ,i"2. za istraii_ vanjeprediktivnemoii skupovairi brJkova promenrjivihi omoguiuju zada_ vanje nadinaunosapro-..rl1iuih. svrha ovog primera je da pokaZeosnove logistidke regresije' Zato (u.rporrebiti metoduprisirnogunosa(Forced Entry Method) - podrazume'anu procedurudortuprru., sfss-". it je pristup u kojem sesveprediktorske promenrjive opit";, u istom bloku da bi seocenira njihova prediktivnamoi, iok se siatistid'ki ukranjauticaj ostarihprediktora u modelu' Druge rehnikeregresije - ,..i-o, one posrepene (dodavanje unapred i uklanjarrieunazad)- omoguiu ju za.davanjevelike grupe mogu6ihprediktora, odaklesPSS sam bira p"ocrsku1"rl ima najveiu moi predvidanj.. Posrepene tehnikeregresije p..d-.t'krrtik" i ru u Iogistidkoji u viiestrukoj regresiji, zaroito na njih moze fako uticatisrudajna p;";;;t;;.rt podataka, kada sepromenljiveut tlutulu il i.ruir."r" iz moderazbog distostatisriikih raz)oga(videti raspravu u Thbachnici a. ria.tt, zi',,r"r."iiZ'i. u ovom pogravrjupokazaiu kako se po-oiu sps's-"-"u""ija logisridka regresija dihotomnu za promenljivu (tJ.onu koja moZe 11visl_u imati samo dve vrednostiiri kategorije). Upotrebifemospss-r, p.ffi:fi Binary Lo_ gistic.Kada zavisna promenljivaima viie o

za skupi predikrora zavisnu na plom.nrjiuu (subjektivn. i.#:fH,ji:[ tomsludaju, zavisnu promenrjivu merili smo r."" u opsegu 10 do 50). Medurim, ima mnogo ""fr.r.id;i, vrednostima od ka.raje

U poglavlju 13 o viiestrukoj regresiji, opisali smo tehniku

t ogtavtjei4: Logistidkaregresija

171

je tehu su dostupne SPSS-u videti meni Help). Logistiika regresija sloZena nika, pa smatramneophodnimda o njoi viSeproditateukoliko nameravate Peat,2001; Tabachnick da le koristite(videtiHosmer& Lemeshow,2000; & Fidell,2007; Vright, 1995).

primera Obia5njenje
Logisriiku regresiju irustrovatina prirnerudatoteke iu sa srvarnimpocraci_ ma (sleep3ED.sav), prareie '$7eb s rokacije ove knjige adresuna str'xi)' Ti podacisu dobijeniu anketisprovedeno, i;i;;irveb ;; ,r;";L;univerzitetskog osobljada bi se utvrdiraveridina uticajprobrema i ..,;i ,; ,;"m (videtido_ datak).U anketisu ispitaniciodgouuraii pitanje na ,-"rrn,u ir da imaju pro_ blema sa spavanjem (dalne).Tirie biti r"uirnn;r"-""1,i;; u ovoj anarizi. skup prediktora (nezavisnih promenrjivih)rb;il;;oi,'ir.orr, broj sati noinog sna,teiko padanjeu san i lako budenje. Prvobitnim vrednosrimasvakeod tih promenljivih dodeljenesu nove .ifre (kodovi) da bi se obezb.edira njihova prikradnost,, izu. rkarego_ rijskim promenljivama promerrl..,k6d, i ro je "r;;;i tako a" i" O=". i 1_da.

Pretpostavke
uzorka Velidina
Kao i u vefini ostalihstatistiikih tehnika,moraterazmotriti velidinui priroda du uzorka ukoliko nameravate upotrebitelogistidkuregresiju. Jednood je broj sluiajevau uzorku u odnosu na broi prediktora (nezavisnih pitanja da promenljivih)kole Lelite ukljuditeu model.Analiza postajeproblematiina (dak toliko da numeridki divergira) kada je uzorak mali, a Zeliteda predikukljuditemnogo prediktora.To je problem naroditoza kategorijske u brojemsludajeva svakojkategoriji.Uvek za svakipretore sa ogranidenim pa diktor pokreniteproceduruDescriptiveStatistics, ako je broi sluderjeva (opservacija) odredenojkategorijipremali,preraspodelite u drugekateih u gorije ili ih uklonite iz analize.

Multikolinearnost
Kao 5to je bilo reieno u poglavlju 13, uvek treba proveriti da li postojejake promenljivih.Bilo bi idealnoda prediktorskih(nezavisnih) medukorelacije su prediktorskepromenljivejako povezane zavisnompromenljivom,ali sa ne i medusobno.NaZalost,u proceduri logistidkeregresije SPSS formalno poglavlju nematestmultikolinearnosti, vam preostaje pa postupakopis:rnu 13, kada izaberete nakon 5to pritisnetedugme Staticollinearity diagnostics stics. Ostale rezultate zanemarite,samo pogledajtetabelu Coefficientsi ponjenekolonesazaglavljem CollinearityStatistics. Veomamalevrednosti kazateljaTolerance(manjeod 0,1) ukazuju na to da promenljiva ima visoke korelacijesa ostalim promenljivamau modelu. Tada treba da promenite skup promenljivihod kojih stemislili da sastavite model i uklonite jednuod jako medukoreliranih promenljivih.

Da biste razumeli re^)rtate logistidkeregresije, moraiere pailjivoda pripre_ mite Sifrovanjeodgovora za_ siaku pro-"".rljivu . Zu dho;;;e zavisnepro_ menljive,odgovoretreba 5ifrovuti ,a o i 1 (iri ,.sif.ouuii f*io;.c. vrednosti sPSS-ovom proceduromRecode- videti poglavljeg). Vrednosr0 treba dodeliti svakom odgovoru koji ne sadriiob"i.rp oi inr.r.rr. u ;;"- primeru, nulom se .ifruje odgovor Ne na pitanje .lmateli pr"bl;;;Ja spavanjen.,?, Broj 1 ukazujena odgovor Da. Srilno ,,, sir.ouurr.;;;;;;"menljive. Tu smo odgovor Da Sifrovalisa 1, za odgovore na pitanja ima li osobaproblema da zaspii ima Ji probl.*o i" orruri. .r'r.ru. za neprekidne nezavisne pro_ menljive (broj sati noinog ,rrn1, u"ii brojevi treba da pokazuju jaie ispoljavanjeispitivanog obJlrZi^. Ime daroteke: sleep3ED.sav Promenljive: ' sa spavanjem_(engl. problem uith sleep),reiifrovana (prob_ l:ll:lt sleeprec): vrednostrelifrovanana O=ne.1_da . Pol (engl.sex): O=Zenski, 1=rnujkl r Srarosr (engl.age):u godinama ' sati nofnog sna (engl'hours sreep/weeknigbt) (rrourwnit):u sarima ' Itoj padanie Teiko ,.::,1::gl. problem gettutg to sleep),relifrovana (gets_ leprec): vrednostreiifrovanana: 0=ne, 1_da ' Lako budenje(engr' probremstayiygasreep),reiifrovana (stayslprec): vrednostreiifrovanana: 0=ne, 1=cla"

Pripremapodataka:iifrovanje odgovora

Netipidne tadke
Neophodnoje da proveritepostojeli netipiine tadke,to jest sludalevi koje model ne objaSnjava dobro. Reieno jezikom logistidke regresije, model rnoZdaodliino predvidaodredensludaju jednojkategoriji,ali je u srvarnosti on u nekoj drugoj kategoriji.Netipidni siuiajevi se mogu prepoznatina difagramu.reziduala, je naroditovaZankorakkada modelslabopredvidaopito servaclJe,

flataf rrrmer rstraiivaikog pitania: Koji faktori piedvidaju verovatnoiu da 6e ispi_ tantci odgovoriti da imaju problema sa spavaniem?

togistidke Fregted resresije

Sta vam treba: rJednakategorijska(dihotomna).zavisnaprorrrenljiva(problemiSaSpa"uurrl"m' i Ne/Da' Sifrovano011'\; (nezavisnih) r Dve ili vise neprekidnih ili kategorijskihprediktg:t_kih 1 (npr' pol, teiko sa pro-"r,Ijive Sifrovati 0 i nromenliivih.D;;;";t" Neprekidnepromenliivemeriti tako da ;.t.o;;a."i.l :.";;;;'t';;;, od obeleZia interesa(npr' staI.a Uiti""l pok"r,,i.' laie ispoliavanje rost,broj satinoinog sna)' za ocenukoliko dobro skup predikSta sepostiie: Logistijka regresiia_sb,ii zavisnupromenljikategoriisku fr.a"it" itiobjadnjava ;;;rtt{;;;enlli"vih (skupa prediktorskih modela ;;."^;"1i1_ r.', poL'"rui"l' adekvatno.sti pokazateli ocena[uuii,.r, predvidania rezultata.Dobiia se promenljivih) tf . izmedunjih' svakepredikto.rk. promenljiveili interakcije vaznosri relativne Dobijasezbirpot"'",.t;"tainosti.klasifikacijesluiajevanaosnovumodela, rnode(specifidnosti) i osetljivosti odredenosti izraaunavanie 5to omogu6ava pozitivnih i negativnih prediktivnih vrednosti' iu l rt;"g5ulLt o raspodeli ne Logistidkaregresija podivana pretpostavkama Pretpostavke: medutfm' ona.i e osetliiva na a rczukatamereni pr"Jlk,o'",kih' promenliivih; (multikolinearnost)' korelacije izmedu prediktorskih promenliivih visoke jako utidu i netipidnetaike' N" ,.r,rlture lolistidke regresiie iizabesa Pre nego Sto poenete sledeiimpostupkom'otvorite-meni.Edit notapolie No scientific rite u niemu stavkuOptions;trebaclaie potvrdeno don for small numbers in tables'

4. Pritisnite dugmeOptions.Potvrdite polja plots. Hosmer_LeClassification meshowgoodnessof fit, Casewiselistingof residualsi Cl for Exp(B). Continuei zatimOK (ilidugmePasteda bistekomqndu 5. Pritisnite snimili u Syntax Editor). postupak generi5e komandu: Prethodni ovu probsteeorec REGRESSION LOGISTIC VARIABLES /METHOD: ENTER age getsleprec sex stayslprec hourwnit (sex):lni;6ator(1/CONTRAST (getsleprec):lndicator(1 /CONTRAST ) ) (stayslprec):lndicator( /CO NTRAST 1) iCLASSPLOT /CASEWISE OUTLI ER(2) /PRINT: GOODFIT l(95) C /CRITERIA:PIN(,05) POUT(,10) ITERATE(2O) CUT(,S) . prethodnog Sledideo rezultata postupka.
CaseProcessingSummary Unweiqhted Cases'
Selected Cases. Included in Analysis MissingCases Total Unselecled Cases Total N

Percent 241 30 271


U

8B,s
1 1, 1 100,0 ,0 1000 ,

271

a. lf weight is in effect, see classification table for the total numberof cases.

Postupakza logistickuregresiiu

pa Regression, pritisnite u 1. otvoritemeniAnalyze,izaberite njemustavku BinarYLogistic. i prebacite (npr.probsleeprec) .;e promenljivu zavisnu kategorijsku 2. lzaberite u poljeDePendent. stayslprec' (sex, age, getsleprec, . pritisniteprediktorske promenljive ih i hourwnit)prebacite u poljeCovariates' . U odeliku Methodtrebada pi5eEnter' 3.Akoimatekategorijskihprediktora,pritisnitedugmeCategoricalnadnuokstays(sex, promenljive getsleprec, sve lzaberite kategorijske virazadijalog. ih lprec)i prebacite u poljeCategoricalcovariates' First dugme pa ' Redom promenljivu, pritisnite kategorijsku svaku izaberite dugmeChange'izaizabrane Changecontrast,Kadapritisnete u odeljku first. Takoste zadalida grupa koja ie biti promenljive prikazace red se to prva'Ponovite za sve kabude prikazana upotrebllena referentna kao dugmeContinue' Pritisnite promenljive. tegorijske

Dependent Variable Encoding OriqinalValue

no yes

Internal Value 0 1

Gategorical VariablesCodings

Paramete
Frequencv probstayasleep rec probfallasleep rec sex no yes no yes female male
1? q

1)

103
1F-'l

qn

140 101

,000 1.000 ,000 1,000 .000 1,000

I vv,qv,JE r +, Lugt$UcKa regresua

175

B B l o c k0 : B e g i n n i n g l o c k
Iteration Historya'D'c -2 Log likelihood 328,996 328,996 328,996 Coefficients Constant .z9t) ,293 .293

ModelSummary

Iteration

Step

Estimationterminatedat iterationnumber 5 b"a*r* parameter eslimates changedby lesstnan .O0i--""

Conitant is includedin the model. 328,996 Initial-2 Log Likelihood: number 3 because at terminated iteration Estimation parameterestimateschangedby less than ,001.
Classification Tablea'b
Predicted

Hosmerand Lemeshow Test

Classification Tablea
Percentage Correct

ObseNed

orob sleep recode 01 yes no

Predicted proDsteep recode01 no yes


'l 1U
JZ

Step0

probsleeprecode 01 OverallPercentage

no yes

138 103

0 0

100.0 .0

Ohspruod

01 Overallpercentaoe
3. The cut value i- a^^ nr rr r/.1, ta is

a. Constant is included in the model. b The cut value is ,500

yes ,500

28

Percentage Correct 7 9 ,7 68,9 75,1

Variablesin lhe Equation


Variable3 in lhe Equation

Step 0

Constanl

..ZYJ

S,E. 130

Wald 5,O47

dt
1

Siq. .ul3

Exo(B
746
..r08 1 "g" getsleprec( 1) sEyslprec( I ) houenit ..006 .716 1,984 -,448 l,953 ,Jt5 ,014 ,339 ,325 , 16 5 1,451 ,118 95.0% C.l for FXP(B
dl

Sio 1 1 1 1 't l /31 ,660

Fxo(B)
.994 2,046 7,274 ,639 7,053

L.ower ,484 ,968 1.053 3.848 ,462

,r93
4,464 37,311 7.366 1,812

Uooer .66

Variables in the Equation not Step o Variables sex(1) rg" getsteprec(1 ) staystprec(1 ) hourwnit Overall Statistics Score 1,209 19,812 sB,1 83 17,709 70.017
df Sio

1 1 1 1 1

.272 .373 ,000 ,000 ,000 ,000

-a

ConstBnt Variablelslenien

,000 .007
,178

1.02., 3 97f r3,74B

srep 1: sex, agei getsleprec.slayslprec, houMnit

CasewiseListb Observed probsleep recode01


n'" v c S v

Block Method Enter 1: =


OmnibusTestsof ModelCoefficients Step 1 Step
Block Model

Case
4Z 1Z+

Selected Slatusa S

temporaryVariable
Predicted Predicted Grorro Resid

870
tzo
IJJ

227

Chi-square 76,020 76,020 76.020

df
q 6

Sio.

v n n

-,870 .874 ,867 ,881


470

ZResid -2,583 2,633 2,554 2,721 2,697

zJ5

119 121

,000 ,000 ,000

a. S = e -

Selected, = Unselected U cases,and ,- = Mir"l"]fruo

b. Cases with studentized residuals greater than ""r".. 2,000 are tjsted

rezultatalogistidkeregresiie Tumadenje
regresiia daje obilje rezultata, pa analiza,logistidka Kao i ve6inaSPSS-ovih pomenutisamokljuine asPekte. iu Najpre treba pogledatipoiedinostio velidini uzorka, date u tabeli case Procesiing summary. Broi analiziranih sludajevamora biti lednak onome kazujekako VariableEncoding, tabela,Dependent Sledeia koji steodekivali. promenljive(u ovom sludaiu,sa odgoje spSSpostupio sa Siframazavisne zahteva te da SPSS vorima na pitanleiryaju li liudi problemasa spavaniem). prethodsa promenljivebudu Sitrovane 0 i 1, ali ie ih i samreiifrovati ako to no sami nisteuradili (npr. ako su vaie Sifre1 i 2). Htela sam da moja pro'problem with sleep' bude Sifrovana sa 0=nrla problerna i menljiva 1-problem, pa sam napravilanovu promenljivu(proceduromRecode videti poglavlje 8) i reiifrovala prvobitne odgovore L=da, Z=ne na format (kada se postojanje poieljan u SPSS-u, na 1=da,0-ne. Thkvo Sifrovanie tj. problema oznaiavasa 1, a nepostojanjesa 0) olakdavatumaienje rezuhata. U sledeioj tabeli Categorical Variables Codings pogledajte Sifrovanje nezavisnih(prediktorskih)promenljivih. Takode, u koloni sa zaglavliem proverite broj sludajeva svakoj kategoriii. Nemojte raditi sa u Frequency grupamakoje imaju malo sludajeva. U sledeiemodeljku, Block 0, dati su rezultati analizebezijednenezavisne promenljiveod koiih semodel sastoji.S njima iemo kasnijeuporeditirezulpromenljive. tabeli Classification U tate modelakoji obuhvataprediktorske U stoji da je ispravnoklasifikovanihsludajeva ukupno bilo 57,3 procenata. je ovom primeru, SPSS klasifikovao(nagadao) nijednaosobaneie imati da (samozato Stoje veii procenatljudi na pitanje odproblemasa spavanjem govorio sa Ne). Nadamo se da iemo kasnije,kada unesemo nai skup prepromenljivih,poboljSati diktorskih tadnosttih predviclanja. Prediteu slede6i odeljak,Block 1. Tu su rezultatiispitivanjamodela(skupa prediktorskih promenljivih).U tabeli Omnibus Tests of Model Coefficients dati su zbirni pokazatelji perfbrmansi modela, dakle razlika u odnosuna rezultate dobijeneza Block 0, kada u model niie bila unetanijedna prediktorskapromenljiva.Taj test se zovegoodness fit,tj. koliko doof bro model predvidarezultate. taj skup rezultataZelimoda budu veoma Za znadajni(velidina Sig. bi trebalo da bude rnanjaod 0,05). U ovom sluiaju, znaiajnostiznosi 0,000 (5tozapravoznaii p<0,0005).Stogaprogladarvamo da model (s naiim skupom promenljivih kao prediktorima)predvidabolje od SPSS-ovog prvobitnog nagadanja prikazanogu odeljku Block 0, dobijenog uz pretpostavkuda niko neie odgovoriti kako ima problema sa spavanjem.Pokazatelj hi-kvadrat iznosi 76,02 uz 5 stepenislobodei to treba navestiu izveitaju. I rezultati prikazani u tabeli Hosmer and LemeshowTest podrZavaju tvrdnju da je model dobar Tvrdi seda ie to SPSS-ov najpouzdaniji testkvaliteta predikcile modela. On se tumaii sasvim drr"rgadije prethodno od

razmotrenog omnibus.testa. Kada je u pitanju Hosmer-Lemeshow Goodness of Fit Test,indikato.rslabogpr.duidn.rjo znaiainor, -""i" 0,05; dakle, model je podrzanako je "a 0,05. u,je nai.* pri-"r.,,iJturnt.tj hi_kva_ ".." "d drat za Hosrner-Lemeshow iznosi 10,0r9 test rnotuiro{r"o,,reo.To je viie od 0,05, 5to znadida podrZava "r model. TabelaModel Summarykazujejoi neito o upotrebljivosri modela.Vred_ nosti cox 6c sne'R square i Nagerkerk. R sd*;;;i;i,i t otit i deo va_ rijansezavisnepromenljivemodel objainlava (mrnrmum je 0, a maksimum priblizno 1). To su takozvanipseudopoka zaterjtur.d.,orti,i t, n" kvadrat), a ne njeni stvarni iznosi, koji se mogu videti u rezultatimuuis"rrrut . regresije. U ovom primeru,ra dva pokazateija 0)7r i su 0,363,Jr" ,""er da dati skup promenljivih(moder) objainjavaizmedu27,r i 3'6,3;;;;;;; va'janse. Prelazimo taberucrassification. njoj na u ,u pokurut.r;rl"iil.o tadnomo_ del predvidakategoriju(ima problemasaspavanjem/nema probl.rn" sa spavanjem) za svaki ispitivani_srudaj. MoZemo ih uporediti ,l irroi-".,otabelom u Block o i yr.aelr poborjianje postignuto rr.ri";.rrr.- prediktorskih promenljivih u moder' Thj moder ispr"unJkr"rifik;;-t;,i^ o.o..rrura svih sludajeva(eng|.perce.ntage accurary l, ,lorrifirrriJ',"piii, !,o ;. bolje od 57,3 procenara navedenih Block 0. R.rultuti prik";;i u ; orloj taberisluze i,Ta.izr.aiulavanje drugih staristiikihpokazatelja, koji sedestonavodeu me_ dicinskojliteraturi. oserljivost (engl.sensitiuity) moderaje procentualni udeo grupe sa ispitivanim obeleZjem (ngr ,u ,puu"njem) koji je modeit"ino prepo_ .g1o!!eznao (stvarno pozitivnih). u ovom primer.r, mojel' je tadno klasifikovao 68,9 procenata osobakoje imaju probl.-u sa spavanjem. odredenost(engl. specificity).modela procentuarnludeo grupe je koju rrp;*ano obeleZje (nemaproblemasa spavanjem) ".*" koji ;. tti"a.r tudno pr.for'nno ,r.1r,uu.no gativnih).U ovom primeru, odreclenost iznosi 79,7 procenata (osobakoje nemajuproblemasaspavanjem, koje za modertutno i..a,ri;;;" nemajutih problema). Pozitivnaprediktivna vrednosrje procentuarni udeo sluiajevakoje n-rodel klasifikujekao da irnaju ispitivo'o ob.r"z1e, da se ono zaista a opaia u toj grupi' Da bisteto izradunali tekuiem u primeru,podelitebroj sludajeva c.eu

100 da dobijere procenrualni lr.,or. Dobili bismo 71 podeljenosa 9-9 1.00 71,7procenata. x = Dakle, pozitivnapredikriv_ na vrednost rz'tosi 71,,7procenata,ito pokaru;" do';i nnl model taino izabrao71,7 procenor" orob" za koie je prognozirano imaju probrema da sa prediktivnavrednostje procenrualni udeo strriajeva io^llTl.;l; klasifikuje ko;e model ,Y:?,il:.1" kao da nemajuobeleZje, a a" ," o.,o ^irr" ,r. opa,a u toj grupi' u tekuiem bro;"ui i, r.r"rril".i"ne tabere jesu: 110 podeljenosaf:i1"r"'^:dgovarajuii 7_!.,s (1t0 + 32) x 100 = urocen;;;:'ffi o upotrebi klasifikacionih tabelapotrazire. knjigamaNrrigh;ai;gi,'rri.'\zg) u ili peat (2001, str.237), gde je dat i jedanjednostavan primer.

observea=y91 uirlpnim brojem 1Zr I ielijapredicted_yes llilt;1,.r..11yes, \L6 +_/r = 99) r pomnoZite sa

I TJ

Tabela Variables in the Equation c{ajepodatke o doprinosu ili vaZnosti \Wald,pa su vrednosti posvake prediktorske prornenljive' Taj test je izurlio kazatellaza svirki prediktor navedeni u koloni sa zaglavliem Wald. Pogledajte niz kolonu Sig. ima li brojeva maniih od 0,05. To su promenljive koje zna(ajno doprinose prediktivnim mogudnostima modela. Utvrdila sam da su tri promenljive znaiaine (stayslprecp 0,000, getsleprecP = 0,035, hourwnit-p = 0,007). U ovom primeru, glavni faktori koji utiiu na to da li ie osoba odsovoriri da ima probierna sa spavanjem jesu: teZina padania u san, lako bulenie i broj sati ,fodnog sna. Pol i starost ispitanika nisu zniriaino doprineli modelu. Koeficijenti B u drugoj koloni ekvivalentni su koeficiientima B dobiienim u analizi viSestruke regresije. Ti brojevi se stavljaju u jednadinu za izratunavanie verovatnode da analizirani sludaj spada u odredenu kategoriju. Pogledajte da li su koeficijenti B pozitivni ili negativni. To ie vam ukazati n;r smer veze (koji faktori poveiavaju verovatnoiu odgovora Da, a koji je smanjuju). Ako ste ispravno 5ifrovali sve zavisne i nezavisne kategorijske promenliive (sa O=ne ili nepostojanje obeleZja; I=da ili postojanje obeleZja), negativne vrednosti koeficijenata B pokazuju da poveianje vrednosti nezavisne promenljive ima za posledicu smanjenje verovatno6e da ie ta osoba odgovoriti sa 1 u zavisnoj promenljivoj (5to u ovom sludaju pokazuje postojanje problema sa spavanjem). U ovom primeru, promenljiva koja meri broj sati noi'lb nog sna ima negativan koeficijent B (-0,448). kazuje da 5to viSesati osoba je manje verovatno da ie odgovoriti kako ima problema sa spava noiu, to spavanjem. Za ostale dve kategorijske promenijive (teZina padanja u san, lako budenje), koeficijenti B su pozitivni. To znaii da osobe koje smatraju da teiko padaju u san odnosno da se lako bude, dedie odgovaraju Da na pitanie smatraju li da imaju problema sa spavanjem. JoI jedan koristan podatak sadrZi kolona Exp(B) tabele Variables in the Equation. Ti brojevi su kolidnici verovatnoie (engl. odds ratios) za svaku nezavisnu promenljivu. Kako pi6u Tabachnick i Fidell (2007), kolidnik verovatnoie (KV) je 'promena verovatnoie pripadanja jednoi kategoriji ishoda kada se vrednost odredenog prediktora poveia za iednu mernu jedinicu' (str. 461,1.Unaiem primeru, verovatnoda da ie osoba odgovoriti sa Da na pitanje ima li problena sa spavanjern jeste 7,27 puta veia za onoga ko odgovori da se lako budi u odnosu na osobu koja se ne budi lako, kada su svi ostali faktori jednaki. Zna(ajan prediktor je i broj sati noinog sna, sudefi po pripadnoj velidini Sig. (p=0,007). Medutim, koli6nik verovatnoie zal ovu promenljivu iznosi 0 , 6 3 9 , d a k l e m a n j e o d 1 . T o z n a d i s l e d e 6 e : 5 t ov i S es a t i o s o b a s p a v a n o i u , nranje je verovatno da 6e odgovoriti kako ima problema sa spavanjem. Za svaki dodatni sat no6nog sna, verovatnoia da c'e osoba odgovoriti da ima problema sa spavanjem opada za 0,639, kada su svi ostali faktori jednaki.

izmedu -2,si +2,5).Iz ostalihi"roi-uiqu;; iliu le zajedan sluiaj (broj 42) bilo predvideno fa fe lrti .. r.","gGi problemasa spavanjem), zapravoje (u kolorri,o[s.;;;;?;,ranje a vorenosa Ne. za sveostalenetipidne sludajeve bilo je pr;lr;;;" govoriti Ne, a re osobe su odgovorile Da. Za sver. ,iutuj.u.-iu

manjiod teba 3lj,:.3fllr p a z r r l v l r e s p r t a t i ,p o S t os u s v a k a k o n e t i p i d n . i ( g g p r o c e n a , n, l u i r l . u u i m a r a j pokazatelj


vidi seda Da (imam odgo_ da de od_ oogorouo

Imajte u vidu da je.na5 prediktor neprekidna.promenrjiva; govorimo zaro o pove6anju smanienju, (ili ako je KV manji od 1) verovat;oie za svakuje_ dinicu poveianja prediktorske promenrjiu" 1., o.ro,ri rrJniu, godiinjeg). Kada je prediktorskn kateg.orirska, poredimou*ou"tnoe e za te l."T:lljrva dve karegorrie. za.kategorijske ju-" p.o-.,ir;iu" ," t""t"gori;e,svaka kategorijaseporedi s refere.nrnom "rs" "J(najdeiiegrupo- iij" je iifra gt_,rpor naj_ manji broi, ako stezadaliFirst u contrast ,, ;k;;;-;; diiarogDefine "aeljk" CategoricalVariables). Za kolidnikeverovarnoie manjeod 1, u izve.rajubismomogrinavesti nji_ hovu reciprodnu vrednost(1 podeljens tim brojem)da bisrnoolakiari tuma_ tenje.Primeraradi, u ovom sludaju1 podeljeno o,isg i"'iJako je 1,56.To kazujesledeie:za svaki sat noinog sna marrje, "^ verovarnoiada fe ispitanik odgovoritida ima problemasa. sp.aianjem raste 1,55.Ukoliko odluditecla za navedete reciproinevrednostikolid"ika verovatnoie, trebalobi clanavedete i reciproinevrednostiinrervalapoverenja(videti slejeii pur,-,r1. za svaki koliinik verovarnoae, koioni Exp(B) taberevariabres in the Equation prikazan je pripadni 9S-procentni interval poverenja(9s,0"h cr for EXP(B)),njegovadonja i gornja granica. Njega rreba navesriu rezulta_ tima. .fednosravno redeno,to je opsef za koji sa gs-p;""irom sigurnoiiu tvrdimo da obuhvata stvarnu ur"Jnoit kolidnika Ne zaboravi_ te, broj navedenkao koridnik verovarnoie ""r;;;;;. samo j. p.o.""u ili nagadanje stvarne vrednosti na osnovu podataka iz uzorka. bou.r.n,. t oje imamo u tvrdnju da je to raina vrednori 1rucelu populacij.r) menja,i., ,uuir'orti od velidineuzorka. Mali uzorak znati daie interval poveren;'a oko procenjenog kolidnika verovatnoie biti veoma iirok. Interval se naglo smanjuje s poveianjemuzorka. u ovom primeru, inrerval poverenja,i pr.-.rriivu lako se budi (zastavslorec,KV =Z,ZZ) ide J 3,g5 do 13,7S.Dakle, iako navo_ dimo da je izraiunati KV = 7,27, noi:.emobiti 95 procenarasigr.rrni stvarda na vrednosr KV celepopulacijeieZiizmedu3,s5 i'i3;;;;:;;l: veomaiirok opseg brojeva.Intervalpourrer,lau rom sludaju ,, srogaje re_ zultat starisriikiznadajan p < ".,;l;i;;;; uz 0,05.Kada interv"6;r;;;;; sadrzibroj 1, kolidnik verovarnoie nije statistidk i znaiajanjer ne mozemo iskry.uditi moguinost da je stvarni kolidnik u.rou"r'o!. 1, iro ukazujena jednakuverovatnocuoba odgovora(dalne). tabelarezulrara, Casewise List, govori o sludajevirna uzorku u ,^,1"i:11i, nole modelne predvidadobro. prikazani su sludajevi vrednostim pokaza_ s a telja ZResidu"ii- od.]. (u prr-.ru, ,o ,,, sluiajevi broj 42,224,227, """-

su u.ei jludajevldiii pokazatelji od 2,s (ili

_2,5)

one iiii je pokazateljZResid preko 2,5) treba proveriti uneteinformacijei grupesludajeva uopite s^znativiSeo njima. MoZda fete naiii nar koje model Razmislite tome da iz ne predvidadobro (npr.lfude koji rade u smenama). o pokazatelja datotekes podacimauklonite sluiajeves velikim vrednostima ponovite analize. ZResid i da

logistidke rezultata regresiie Predstavljanje


Rezuitati ove procedure rnogu se predstaviti ovako: Direktnalogistidkaregresijabila je sprovedenakako bi se ocenio uticaj vi6e faktora na verovatnocu da Ce ispitanici odgovoriti da imaju problema sa spavanjem.Model sadrZipet nezavisnihpromenljivih(pol, slarost, te6ko padanje u san, lako budenje i broj sati nocnog sna). Ceo model (sa svim prediktorima) bio je statistidki znadajan, (5, N: 241) :76,02, p ( 0,001 , Sto pokazujeda c2 model razlikuje ispitanikekojijesu i one koji nisu odgovorilida imajuproblema (r sa spavanjem.Model u celini obja5njava izmedu 27,1o/o na kvadrat Koksa i Snela) i 36,30/o(r na kvadrat Nagelkerkea) varijanse u spavadkom statusu, i tadno klasifikuje 75,10/o sludajeva. Kao Stoje prikazanou tabeli '1 samo su tri , nezavisnepromenljivedale jedinstven statistidkiznadajandoprinos modelu (broj sati nocnog sna, te5ko padanje u san i lako budenje). Najjadi prediktor odgovorada osoba ima problemasa spavanjembilo je lako budenje,dijije kolidnik verovalnoce 7,27.To pokazuje da ispitanici koji se lako bude, preko 7 puta de5ce odgovaraju da imaju problema sa spavanjem od onih koji se ne bude lako, uz sve ostale faktore u modelu jednake. Kolidnikverovatnoceza broj sati nocnog sna iznosi0,64 i manjije od 1, dto pokazuje daza svakidodatni sat sna, ispitanici0,64 puta rede odgovaraluda imaju problemasa spavanjem, uz sve ostale faktore u modelu jednake. Tabela 14.1 : Predvidanje verovatnoce odgovora da osoba ima problema sa spavanjem
Stand. Wald greSka Stepeni slobode p Kolidnik Interval95-postotnog verovat- poverenja za kolidnik noce verovatnoce Donja granica Pol Starost Padanje u san Lako budenje Broj sati nocnog sna Konstanta -0,11 -0,O1 O,72 1,98 0,45 Gornja granrca

ru
fr:liiilii.

Faktorska analiza

Faktorska anariza.se razrikuje od mnogih.drLrgihterrnika predsravrjenihu ovoj knjizi. ona nije namenjena tesrilnje za hi;;;.-,';iii'#.r. reii da ri se jedna grupa znatajno.tarrikule od druge. sPss ye'.-;;; 'smanjenje tehnikom za koridinepodataka'. ona prima veriki skup promenrjivihi rraii nadinda te podatkesaime pomoiu m"nj"g broin f.k;i;ifiio-por,rn"ru. To seradi pronaraienjem'gtm'a'ili;;p" u -.d,rkor"racijama skupa proro jegorovo

Porodica tehnika faktorske anarize ima brojne primene. Mnogo je upotrebljavajuistraZivadi koji se bave,^ruo'i"^i vrednovan;.em testovai skara. Projektantskarepodinjes verikirnbio]"ilpitu.rlu i pojedinadnih stavkiskare i' tehnikama fakiorske nt"tlr., p..ti's-.*" i sazima re stavke da bi dobio

nemoguie ur"d;todoka pro"ri- k;;;ima malo

0,31 0,0r o,34 0,32 o,17


1,45

0,12 0,19 4,46 37,31 7.37 0,66 0,03 0,00 0,01 0,18

0,90 noo 2,05 7,27 0,64

0,48 0,97 1,O5 3,85 0,46

1,66 1,O2 3,98 13,75 0,88

zo5

istraiivania iesroseisrrazivaikom fotto?rton-, anarizom ju prikuprja podaci o medusobnimvezama.:l:,p".p.;;;;ij; 5 druge srrane,potvrdujuierfak_ torska analizaje sloiepjjj r roflti.irn,ri;;;rp tehnika, koje se u kasnijoj fazi tstraZivanja upotrebrjavaj,r" i;;i;;;;'.r;.'lporurau) konkretnih hipoteza i teorijao zajednidkoi poditruktur; rk";J;r"menljivih. kt3tn faktorska nn"li= ot rh;r;tr;,: razlidirih. n^ madasrodnihtehnika. t'o nacYinu sprovodenja one se derena u"uri^ principal components d";il'k;;;li.rrurn 1",rgt. anarvsis,pcA) i a.,al# ;;il;,dkii.,t7"r.ro., common t.rrgr. factor analy.sri, cFa;. ,?.lrirkupl ,.t"ik;;lid;';;;; rnnogo ie_ desto.uporre.bljavaju u-.rro drugog. j.oa., Tu'p" ih istrazivadi oba dovode brojari.earnih'kombin".;iu ll,tuli:t f . u o u i t n i h p r o m e n t l i u rnr n a i i n ta xo;t zadriava(iri obiainjava) gravnin,u".i;"nr" (p;";;;i;r;;lri) korelacija.Medutim, u ,,.ut ,uri .IJ oni se i razlikuju p"_-",rS. osnova. analiziglavnih Kornponenara' prvobitneprornenljive tianstormiiu se u manji skup linearnih

j::::l#:*;:ru i#' x;i#t"1'#i::';:n?':iii':Xlt'*";r.ffi t::i.di'::,#;Tiii:r:3f,:??W,:"::;;tr;:

fiilil'HlT::iil:]

i.t:1'19

M;:5 pou"nnihprome,, m ze Juo Ijivih o se

u s svih varijansiu promenliivama. drugestrane' uz kombinacija, koriSienie modefaktora oni se proceniuj,,por.o6u matemertidkog ;;rtr;;"lJf.in u l3' '"-" zajedniikavariiansa'(Vi5eo tome videti la. pri iemu se "r,ul'i'" 2007)' prgf""fi" knligeTabachnick& Fidell' Premdaobapristupa(PCAiCFA)desttldajusliinerezultate.knjigeotoj (1996,str. od niih preporuiuiu. stevens se temi desro razlikujrifo ro-. koju i za to daje viSe ,klo"J't k" u"uli'i glavnilrkomponenata ;;;':t ;t;n'. i prikladnaza psihopCe *"r.-",]iki iednostavniia a" i" ;;;";;'6;ru.ai itl;g;vaju neki od rnogudihproblemasa'neodredesetl"; metriju, te da i 1'996'str'363)' Tabachnick (Stevens' noSiu faktora'k.,i J;;i;it"";" bra teoriisko rraLite zakliudufu:'Kad1. Fidell (2007; o ruo,o p"ir.Trr'pce i cFA greSai variiabilnoS6uvariiabilnoSiu jedirrstvenom nekontaminirano ^f.l...'Cfn reSenje strane'PCA ie bolia za uobiiaienoemie alatka za vas'S druge 635)' pirijsko saiimanjeskupapodataka',(str' '--odl,rdllu prikaZemanalizuglavnih komponesam da , oro- poglavliu naa.ZadaljeistraZirr"nl"o,t^lihpristupa,videtiknjigukojusunapisaleTabachnicki Fidell (2007)' mnogl auton termrNapomena:iako PCA strogouzevdaiekomponente' ,remoitepretpostavljatida nom faktoropisuju rezuhateipce i cFA. Stoga prodilte termin faktor. Faktorska u dasopisu ;. ,;;., upotiebio CFA kada 'analizaje opdti termin koiim se opisujecela ta porodica tehnika' je posledica zloupotre!".t-:iifaktor'koia ios ;"d.u obl".t -ogu/. ,abt"t" u ,ur.ri- vrstama statistidkih analiza' U ima razlidita znatenja"iupotrebu promenljivih; u tehnifuktorrkol analizi,ona seodnosi na grupu povezanih promenljivu.To su potna nezavisnu ona se odnosi varijanse, kama izmedu "naiize taz'lt'ka puno razliiite stvari uprkos istom imenu. Nastoite da vam U"a. jasna dok radite razne ana\ze' "|n
upotrebljavam u Faktorska analiza se sprovodi u tri glavna koraka. (Termin dakle' i za smislu za bilo koju tehniku koja pripada ovoj porodici; "pSi"- g l a v n i h k o m P o n e n a t a ' ) analizu

je mirniji kada za faktorsku analizuima najmanje300 sluiajeva'(str.613). Medutim, i one priznaiuda bi manji uzorak (npr. 150 sludajeva) trebaloda imaju nekolikopromenljivihveliketeZine budedovoljankada reSenja (iznad 0,80). stevens(1996, str. 372) navodi da se zahrevana velidinauzorka sve viSesmanjujekako se s godinamata tema sveviSeistraZuje. dale broine on preporuke za pouzdanostfaktorskih struktura i zahrevanuvelidilu .,roik" (videtiStevens, 1996, 11. poglavlje). Neki autori tvrde da nije toliko vai.navelidinauzorka ve6koliinik broia i subjekata broja stavki (promenljivih). Nunnally (1978)preporriuje kolii.nik 10 prema 1, tj. desetsluiajeva(opservacija) svakusravkukoju treba za faktorski analizirati. Drugi tvrde da je pet opservacija stavki dovolino u po (videtiraspravuu knjizi rhbachnick& Fidell, 2007).prepove6inisludajeva rudujem vam da viSeproditate o tome, naroiito ako imate mali uzoiak (manji od 150) ili mnogo promenljivih. Drugo pitanje koje treba razmotriti jeste jadina korelacije medu promenliivama(stavkama). Tabachnicki Fidellpreporuduju seu matrici koda relacija potrai.e koeficijenti ve6i od 0,3. Ako ih je malo, ti podaci su neprikladniza faktorsku analizu.SPSS ima dva testaopravdanosti primene faktorske analize:Bartletov test sferidnosti(Bartlett 19s4) i Kajzei-Mejerolkinov (KMo) pokazatelj adekvamosri uzorka (Kaiser,r970, r974). Bartletov test sferidnostitreba da je zna(ajan(p < 0,05) da bi primena faktorske analize bila opravdana. KMO pokazateljpoprimer vrednostiizmedu0 i 1, pa se0,6 preporuduje kao najmanjiiznosprihvatljivza dobru faktorskuanalizu (Tabachnick& Fidell, 2007).

Korak 2: tzdvaianjefaktora
izdvajanje (ekstrakcija) faktora obuhvata odredivanje najmanjeg brola faktora koji dobro predstavljaju meduveze u skupu promenljivih. posroje razni pristupi za identifikaciju (izdvajanje) broja pripadnih zajednidkih faktora ili dimenzija. Medu najdeS6e dostupnim tehnikama izdvajanja su i: o analiza glavnih komponenata; analiza glavnih faktora; . faktorizacija slike; . faktorizacija metodom maksimalne . alfa faktortzacija; .

Koraci od koiih se sastoii faktorska analiza

skupapodatakaza faktorskuanaKada se utvrdujepriklud.tor, odredenog u.liaitt,t uzorka i jadinu vezeizlizu, treba razmotriti dva glavna pitanJar uzorka *"iu pro-enliivih (ili stavki).Iuko ," preporukeautora o veliii.i koeficiU malim.uzorcima' u razlikuju,svi seslaZu jednom:Stove6i,1obolji' iesto semeniaiu.od jenti korelacije izmedupromenljivihmaniesu pouzdani,i iz malih.t\lP""t podataka' uzorka do dr,rgog. Zato faktori dobijeni i"J""g"r. iz velikih uopStekorirlidulu loSiierezultateod onih dobijenih'Istrazivad l"d" to pitanje i kazu: uzoraka.Tabachnicki Fidell (2007) razmatraiu

podatakazafaktorskuanalizu Korak1: ocenaprikladnosti

verodostojnosti;

r neponderisana metoda najmanf ih kvadrata; i o op5ta metoda najmanjih kvadrata. Kao sto je vei redeno, najie5ie se radi analizaglavnih komponenata i nju . iemo pokazati na primeru u nastavku. IstraZivirdtreba ,u- i" odredi broj faktora koji po njegovom/njenom miSlienju naf bolje opisuje odnose izmeclu promenljivih. To znadi pronaii ravnotezu izmedu dva suprotna zahteva: naii

jednostavno reienje s najmanjim mogu6im brojem faktora; i potrebe da se objasni 5to ve6i deo v:rrijanseoriginalnog skupa podataka. Tabachnick i Fidell (2007) preporuduju istraZivadki pristup, tj. da se eksperimenti5es raznirn brojevima faktora dok se ne otkrije zadovoljavaju6e reienle. Za odredivanje brofa faktora koje treba zadrLati postoji viSetehnika: r Kajzerov kriterijum (kriterijum karakteristitnih vrednosti); . dijagram prevoja (engl. scree test); i . paralelna analiza.

Kajzerov kriterijum
Medu najde5ie upotrebljavanim tehnikama je Kajzerov kriterijum ili kriterijum karakteristidnih vrednosti. Karakteristidna vrednost faktora je ukupna varijansa svih promenljivih objaSnjena tim faktorom. Po ovom pravilu, za dalje istraZivanje zadriavaju se samo oni faktori dije su karakteristidne vrednosti veie od 1,0, zato 5to vef i originalne promenljive zbog standardizacije imaju varijansu 1. (Ovo ie vam postati jasnije kada proradimo primer u nastavku poglavlja.) Medutim, Kajzerov kriterijum kritikuju da u nekim situpreviSefaktora. acijama zadrL.ava

Kriterijum dijagrama prevoja


Broj faktora semoie odrediti i Katelovimkriterijumom ili kriterijumomdijagrama prevoja (Catell, 7966). Treba nacrtati karakteristiinevrednosti (engl.eigenualues) to svih faktora (SPSS ume da uradi) i na dijagramu naii taiku u kojoj se oblik krive menjai ona prelaziu horizontalu.Katel preporuiuje da se zadrie svi faktori iznad lakta, tj. prevojatog dijagrama,po5to u oni najvi5edoprinoseobfainjavanjuvarijanse skupu podataka.

Paralelna analiza
Sve popularnija tehnika, narodito u literaturi iz oblasti druitvenih nattka (npr. Choi, Fuqua & Griffin, 2001; Stober,l'998), jeste Hornova paralelna aializa (Horn, lg65). Paralelna analiza znadi uporediti iznose karakteristicnih vrednosti sa onima dobijenim na jednako velikom skupu sluiajno generisanilr podataka. ZadrLavaju se samo oni faktori iije su karakteristi.'uc' vrednosii veie od odgovarajuiih vrednosti dobijenih na nasumidno generisanim podacima. Dokazano je da je ovaj natin odredivanja broja porrebnrn komponenata najtadniji, zato 5to i u Kajzerovom i Katelovom kritcriiutnu post;ii sklonost ta precenjivanju broja ko-porr"rruta (Hubbard 6c Allen' u 1C8z;Z*irk & Velicer,1986). Ako svoje rezultate nameravate da obiavtte I iasopisu posveienom psihologiji ili obrazovanju, moraiete da izrai'unate predstavite rezultate paralelne analize. Mnogi dasopisi (npr. Educatiottal anu -Psychological Measurement, !ournal of PersLnality Asseism"nt) to postavlja'. ju kao p.eduslov da rukopis uopite razmotre za objavljivanje. U nastavKu poglavlla demonstrirademo sve tri tehnike u sklopu uradenog primera'

sledeiikorak je da pokuiareda ih prorumadi_ Kadaje broj faktora odreden, Da bi seovaj procesolakiao, pribegava 'rotaiiji' faktora.Time sesimo se te. ne menja, ali se struktura faktorskil ,.:z-1 (engl. reienje factor loadlrgr)'_ izmedupromenrjivihi faktola - predstavlju tj. koeficiienallkorelacije ?ri.o lakserumate.ier se rotiraniemmera m9rlia-p"rrp"kuun da serezulratr fo_ podataka. NaZalosr,sPSS ume da runlati faktore niri ne smaffania da im do_ deli opise.on samo pokazujekoje su promenljive'zgomilane zajedno,. Na razumevanj sadrLaja a osnovusopsrvenog promenljivih (te pripadrr. *orl1. i prethodnih istraLiuania),grgbasami da predloZitemogue" ir-n ien j a. Rotirani faktori mogu biti ortogonalni(nekoreriran"i) kosi (koielirani). ili i Tabachnick Fidell (2007)kazu da ortogonalna.roracija redenja daje koja s. tumaie i predstavljaju; lakSe medutim,njima seistraZivadu (obidno'ner"i.roj nameieda su i pripadni konstrukti nezavisni (nekorelirani;. kosim rotaci_ u jama dozvoljeni su korelirani faktori, ari je njih teZeprorumaiiri, opisati i (Tabachnick Fidell, 2007, str. 63g). u praksi, predstaviti & ta dvaprirr"p" (ortogonalnii kosi) destodaju vrlo slidnareienja, ,raroiiio orrd^'kudr';" strukrurakorelacijaizmedustavki jasna (Tabachnicks{ pia.lt, zo07). Mno_ gi istraZivadi urade i ortogonarnui kosu rotaciju, a u izveltaju pr.drturr. orr,, koja je jasnijai koju je lakdeprotumaditi.Nadajte se da iete dobiti ono iro 'jednostavnom Thurstoae (1947) naziva strukrurom,.To ,,n ti d^je svaka promenljivajako korelirala-sa samo jednom komponentom (rj. da samo tom faktoru daje veliku tezinu), ,',ruk' ko-pon.,ir" pr.Jrr"rr;a pomoiu " viSes njom jako koreriranihpromenljivih (tj. da ,,rukol faktoru viie promenljivihd6 veliku teZinu). u te dve Siroke kategorije rotacija, spada vide razridirih tehnika spSS-a (ortogonalne: varimax,-euarrimax,' Eq,iu-"*, kose: Direct oblimin, proortogonalnih rotaciia upotrebrjava li1.)'pokuiava 9a merodaVarimax, tcola ""ii.-si;,. da minimizfta Lrojpro-.nr,iuih r rir;il;;;rJiur,riur"afaktorskih teZina.N";irsei rpo-trrbry"uun"t orn ,Jrr.i;a je Direct llTt:" uDLrmin' Poredenie navedenih vrr,, ,oi".ijn dato je u knjizi aurorki rhbachntck i Fidell Q007. str. gri-;;*dstavljenom u ovom poglavlju, {_39),,U Prtkazaiuoblimin rotaciju. uv& bi trebalo da podnetesa oblimin roraciJonr, poStoona clajei stepenkorelacije izmedu faktora.

Korak3: rotacija i tumadenje faktora

ffgm**m*w

Primera ObiaSnienie

istraziiu strukturu ledne od analize, Da bih prikazala "o"ir.rr" faktorske dostupnoina prateioi \(eb'loskalau datoteci, poJuti-uu survey3ED'sav' k a c i i i . A n k e t a ; " U i f u o ' m i ( \ e n a z a . i s t r a . Z i v a n j e f a k t o r a k o j i u t istudijes i h o iunap ispitanika' (Celovit opis loiko prilagodenjei ;;;;;'iaspoloZt"je i rtotu bila ie skalapo_zitivnihnevideti u dodatku.)J.d;;;J upotreblienin PANAS:\(atson' Affect scale' gativnih oseianja pn[l' ru'snne and Nega.tiue prideva se 15.1.Ta"skala sastoiiod dvadeset 19"8;i,'rli[" clark EcTellegen, (npr' podesetpozitivnih ["ii"pir"i" ,irltiit^pri]iitka stanja/raspoloZenia, (npr' nervozno' razdraLllivo'uz' i Jt"t nosno, aktivno, "tgutiu"ih "dl"J;t od dve dimenziie (ili Autori skale tvrde dn ,e PANAS iastoji rujano). oseianja' .U istraZivaniuove faktora): pozitivnog oseiania i ne.gativnog zajednice'stavke skale biie podvrgrruteana.trork,, postojeSe ,trrrkt,rr. ,-ru skala obiino se i vrednovanje lizi glavnih ko-pon.nuta (PCA)' Za razvoi upolrebljava uPravo ta vrsta faktorske analize' U k o l i k o i e l i t e d a p r a t i t e p r i m e r i o d m a h s p r o v o d i t e n a v e d eprateioit s t v a ' nauPu dostupl-l nn pokrenite SPSSi otrrorite datotek" survey3ED'1.a1 analizinoseoznakeod pn1 do \(eb lokaciji knjige. PromenljivekoriSieneu u anketi' Kada budete pn20. Na slici 15.1 ;;;;;;"yitt:^ ie,skalakoriSdena pozivaiete sena te poiedinadne pokubavaliau pror.rirulit. dobil"* faktore, date su u dodatku' za ituut.. Svepoiedinostii reference skalu
_@eopisu,juraznastanjaiosecanja.Za,svakustavku sedmica. tokom nekoliko posledn.lih naznaditedo koje mere ste se iako or"c"li napi6ite broj od 1 do 5' Na linrlupored svake stavke

Stur,a.ntreba: Skup koreliranihneprekidnihpromenljivih' (identifikuda pokuSavamo prepoznamo analizom Stasepostiie:Faktorskom vezeu grupi povezanih unutradnje mali skup faktora koji predstavlja lemo) promenljivih. Pretpostavke: i 1. Veliiinauzorka.Idealnobi bilo da uzorakima preko 150 sludaievada po bude najmanjepet sludaieva svakojpromenliivoj(videtiraspruvuu koraku 1, u prethodnomdelu poglavlja). Da 2. Podobnostkorelacionematrice za faktorizaciir't. bi bila podobna za faktorsku analizu, korelaciona matrica bi trebalo da ima barem deo pokazatelj trebaloda bude stabi veiih od r = 0,3. Barrtletov korelacija tistidki znataianvz p < 0,05, a Kajzer-Mejer-Olkinovpokazatelliednak ili ve6i od 0,6. Te brojevetreba navestiu rezultatima faktorskeanalize. na 3. Linearnosf.PoStoje faktorska analizazasnovana korelaciji, pretpone u stavljaseda su promenljive linearnojvezi.Svakako bi bilo moguie nacrtatii proveriti dijagramerasturanjasvih parovapromenljivih.Ta'nasumiino izaberei proveri' bachnick i Fidell (2007) predlazu da se neka kombinacijapromenljivih.Ukoliko se ne poiavi iasandokaz nelinastaviti,ako su doveze,najiei6e je bezbedno nearne(krivolinijske) uzorkai broj sluiajevapo svakojpromenljivoj(videti1. voljni velidina pretpostavku). 4.Netipiine taike medu analiziranim sluiaieuima. Faktorska analiza poume da bude osetljivana netipidnetadke,pa bi u sklopu procesa podataka(videtipoglavlie6) trebaloda proveriteda li detnogdi5ienja ih ima; ukoliko naidetena letipidne taike, uklonite ih ili reiifrujte na vrednost. manieekstremnu

vrlo malo ili nimalo


1 .-zarnteresovano 2.-uzrulano 3.-prestravljeno 4.-ponosno S.-posramljeno 6.-odludno 7.-aktivno

malo

umereno

prilidno

izuzetnomnogo

-8'-ucveljeno 9'-snaino 1O'-odbojno 11'-razdraZliivo 1 2'-nadahnuto 13.-pa2ljivo 14.-uPla3eno

1S'-uzbudeno 16'-kao krtvac 17'-oduSevljeno 18'-dilo 19'-nervozno 2O'-usplahireno

postupak, otvorite meni Edit i u niemu izabe' Prenego 5to zapodnete slededi rite stavku Opiions; treba da i" potvtd.no polie No scientificnotation for small numbersin tables.

analize Postupak faktorske

(1. Postupak deo)


1. U glavnom menijuna vrhu prozoraotvoritemeni Analyze, u njemu izaberite stavku Data Reduction, pa pritisnite Factor. (ili 2. lzaberite sve potrebnepromenljive stavkena skali).U ovom sludaju'ja bih se sastoji skala PANAS (od pn1 do pn2O).Prebacite izabralastavke od kojih ih u polje Variables. dugme Descriptives' 3. Pritisnite U odeljku statistics treba da je potvrdeno polje Initial solution. U odeljku Correlation Matrix, izaberite opcije Coefficients i KMO and Continue' Bartlett's test of sphericity' Pritisnite

(PANAS) osecanja i Slika 15.1 Skalapozitivnihnegativnih

skala pozitivnih pii""i* fol,t f"ttto"ttu strukturu in-ra Primer istraZivadkog scale' PANAS)? Proila i negativnih or"er.,|u'fnositiue *.,t1 Negative Affect (pozitivnooseianje/negaod ukazuju n" ,truktr.rrr.t dia faktora istraZivanja rra ovoi studiii' upotrebljenoi uzorDa tivno oseianie). Ii-iestr,rktu'askale-u s saglasna prethodnimistraZivaniima? ku postojeie'zajednice,

Kratak pregledfaktorske analize

4. Pritisnite dugmeExtraction. neku components(ili izaberite Method trebada pi5ePrincipal U odeljku faktora, recimoMaximum likelihoodtj. metodu drugutehnikuizdvajanja verodostojnosti). maksimalne poljeCorrelation Analyzetrebada je potvrdeno U odeljku matrix. pritisnite trebada je potvrdeno poljeUnroDisplay, Screeplot; i U odeljku tated factor solution. radio-dugme Eigenvalues Extracttrebada je izabrano over 1, ili, U odeljku pritisnite kadaZeliteda zadatebroj faktora, Number of factors i upi5itetaj broj.Pritisnite Continue. DirectOblimini pritisnite 5. Pritisnite dugmeRotation. lzaberite Continue. 6. Pritisnite dugmeOptions. Excludecases pairwise. MissingValues,pritisnite U odeljku pritisnite DisplayFormat, U odeljku Coefficient Sortedby size i Suppress 0,3. da absolutevaluesless than_. U to poljeupi5ite Toznadi ce bitiprilakSe kazane samofaktorske teZine veceod 0,3.da bi se rezultati tumadili. 7. Pritisnite Continuei zatimOK (odnosno duomePaste da bistekomandu snimili SyntaxEditor). u generi5e komandu: Ovajpostupak sledecu FACTOR / V A R I A B L Ep n 1 p n 2 p n 3 p n 4 p n 5 p n 6 p n 7 p n 8 p n 9 p n 1 0p n 1 1p n ' l 2 S p n ' 1 3 n 1 4p n 1 5p n l 6 p n 1 7p n 1 8p n 1 9p n 2 0 p pn1 /ANALYSIS pn2 pn3 pn4 pnS pn6 pn7 pn8 /MISSINGPAIRWISE p p p n 9p n 1 0p n 1 ' lp n 1 2p n 1 3p n 1 4p n 1 5p n 1 6p n 1 7 n 1 8p n ' 1 9 n 2 0 KMO EXTRACTION ROTATION /PRINTINITIAL CORRELATION /FORMAT SORTBLANK(,3) /PLOTEIGEN MTNEIG ) TTERATE(2s) /cRrTERrA EN(1 /EXTRACTION PC /CRITERIA RATE(25) ITE DELTA(O) /ROTATION OBLIMIN /METHOD:CORRELATION .
Evo kako izgledaodabranideo rezultataprethodnogpostupka.

PN2 PN3 PN4 PN5 PN6 PN7 PN8 PN9 PN1 O PNl I PN1 2 P N 13 PN14 PN1 5 PN16 PN1 7 P N 18 PN'9 PN2O

1, 0 0 0 -.139 -.1 2 5 .346 -,071 ,352 .407 -,250 . 4l 6

,346 -,141 ,.1 2 0 1.000 ,295 ,331 -.r52 ,396 ".056 , . 17 9

.352 -,127 -.097 .295 -,067 1,000 .329 -.048 .426 .Q77 -.043 ,401 -.090 ,276 ,.099 .396 .451 -.050 ..025

.482 .491 -.1 1 5 .413 -,177 .562 .466 -,148 .,176

5 ,31 ,329 -,1 7 0 7 .31 ",121 ,368 .338 -,124 -,171

KMO and Barilenb Test

-Meyer-Otkin Measure SEffin[ Ad6!@ or


874 restotSphe.icity Approx chi-Squa* dt | 3966.539 190

000

lotal Variance Erclain6d Extraclh'n Sums ot Sou{6d Cumulative 06 31 249 44.224 5 4 . 3 4I 60.130 64.619 68,546 72,201 75,476 Tolal Loddinos

iomponenl

Iota I 6.250 3,396 1.223 1,1 8 5 ,898 ,785 .731 .655 .6s0 ,60!

?,6 Varianc ol

31.249 16.979 6,13 l s,788 4,430 3,926

6.250 3.396 1,223 '| ,'158

3l,249 16,979 6 , 11 3 5,788

31,249 48.22A 54 341 60 i30

.499

t3

.491 I

3.248 3,004 2.92a 2,4ss I zasal


r,s64 r.B75
I

78,724 41.728 84.656

..gc I
,375 I

| | I

,33r J ,2ee I
r9 ,o ,2e3
,175|

1.4e6

'2x I

| 1,414 I 1 . 1 1 7|

erq I

e1.s71 | e3.446 | e5.100 | e6,5s5 | e8,0r0 | ee,126 | 100.000 |

a r . r sIr es,ooz I

ettractm Method: ftincrgal Component Analys6

190

tj"!9 nlla Deo lV: Statistidke tehn ike za istraZtvan;tuut"litYlu-.lp

.l Poglavlje 5: Faktorsk analiza a

191

Pattern Matrixa Component


1 z ,oJo

G
c

p u

C o m p o n e n tM a t r i x a

474 ,404 ,621


-.o lq

.420 .323 ,413 ,381 .408 ,449 456 ,497 .545 .366 .459 ,483 .437

.609 ,607 ,600 -,591 -,584 ,582 -.569 -,554 -.545 4 .47 ,477 .432

pn17 pn12 p n l3 p n1 8 p n1 5 pn1 pn9 pn6 pn7 pn4 pn3 pn14 p n1 9 pn2O pn8 pn1 0 pn1 1 pn2 pn5 pn16

,795 ,735
7at

,721 ,708 ,638 604 578 531 ,909 ,8BB ,799 ,677 ,477

,434

413 BOB 707 473 ,830 ,773

Rotation Method:Obliminwith KaiserNormaliiation. a. Rotationconverged in 8 iterations.

Extraction Method : eiiffisrs.

Tumadenje rezultata
Kao veiina ostalih SPSS procedura, i ova daje mnogo rezuhata.u ovom odeljku,proveiiu u", kro, kljudni deo potrebnih informaciia.

Korak 1
Kako bisteproverili da li je skup podatakaprikladan za fakrorskuanalizu, pogledajteda li ie vrednosrpokazatellaKaiser-Meyer-olkinMeasure of (KMO) jednakaili veia od 0,6 i au n je vrednostpo_ iliptl:s3d:qu.ug t<azatelja Barlett'sTest of sphericity znatajna (tj. da je vrednostsig. 0,0j ili ovom.primeru, pokazateliKMo iznosi 0,g74, a i Bart'ietovpoi11"i.l: ! <azatelj znadajan = 0,000),te je faktorska analiza je (p opravdana. tabeli U

a E x t r a c t i o n e t h o d :P r i n c i p aC o m p o n e n t A n a l y s i s ' l M

CorrelationMatrix (koja ovde nije prikazanazbog ograniienogprostora), korelaciie koeficijente potraZite iednakeili veie od 0,3 (videti2. pretpostavku). Ako ih u va5ojmatrici nema ba5mnogo, razmotriteda li ie faktorska analizatakvih podatakauopite opravdana'

Korak 2
Da bismo odredili koliko komponenata(faktora) da izdvoiimo, razmotri(ezanimajunas samokompokriterijumu, Po nro deo rezultata. Kaizerovom vrednost 1 ili vi5e.Da bismo odredili koliko dila je karakteristidna nente komponenatazadovoljavataj kriterijum, pogledaiemotabelu Total Variance Explained.Proiitajte brojeveu prvih nekoliko kolona, pod zaglavljemInitial Navedene su karakteristiine vrednosti svih komponenata. U Eigenvalues. ovom primeru) salno prve ietiri komponenteirnaju karakteristiine vrednosti iznad 1 (6,25, 3,396, 1,223, 1,158). Te detiri komponenteobjainjavaju (videtikolonu Cumulative7"). varijanse ukupno 50,13 procenata

rabeli 15.1).

t u."*.i,ir*;';;i::.:l H iil? JT:i"' i' i p';k; ;i,'.,i"1vrecrn t -vvrrv*r L'r ruu ttzoraka 1 sludajnih
brojeva lvideti ;;';

f,$f }ltf p;{+d:# iii;''"'";,'*',rl*:#i{fu U]il*: ,i1;'i,Tlii,?""'1:l'-'ri'"i.ri!i'.-i{"11?*


-..J:.f

r:r,'..e se program Monte Carlo I

;; ;+i"1r #'i]'.X ::g : :,Uflf ,:;:f .l :: "i:1" za<triimosamodvai-:#,"1';';il"'il:"Hi:"::-rff.tistraiivani


Tabela15.1:Rezultati paralelne analize
'l 7/03/2004 1 : 5 8-: 3 2 M A Nurnber varrables. ol ;; Nurnberol subiecls Or, r \ u m D eo f r e p l r c a l r o n s r l0O Eigenvalue 1 z 3 4 5 6 t g 9 10 lr

ij.1.Ji*";:T"'Jtr*{Hf,ilTlJffi j "i,&::if,t:: i111 e +;;.*l.;, -,'r ;; ?j "i" m r :*:;,- d,,i;; ri eu fi;;, :ff m . r, r "".":i

',"H'",:T;;iiff ,oi:*"- uporeclite

.xi11;#'r-'

Korak 3
Videieteda je broj komponenata koje zadovoljavaju Kajzerovkriterijum desto prevelik,pa obavezno trebapogledatii dijagrarn prevoja(Screeplot) koji je SPSS nacrtao. PotraZitena njemu prevojnu taiku. ZadrLavajuse sarno je komponenteiznadte tadke.U ovom primeru,sasvim jasanlom dijagrama na spoju drugei tredekomponente. Komponente1 12 objainjavajumnogo veii deo varijanse preostalih od komponenata. osnovuovog dijagrarna, Na preporuiila bih da se zadri.esamo dve komponente(tj. izdvoje samo dva f'aktora). Postojijoi jednatadkaloma, posleietvrte komponente. zavisnoU sti od kontekstaistraZivanja, njoj bi moZdatrebalo posvetitipaZnju.Ne i je zaboravite, faktorska analiza tehnika istraZivanja podataka,pa su tumadenjerezultatai naiin na koji iete ih upotrebitiprepultenivaiem sudu,a ne bilo kakvim dvrstimi strogim statistiikim pravilima.

Korak 4
Treii nadinodredivanjabroja faktora koje treba zadrLatijesteparalelnaanaliza (takodeobradena prethodnomdelu poglavlja). tom postupkukoristi u U sespisakkarakteristiinih vrednostidat u tabeli Total VarianceExplainedi jod neki brojevi koje morate pribaviti iz jednog drugog statistiikogprograma (koji je napisaoMarley Watkins,2000), dostupnog prateioj \X/eb lokaciji na knjige. Sledite hipervezedo Web lokacije Additional Material i tamoinju komprimovanu datoteku parallel analysis.zippreuzrnite na svoj raiunar. Raspakujteje na ivrsti disk i pritisnite datoteku MonteCarloPA.exe.

RandomEigenva,ue 1.3984 13277 1,2733 1 2233 r,1832 1 1433 1..,052 j.o6z9 .l .0389 1.0033

standardDev :::: :::: .v.e1 ,0236 :]:l w.uo ,0192


n 107

0186
n1q"

12 13 |4
15 .16 t7 i8 19 20

O9 7 1 2 o.93BO o.9os1
0.8733 0,8435 o.B.ro7 0.7804 o . 74 4 g o,/o9o

orSo ,417s
n 1e 7

.o l z9 ,0187
n 1pq

o19o .0194

Watkrns, * M ,r0ool"r".,#, pA Eoapsvc.,'nl;:;;;r"""''tPCArorpararrer anatysis[coTDutersolware] srarecolleop

0 6582 /to3t2oo41b8:bo 1 AM pcAforpararler Anarys s ;l::j:c^1,:

33i:

Pl vl

I ler rrjrYrr I

Poglavlje 15; Faktorska anahza


Communalities

19

vrednosti dobrjenih PCA i vrednosti karakteristidnih u Tabela15.2:Poredenje pragadobijenih paralelnom analizom


Redni broi komponenle Stvama karakteristiina wednostiz PCA 6.250 Vrednost dobiiena paralelnom analizom
1.3984

Odluka prihvatiti prihvatili odbaciti odbacili odbaciti

pn2 pn3 pn4 pn6 pn7 pn8 pn10 pn1 1 pn12 pn'13 pn14 pn15 pn16 pn17 po18 pn19

2
3 5

3.396
I zlJ

1.3?77 1.2733 1.2233


1.1832

1.158 898

1,000 1.000 1.000 r,000 1,000 1,000 1.000 'r.000 1,000 1.000 1,000 '1.000 1,000 1.000 1,000 1,000 1,000 1,000 r,000

Korak 5
poslednjatabelakoju treba pogledatije Vraiamo se na rezultateiz SPSS-a; ComponentMatrix. U njoj su nerotiranefaktorsketeZinesvakeod stavki (promenljivih) za te detiri komponente (faktora). SPSSpodrazumevano upotrebljava Kajzerovkriterijum (zadri.ati komponentedije su kerraktesve ristidnevrednostiiznad 1). Videdete tabeli da veiina stavki ima pristojno u (iznad0,4) za prve dve komponente. velikefaktorsketeZine Vrlo malo stavki uopite ima faktorsketeiine za komponente i 4. To ukazujeda bi reSenje 3 sa sarnodva faktora bilo primerenije.

.543 ,308 .258 .377 .445 ,553 ,cta ,355 .440 ,586 ,s38 .548 .462

Extractron uetnoo FtiiZrEfriiiinl

Anatvsis
Tota, Variance Explained

Extraction mi oi5fri?ei su

Korak6
Prenego5to donesete konadnuodluku o broju faktora, trebalobi da pogledate re5enje detiri rotirana faktora prikazano u tabeli PatternMatrix. Prisa kazanesu faktorsketeLine(veie od 0,3) za ta detiri faktora; komponentaI inra deset faktorskih teZina iznad 0,3, komponenta2 pet,komponenta3 detiri, a komponenta4 samodve.Idealnobi bilo da svakakomponentaima tri ili viSefaktorskih teLina,pa ovo reienje nije optimalno, Sto joi jednom podrLavanaiu odluku da zadrLimosamo dva faktora. podrazumevane Uz SPSS-ove opcije dobili smo reienje sa detiri faktora. Moramo se vratiti i nametnutireieniesa dva faktora.
6 7 I I 10 1'1 12 13 14 15
to

3,396 1,223 1,158 .898


,/65

16,979 6,1 3 1 5.788 4,494 3,926 3.275 3,248 3,004 2,928 2,495 2.456
1,964 1.475 1,653 't,496 1.414 1,117 .874

,731
.o f , 5 OJU

,601 ,586 ,qa .491 ,393


.J/f,

Postupak(2. deo)
dugmeExtrac' iz Ponovite korake 1. dela postupka, nakonStopritisnete sve ali broj2. Pritisnite Continue. tion, pritisnite Numberof factorsi upi5ite Evodelatih rezultata.

,331 .299 ,283 ,223

48,228 54,341 60.1 0 3 64,619 68,546 72,201 75.476 78.724 81,728 84,656 87,151 89,607 s 1, 5 7 1 93.446

nalysis sums of squaredloadings cannot

be added to obtarna total variance

Poglavlje15: Faktorska analiza


ComPonent Matrixa

19

.t
p nr / p nl 8 pn7 pnB pn9 pn1 3 pn1 pn2 pn3 pn14 po12 g pn1 pn'l1 pn2D pn4 pn16 pn5 pn15 pn6 pn10

Component

Structure Matrix
.474 .4U .420 .323 .413 .381 .408 ,449 .456 ,497 ,545 ,366 ,459

,trl9 .639 ,6?1 .614 .609 .607 ,600 .591 ,584 ,583 .582
.l)4

.545 .474 ,357 ,474 .429 ,483 ,477 ,437 ,432 a)a .416 ExlractronMethod PrincrpalComponentAnalysis a. 2 componentsex'tracted

Pattern Matrixs ComDonent


1

2
,aa3 .781 .742 .728 ,703 ,698 ,656
.oJ3

pnl t pnl2 p nl B pn'l3 pn15 pn1 png pno pn7 pn4 pn'19 pn14 pn3 pnB pn20 pn2 pn'l1 pn1 0 pn16 pn5

pn17 pn12 pn1 8 p n1 3 pn1 pn9 p n l5 pn7 pn6 pn4 p n1 9 pnB pn14 pn3 pn2 pn20 pn1 1 pn16 p n l0 pn5

,828 ,763 ,755 ,733 ,710 ,683


A7n ,040

-,338

,605 ,553 ,784


,t.+z

,740 ,737 ,717 ,712 ,66'1 ,593 ,590 ,505

.540 ,B06 .739 ,734 ,728 ,718 .7M ,645 3 ,6'1 .589 .490

Component Correlation Matrix omponent ,|


z

1,000 -,277

xtraction Method Princrpal Componenl Analysis. Rqtatron Method Oblimrn wilh Karser Normalzalron a. Rotation converged rn 6 iterations.

Extraction trrtffi ty",r. Rotation Method: Obtimin xaisei witn rrroirJii"t,on.

-,277 1,000

198

veza izmedupromenlJlvln Deo lV: Statistidketehnikeza istraZivanje

Poglavlje i S: Faktorskaanaliza

199

rezultata Tumadenie (2. deo: oblimin rotaciiadvofaktorskogre5enia)

ovim dvofaktorobja5njen Prvo treba proveriti procentualniudeo variianse prikazan u tabeli Total VarianceExplained.Dvofaktorsko skim reSenjem, relenje objainjava samo 48,2 procenatavariianse,dok ietvorofaktorsko reienjeobiainjavapreko 60 procenata. reienja,treba pogledatitri nove tabelena Nakon'rotacijedvofaktorskog tabelu ComponentCorrelationMatrix (na kraju rezultata.Prvo pogledajte izmeduta dva faktora (u Tu samomkraju rezultata). je data jadinakorelacije -0,277).Na osnovu tog podatka ovom sluiaju, korelacijaje sasvim mala, da treba zakliuditida li ie bila opravdanapretpostavka te dve komponente Varimax rotacije) za uzaiamnozavisne(5toje pretpostavka ispravnost nisu primeniti (ovdeprikazano)reienjeoblimin rotacijom i njegapredili treba staviti u izveitaju. u ovom sludajuje korelacijaizmedute dve komponentesasvimmala, pa da odekuiemo Varimax i oblimin rotacijedaju vrlo slidnareienia'Medutim, jadekorelirane(npr.iznad 0,3), videieteda 6eserezulkada su komponente rati tih rotacijarazlikovati.Tada treba uraditi oblimin rotaciju i u rezultatinienoreienje. ma navesti Oblimin rotacija daje dve tabele faktorskih teLina.U tabeli Pattern Matrix prikazane su faktorske teZine svih promenljivih. Da biste prepoznali znaienjekomponentei dali joj prikladno ime, potraZitestavkes najve6im faktorskim teZinamaza niu. U ovom primeru' glavnefaktorske teZinekom(na ponente1 daju stavke1.7,L2,1B i 13. Proditajte slici 15.1)nazivetih nadahnustavki i videieteda seradi o pozitivnim oseianjima(oduievljeno, (1'9,14,3,8) jesunegaza Glavnestavke komponentu2 to, tilo, paZljivo). U usplahireno). ovom tivna osiianja (nervozno,uplaleno, prestravljeno, bilo lako, ali komponenata znalenjai imenovanje sluiaju je prepoznavanje nije uvek tako. U tabeli StructureMatrix, koiu u sklopu rezultatadaje samooblimin rotaobizmedupiomenljivihi faktora.Kada sepredstavlja cija,datesu korelacije daju se obe tabele' limin rotirano reienieu izveitaju, u prethodnom delu rezukatadata je tabelacommunalities.u njoj su broza deo faktorima obiaSnjen varijanse sv3zajednidkim levi ktji predstavljaju od 0,3) moZdaukazujuna Mali brojevi (npr.manji t' pro-.nljivu (stavku). to da seta stavkane uklapadobro u svojukomponentusaostalimstavkama. reienju,stavkapn5 ima,-u odnosuna Primeraradi, u ovom d'oofaktorskom deo najmaniizajedniikimfaktorima objaSnjen variianse' ostalepromenljive, od varijabilitet(engl.communality) 0,258' a i najmanjufaktortj. zajeinidki posku teZinu(0,49)za komponentu2 (videtiPatternMatrix). Da sebavite merneskale,na osnovutakvih informaciia ili boljSavanjem preiiSiavanjem

stavkubisteizbacilisaskale.Uklanjanjestavkis malim delom vanianse koii je objainjenzajednidkimfaktorima, obidnopoveia ukupnu ,bj"s;;;;, #l] jansu.vrednostizajednidkog varijabiliteta znatno semenjajuu zavrsnosti od broia zadtianih faktora, pa ih je obidno bolje interpretirati ,ruko' odredi_ vania (na osnovudilagrama prevojai paralelne analize) broja faktor" f..;i c. biti zadrLani. upozorenie:U ovom primeru smo dobili vrlo ,dist' rezultat. Svakapro_ menljiva je samopo jednoj komponenri dala veliku f"ktorrk., iezi.,u i ,uikoj komponenrisu brojne promenljivedale velike faktorsketezine. (To je primer 'jednostavne strukture'.)Raspravuotome videti u knjizi koju ,;;;; sale Tabachnick i Fideil (2007, str. 647). NaLaLor,,tuto jednostavan r-ezukat ne dobija za svepodatke.promenljivedestoiaju se umerenovelike faktorske tezineraznim komponentama, .,.ii- t o-po.r.rrr"ma faktorske " teZine daju samojednaili dve promenljive. takvim .iuf"i"ui_", U moZdabi trebalorotirati neki drugi broj komponenara (npr. jednu.ris.i j"dr* manje) da sevidi moZeli se.otkriti.bolje reienje.Kada utvrdit. dn rr.k. promenljive naprosrone daju tezinedobijenimkomponentama, razmisliteo tome da ih uklonite i zatim ponovite analizu.Da biste umeli da donesete takve odluke, proditajte5to viSeo rome-Razumljiv prirudnik za podetnikej" r.";igu koju su napisaliPett,Lackey& Sullivan(2003).

vrsta i kolidina informacija koje treba navesti u odeljku rezultaramenja seu zavisnostiod oblasti istraLivanja,vrste izveitaja koji sepriprema i mestana oblavlien.oni.koji_objavljuju radove iz oblasti psihologije i Iln::_qtti -olri., da zadovolje.stroge zahteveu pogledu ob"u.inog ?ij?!i,\^Ir":, saqrzala clanka o istrazivanjukoje obuhvata faktorsku inlliru.Treba nave_ sti pojedinosti o uporrebljenojmetodi izdvajanjafakrora,kriteri;umima pomodu kojih je odreden broj faktora (medu njima obaveznoi paralelnoj vrsti rotacijefaktorn (npr.Varimax, Oblimin), ukupllllll=:q:trebljenoj rrol varijansi,podetnimiznosimakarakteristidnih .obJasnJenoj vrednostii izrrusrma nakon rotaciie. tr1b1 prikazati sve faktorske teZine(ne samo one iznad 0,3). Varimax rotacijom, tabelu treba nazvati,faktorske ""11?:?-t""o ctobr;eno ;^::"_l:,t.t..n;e k.orelacije promenljivih i faktora'. Ukoliko je reienje do_ ;:i:::,^|?:_"cr;enti oor:-11 roracijom,rrebazasebno navesri faktorske trijn" i koeficii ,^:':: ^rrte Koret?crre promenljivihi faktora (mozei u istoj tabeli, kao dole), te koeficijente medusobne korelacije faktora.

Predstavljanje rezultatafaktorske anarize

u gornlem prllneru mogli bi se Predstaviti Rezultati faktorske analize ovako: and NegativeAffect oseianja (Positive i nugutiunih 20 stavki skale pozitivnif

Tabela 1: Matrica faktorskihte2inai koreracija promenrjivihi faktoraza pcA sa oblimin rotacijom dvofaktorskog reienja za stavke skate pANAS
Stavka FaktorsketeZine Koeficijenti korelacije promenljivih faktora i Deo varijanse objaSnjen za;ednidkim faktorima

nli;::::^Tf"i:-H:Ji-",1'.l pANAs)j" scare, biro il;il::lt:" u];r-" li; podataka prikradnost ocenjena eC{ l;ffi;';j;
;:ifr 53i3:Jil:
je matriceotkriveno mnogo koanalizu'p'"gi"ao* korelacione za faktorsku inovog pokazatelja vrednostitSY "*"' Ut"9::"..:*"t-Mejer-Okl eficijenata 1970' 1974)'I O'O(Kaiser' bio je 0,8?,5to premaSuielregolu6;1y,Yt",!no"t statisti6ku znadajnost' je (Aunl"u' 1954) dostigao test sferi6nosti Bartletov matrice' korelacione Sa ."" ,l-uje na faktorabilnost s komponente karakdetiri otrrila prisustvo 1e an1o"""""l glavnih Analiza i S'aVo 31 preko1' kojeobja5njavaju '"'-':,tll'^2'^Ut'1% vrednostima teristidnim tadke je postolanje_jasne utvrdeno pregredom iiiugr"." prevoja, varijanse. (1966)odludekriterrjuma Katelovog lomaizadrugekompo;;;"' Na osnovu i To komponente' su podrZali rezulzadr2edve no je da se za daljei"t'"Ziu"ni" vrednosti karakteristi6ne 6ije sa analize, samodve komponente tati paralelne mavelike pomoculednako iil u'"Ano"tipragadobiiene oogouuraf prema5uju 435 (20 brojeva promenljivihx ispitanika)' .. iricesluiajnih
17 odu5evljeno 12 . n a d a h n u t o 18.dilo 13. paZljivo 15. uzbudeno 1. zainteresovano 9. snaZno 6. odlu6no 7. aktivno 4. ponosno 19. nervozno 14. uplaSeno 3. prestravljeno 8. ucveljeno 2O. usplahireno 2. uzr$ano 1 1. razdrailjivo 10. odbojno 16. kao krivac 5. posramljeno

Komponenta Komponenta Komponenta Komponenta I 2 2 -0,0.1 0,825 2 -o,241 0,828 o,781 o,067 -0,1 9 0,763 4 -o,047 o,742 -0,253 0,755 -0,020 0,728 -o,221 0,733
I

0,686 o,586 0,572 0,538 o,462 0,505 o,475 o,377 o,445 0,308 0,620 0,548 0,543 u,cc3 o,507 0,51 6 o,440

0,703 0,698 0,656 0,635 o,599 0,540 0,079 -0,003 -0,01 0 -0,052 o,o24 -o,o47 -0,057 0,080 -0,013 -0,055

0,119 -0,043 -n no" o,107 -o,172 -0,045 0,806 0,739 o,734 o,728 o,718 o,704 0,645 0,6r3 0,589

0,710 0,683 o,670 0,646 0,605 0,553 -o,144 -0,253 -o,207 -0,213 -o,242 -0,1 5 7 -o,236 -o,176 -0,090

-0,236 -o,278 -o,076 -0,338 -o,069


-n 10F

O.U' objasn ukupno ?tfl:liifl:?' ?t:?il: Todvokompon"ntno'"Sunjeilo1e 17'00/o' a 2' 3i,256/o' komponente Dabise'akse j" #il"s;'.t;;;""te

je sprovedena obliminrotacija'Rotirano te protumadile dve komponente' 1947) pri 6emu (Thurstone' ' je f"J""i1."1'"estrukture re6enje otkrilopostoj-anf" o b e k o m p o n e n t e i m a l u m n o g o v e l i k i h f a k t o r s k i h t e dvea i s v e p r o m e n | j i v e d a j u te 2 i n komponente Tumadenje samopo l"anoioOkomponenata' teZine znatne pri skalePANAS' demusu stavke istraiivanjima s biloje saglasno prethodnim osenegativnih 1' a stavke komponenti teZine dalevelike osecanja pozitivnih negatlvna slaba postoji faktora dva 2' komponenti lzmedu.ta te2ine velike canla kore|acija(r:-0,28)'RezultatioveanalizepodrZavajukoriscenjestavkipoztkaoStosu skala' zasebnih oseialJl.uobliku negativnih i osecanjastavki tivnih or"afoZifiautoriskale(Watson,Clark&Tellegen'1988)'

0,784 o,742 o,740 o,737 o,717 o,712 0,661 o,593 0,590 0,505

0,352 0,258

U i z v e S t : r j u t r e b a n a v e s t i i m a t r i c u s v i h f a k t o r s k i h t e Z i n a ( nreSenieo n i h esamo i faktora. ukoliko ie od 0,3) i matri* L"r"L.,i" promenliivih veiih navestii faktorsketeZinei kodobiieno oblimin t;;i;;'-;;i.11"ttr'"3 kao dole)' te i pr"-."iiitih i faktora (moZe u istoi tabeli, korelacije eficijente faktorsketeZir.o,.r".i;. faktora.Da bistedobili sve m".l.'sobn"e koeficijente (npr' u ovom za odrrbranokonadno reSenie ne, morate ponoviti """li"t ali ovoga puta uz iskljuienu opsluiaju za dvofaktorrt .r-otrti-in roraciiu), (videti odeljaksa opisom pociju da se prikaZu,otno tto"fitiienti-iznacl0'3 uklonite i u odeliku coefficient Display Format stupka). pritisnite d;i.;; lessthan '3' ub'olrrt" values kvadicu iz drugog p"ii", S"ppt""

-0,1 1 0,490 9 Napomena.Podeb|janesug|avnefaktorske,"zin",t.o"tffi

prosrora. ukoriko zerire vidite da objavr;." tr"i"r"?lLo.rt ol o,ru_ ill:tno* Irzr'potraiire na g. http://www-rrqro.."-)."";;3/fi; iri sredite ig-r:ti nlperveze prarec<oi rVeb na
lokacili ove knjige.

Ako rezultare u??li1:predstavljate tezi (zarazliku od dasopisa), u tre_ "u. balo bi da u dodatak ukrjuiiti i d;.;;;evoja i tabelunerorira'ih fakror(iz-ta.bele component ita?rrir.fr"ko bi ditaract"r, jobio lltl-t:''t": priliku oa proveri slazeli se s vaiorn odlukorn d,a zad,rlitern-o du.L*ponenre. rezultarau aasopiruolitno je mnogo krac.e, -.-Predstavljanje zbog ogr:r-

DodatneveZbe
Poiedinostio datotecivideti u Datoteka s podacima:staffsurvey3ED.sav. dodatku. 1. U skladu sa uputstvimadatim u celom poglavlju,sprovediteanalizu (od stavkislaganja glavnihkomponenata oblimin rotacijomza deset sa ViSurvey. anketu Staff Satisfaction do Q10a) koie sadinjavaiu Qla deiete da dijagram prevoia ukazuje na to da treba zadrl'atisamo iednu vrednostiveie od komponentu,iako dva faktora imaju karakteristidne paralelnuanalizuza 523 sludaiai 10 stavki.Njeni rezul1. Pokrenite tati pokazujuda samojednakomponentairna karakteristiinuvrednost velidinudobiienuiz skupasludainihbrokoja premaiujeekvivalentnu samo jeva,5to ukazujena to da stavkeskaleStaffSatisfaction ocenjujtr jednu zajednidku dimenziju(faktor). Zdravstvo o Pojedinosti datotecivideti u dodatku. Datotekas podacima:sleep3ED.sav. oszajednidku 1. Pomoiu postupakaprikazanihu poglavlju 15 istraZite za novu niza pitanja osmiSlienih ocenuuticajaproblemasa spavanjem na razne aspekteLivota.Te stavke su nazvaneod intpactl do intpactT. sluiaj i 7 stavki)da bisteproverili Pokreniteparalelnuanalizu(za 1'21' zadri.ati. koliko faktora treLta

Poslovnookruienje

DEO V
Statisticke tehnike za poredenje grupa

u petom delu ove knjige,istraiujemo neke spSS-ove tehnikeza ocenjivanje razlikeizmedugrupa ili okornosti.Te tehnikesu vrro ,r"t;;. , osranjaju se na obimnu reoriju i statistitka nadela.pre nego sto ,npo!,r.te analizu u sPSS-u, neophodnoje da steknete baremel.-elt"rno rnlr,l" o statistidkim tehnikamakoje nameravate upotrebite. tome uuda U -oz. pomoii *nogo dostupnih udzbenikaiz staristike.(Na kraju r.";rg., ; oirt;tu prepo"u" rudena lireratura, je_spisak dat nekih prikladnih naslovi.iriii" ui dobro da tu gradupregledate odmah.Tako bistelakSe shvatili5taSpSS izradunava, to sra zna(i.i kako protumaditisloZene nizove brojevau njegovimrezultatima. U nlrgfnim poglavljimapretpostavljam vef imare da orroun" znanJao sraristici i da poznaiere njenu terminologiju.

Za ispitivanjeznadajnihrazlikaizmedugrupa posroji ceo niz rehnika.programski paket SPSS sadrzi mnogo rtntir"titkrh t"hrril", a ovcleiu obraditi samoone glavne,i to i parametaiske par:amerarske i neparametarske. tehnina viSeprerpostavki populacijiiz koje je izvuden o uzorak (npr. :: su rezultati qa l_otlu'rl normalnoraspodeljeni) iprirodi tih podaraka su mereni (da na intervalnimskalama). Neparametarske tehnike,r.-nj,., ,"ko ,rrog. pr.rp-ostavkedestosu prikladnije i ,a male uzorkeili kada ,,, prit uptl"ni podaci tzmereni samo na ordinalnim_ skalama(diji se iznosi -og., ,u.riirati). u narednoj tabeli dat je spisaksvih tehnika obradenih, ouoi, pogr?ur,".

Tehnike obradeneu petom delu knjige

obraekuiualenata Lista Pdrdmetarskih tehnikai niihouih neparametarskib denilt tt Petom delu


hi-kvadratza kvalitet aproksimacije (fitovanja) hi-kvadratza nezavlsnost T-test nezavisnihuzoraka

Pre nego 5to se upustimo u istraZivanje nekih dostupnih tehnika, treba razmotriti viSe zaiednitkih pitanja. Te teme ie biti ,"i"uorrrn" za mnoga poglavlja iz ovog dela knjige, pa iete se vraiari ovde kako iud"t. prorazili kroz ostatak knjige.

Pretpostavke
Na nekim opitim pretpostavkanapoiivaju sve ovde razmotreneparame_ tarsketehnike(npr' r-testovi,anarizivarijanse), p";.;;;.lnike sezasni_ " vaju i na dodatnim P::.?:::""k"ma. opSte pr.tport"uk. fr"artuull"-o u ovom poglavlju,a specifidnije pretpostavk.,,, nut.anr- p.ri"rrii-",';;';": trebi. Trebalo bi da.sevra6arena ovaj uvod kudn bui"ti plii''..,;ruuri neku od tehnikapredstavljenih petom delu knjige.Rnr-ur.u.,i" u fostupaka pro_ verezadovoljenja pretpostavkivideti u rntn'.h.ri.t r Fil;iij;;07,4. pogra_ vlje). Dalie razmatranjeposledicanarusavanja tih pretpostavkivideti u knjigama srevens (199G,6. poglavlje) Grass, p".kh"ir-id";;;r, i l97z).

U Man-Vitnijev test
Vilkoksonovtest ranga

grupa ANOVArazliditih Jednofaktorska


Jedno{aktorskaANOVA ponovljenih meren1a Dvofaktorskaanalizavarijanse (razli6itihgrupa) analizavarijanse(MANOVA) Multivariiaciona

o tome koia ie U poglavliu 10, provelasam vas kroz procesodludivanla pitanie' Odgovor se ,tutiriidfu teirnikaprikladnaza konkretno istraZivadko podatakana raod -.n;" u zavisnosti prirode istraZivaikogpitania' vrste (Ako dosadnisteproditalito poglai spolaganiu broja promenliivihi grupa' Evo kliudnihtadakakoie ,i.U"to bi .la ro uraditepre nego5tonastavite.) ui;., tehnika: tr"bu i-"ti u vidu kada se tiaZi prikladna stzrtistidka kada imate samodve grupe(npr.muSkarci/ . Tttestovr upotrebljavaju se posleintervencije)' zene)ili dve taike u vremenu(npr.pre intervenciie, .Tehnikeana|izevartjanseSeLlpotrebljavajukadaimatedueiliuiie grupa ili tadakau vremenu' se . Tehnikeuparenih uzorakailiponovljenihmereniaupotrebliavaiu za tlikada imate upareneuzorke' testiranjeistih liwdi u uile naurata, se uzorakaupotrebliavaiu . Tehnike analize razliiitih grupa i nezavisnih kadasusubjektiusvimgrupamarazlit.itiljudi(||inezavisni). kada imatesamoiedse . Jednofaktorskaanalizavarijanse upotrebliava promenljivu(npr' pol)' nu nezavisnu . Dvofaktorskaanalizavarijansese upotrebljavakada imate dvenezdgrupa)' (pol, starosna uisnepromenliive analiza) zavisnihpromenljivih(multivarijaciona . Analizavarijanse viSe upotrebljavasekadaimateviSezauisnihpromenljivih(anksioznost' depresija). se (ANCOVA) upotrebljava kada treba stzrtistidki . Analiza kovarilanse to"iti) uticaj dodatne, remetiladkepromenliive kola kontrolisati trr't promenljive' i nezavisne zavisne utidenelvezu izmeclu

Nivo merenja
za sve parametarske prisnrpe pretposravk je da se zavisna a promenljiva meri na intervalnojskali (pa rastojanja izmedubrojc:anih ur.Jnorri odgovaraju rastojanjima izme'du obeleZja kola semere).Dakle, upotrebljava ne_ se prekidna skala,a ne dis.krerne kategorije.Kad god ;. ," -rsrce pririkom projektovan istraiivanja,pokuiajtJ'dn ja upotr"bite neprekid'J'rr"r. zavisne promenljive, ne kategorijske. a Tako stidete moguinost upotrebe veieg broja tehnika analizepodataka.

Parametarsketehnike obradene u petom delu knjige zasnivaju se na prerpostavci da su rezulrati dobijeni iz sludalnog uroik"u pop,rln.ij.. u stvarnim istraZivanjima ta pretpost"uku d.r,o nije zadovoliena.

Sludajnostuzorkova nja

wpservaciie koiih se od sastoje podacimoraju biri uza jamnorrezavisrre,ni rj. op-servaciju merenje r-. ;;i."ti ili nijednadruga opservacija i1l:dl" ili "; ove pretpostavke ima vrlo ozbiljneposledice; raspravuvi_ iliiil,f:,Y.enie (r996, str.238). U brojnim istraZivadkim situacijama, il:::y',]^5rwensa "rJr 5cprerpostavka nezavisnosti. nastavku o u dajemprimeretakvih studija koje su napisatiSrevens, 1996, st'r.;;;r-ier^retter & S;;lr-"*11]<niisa wallnau. 2004.str.2.5 ): | ' Istrazivanje uii'ka studenara koji rade u parovimaili malim grupama. Ponaianjesvakogilana grupe utidena sveostale dlanove tako sekrli i Pretpostavka rrezavisnosti. o

Nezavisnost opservacija

206

UeO

V: JIatlStluKE

LvrrrrrAs4s yv'vsv"J-

Y'st/s

TV-a' kada su d:t: vezis gledaniem navika i preferencij". o IsrraZivanie -tdetetau porodici (kole' recimo' decaizi'tt po'odil"''lo"oSu"i" iednog osralu decu iz te porodice;zato su-" gledaprogr"l ^i;lli:*: "'id"'"" nisu opservaciie nezavtsne' :^.^:..: njihovog rrtic n:r po: i -;ih^.rno utrcala *t'oJn pouiavanja u uiionici . Istra7,ivanl" stumalog brola problematiinih i ,di"ak si"d"ttutu' Prisustvo naianie ponaSanjai uiinka t;" ostale; '"'o #t""ja denata *ozt ''"it"li;; nisunczavisna' poledinaca prikupliaiuu grupili merenia u koiol se opscrvaciie mogu Za svakusitr'racilr'r poi"'g"ttti.nekom obliku interakciie' (hiienom okruZenluili '" 'Jltftit nivoa l";ito ie modelovanieu viSe biti potrebn" ,p.tifit"il'Ji;;i[t' uobitaien u istraZivanitll^\:,':obuhvataiu rarhiisko).Tai pristui'';';;;" razliiitim gr"d""i*1; ili studiies paciientima' decuu udionici," 5k#;;; tt gtndu ili zemlii'u'de o medicinskim.p"tiiuti'i*;';;;;t;tili/kancelariii' i Fidella (2007\' [";igt Tabachnicka tonre videti ., rs' pogiffi Normalnost raspo.deleiz ,. -.-t*^+^samo kada su populaciie koiih tehnike daju tadne rezuftate u Parametarske (narodito U mnogim istraiivaniima su uzorci.rr.,i t'o'-il"t'*tn"atfiene' raspopromenliive druStvenimnu,rtn'tuj,-urednostj'":::" naruiavanie ti' lt::.:::"lno ove pretfe prilidno robusna' Sreiom,uteill;;h;i[" deljene. tt"'ltota' Kada su uzorci dovolino postavkeprouzroKuiemalu netadno't rrt Ol:l"iif"'1:

Greika prve vrste,gre5ka druge vrste i moc testa


T:testovi i analize varijansi sluLe za ispitivanje hipoteza. U toj vrsti analiza uvek je moguie doneti pogreian zakljudak. Mogu se napraviri dve razlidite greSke.Kada odbacimo nultu hipotezu kola je u stvari tadna, radi se o greici prve vrste. To se delava kada zakljuiimo da izmedu grupa postoji razlika, a ona zapravo ne postoji. Verovatnoiu te greike minimiziramo tako 5to izaberemo malu vrednost alfa; naldeiie se koriste vrednosti 0,05 ili 0,01, tj. svesno rizikujemo da jedanput u 20 odnosno 100 sludajeva odbacimo nultu hipotezu (o nepostojanju razlike) kada je tadna. U ispitivanju (verifikaciji) hipoteza moZe se napraviti i druga vrsta greSke, kada ne odbacimo pogreinu nultu hipotezu (tj. kada zakljuiimo da izmedu grupa ne postoji razllka, a ona zapravo postoji). NaZalost, te dve greike su obrnuto srazmerne.Sto viSesmanjujemo verovatno6u gredkeI vrste, poveiavamo verovatno6u da iemo napraviti greiku II vrste. Idealno bi bilo da se pomoiu upotrebljenih testova tadno utvrdi postoji li zaista razhka izmedu grupa. To je tzv. moi testa, tj. verovatnoia da se otkrije postojeia razlika, odnosno da se ne napravi greSka II vrste. Testovi se razlikuju po svoioj moii; recimo, kada su njihove osnovne pretpostavke zadovol;'ene, parametarski testovi (kao 5to su t-testovi, analiza varijanse itd.) potencijalno su moiniji od neparametarskih testova. Medutim, na moi testa u datoj situaciji utiiu i drugi dinioci:
a a

p"tpo'tnuk" p,.oo'dtlp'J'*tii"l' k'i"nit ou" (npr' veliki rezultataza svaku grupu moze'se
li"tp"a"la "lii;;;;;"-".'koi prouzrokuie""t" o;;;;;t' menrla i se crtaiu p:*::: ?.lil;""* knlizi Taproveriti pregteoom videti u opis tog-procesa Graphs (vrdett' #i;;;ti"p"atr'"iii poglavtlel' i bachnicka Fidella(2007'4'

veliiina uzorka; veliiina uticaja istraZivane azlike izmedu grupa. tj. Lrticaja ezavisne n r promenljive; i alfa nivo (rizik grelke I vrste) koji je zadao istraZivad (npr. 0,05/0,01).

variianse Homogenost

da str temeliese na pretpostavci paramerarsk.,.n"il;''lr'orrog d.l" kniige da ie promenliivost vu"l1"rrti.'ioznadi uzorcidobiienii, p.p"r".i;ai"ednakih r'rskloptt zu irii,iunnje te homogenosti rezultatausvim ,rd;;;d'""1*. varii anst' osrrntl. L*eneov test i ednakosti r t_tesrova analiza#, "*t,'ioii Niegovirezultati"tdtosPSS-ovogizlaz'azatetehnike'BuditepaZljivitttu(ti' da mu t9 q" n"r'" zateliniie znliaian to maienju rezultatat;t;;;;# manju od 0'0-5'. aoL'tiiit"znadai.tost znaiajno,t ,nto'-JdOlbjl. f"J" o hoie ne vaZi pretpostavka na""r'e i da ;:t;';;J;; znaii davariianse 1e "itt dogodi' Analizavariianse tanl seto u"'i,u"'l' tit ;;;"tiJ; k"i" mogenosti ukoliko su veliiine grupa te'prerpostavke na prilidnoneosetlllva naruiavanie Ut-te1'5; Sttt'"ttt'1?96'str'249)' (npr-naiveiainaimania'= pribliZnosliine u koiima pretpostavka Ieaanza'situaciie ,to.,,im"dobiiate d;;;il;;;il;;"' samoupotrebiteonal kada lest::U '"- sluiaiu' a, niie naruSen a drugi -zaone podacrnra' ,k.rp ,""rrlt"ta koii odgovara

u Mo6 testasejako menja u zavisnosti velidineuzorka upotrebljenog od studiji.Stevens (1996)tvrdi da'moi ne predstavlja 6)kada ie problem'(str. uzorakvelik (npr. 100 ili viSesubjekata). na Medutim, u istraZivanjinra n.ralim uzorcima(npr. n=20) morate biti svesnimogu6nosti neznadajan reda zultatmoZebiti posledica da (1996)predlaZe nedovoljne moii tesra.Stevens seza malegrupepo potrebipoveia alfa (riztk greSke vrste),npr.na 0,10 ili I 0,15 umesto uobiiajenih0,05. Postojei tabele (videti Cohen, 1988) u kolima se rnoZeoiitati veliiina uzorkapotrebnaza odredenu(dovoljnu)mo6 testa,za datv veliiinu uticaja razlike kolu Zeliteda otkrijete. Sve viSeje i softverskihprograma koji to umeju da izradunayu (npr. G"Power, dostupanna adresi http://www.psycho.uni-duesseldorf .delaaplprojects/gpower/). I neki SPSS programi izraiunavaiu mo6 obavljenogtesta,vodeii radunao velidiniuticaja razllkei velidiniuzorka.Idealnobi bilo da imate 80 procenata Sanse otkrilete postojanieveze.Kada dobiiete neznadajan rezultari da

imate veoma mali uzorak, trebalo bi da pogledate moi upotrebljenog resta. Uz moi testa maniu od 0,80 (BO procenata Sanseda otkrijete postojeiu razliku), treba paZljivo protumaditi razlog neznadajnostirezultata. Ona moZe biti posledica nedovoljne moii testa, a ne nepostojanj:r razlike izmedu grupa. Analiza mo6i pokazuje koliko poverenja treba imati u rezultate kada se ne odbaci nulta hipoteza o jednakosti grupa. Sto je veia moi testa, to viie tada treba biti uveren da stvarna razlika izmedu grupa ne postoji.

Pfani rana poredenia/naknad analize ne


Analizom varijanseutvrdujete da li postoje znatajne razlike izmedu raznrh grupaili okolnosti.Katkadaie vaszanimatida li segmpe kao celinarazlikuju (da li nezavisna promenljivana neki naiin utidena vrednosti prozavisne menljive).U drugim istraZivadkim r.rsredsrediiete viSena ispikontekstima se tivanje razhka izmedu pojedinih, za razltku od svih moguiih, grupa. Vodite radunao toj razlici, poito seza svakuod tih namenakoristi drugadijaanaliza. Planirana(rli a prioril poredenja slui.eza ispitivanjekonkretnih hipoteza (obidnoizvudenih teorijeili prethodnihistraZivanja) vezis razlikamaunuiz u tar odredenogpodskupagrupa (npr. da li segrupe I i 3 znatajnorazlikuju?). Ta poredenjatreba specificirati(isplanirati)pre nego ito analiziratepodatke, umestoda pecatepo rezultatimau nadi da 6etenaii neStozanimljivo! Ukoliko nameravate specificirate mnogo razliditih, ali istovremenih da poredenja,moraiefe postupati pailjivo. Planiranaporedenjane uklanyaju povedani rizik od gre5aka vrste,koji je posledica I velikog broja paralelnih hipotezakoje se ispituju. Gre5kaI vrsteznadiodbaciti nultu hipotezu(npr. da nema razlike izrnedugrupa) koja je u stvari fadna.Drugim reiima, poveian je rizik da 6eternisliti da steotkrili znadajan rezultat(razliku),a on je je zapravosasvirnsludajan. Kada istraZujete veliki broj razlika, bezbedniji drugadijipristuptj. naknadna(post-hoc a posteriori)poredenja, lIi koja Stite od greiaka I vrste. je Treia mogudnost da na alfa nivo (rizik greSke vrste)koji 6eteupotreI biti za procenustatistidke znadajnosti, primenitetzv. Bonferonijevo prilagodenje.To znadi zadatrstroZialfa nivo za svakoporedenje, bi alfa u svim da testovimazajednoostao na razumnom nivou. To se postiZedeljenjemalfa nivoa (najieSie0,05) brojem poredenjakoje nameravate obavite;zatim da se ta nova vrednostkoristi kao zahtevani alfa nivo. Primeraradi, za tri na' poredenja meravana novi alfa nivo bio bi 0,05 podeljenos 3, ito f e jednako 0,017. Raspravuo tome videti u Tabachnick Fidell (2007,str.52). i Naknadna (post-bocrIi a posteriori) poredenjaupotrebljavajusekada L,e' razlike izmedu svih moguctih lite da obaviteceo niz poredenja, istraZite tj. taj grupa ili uslovau studiji. Ukoliko odaberete pristup, analizatreba da se koji kazujeima sastojiod dva koraka. Prvo seizraiuna ukupan F pokazateli li znadajnihrazlika izmedu grupa u projektu. Ako je ukupan F pokazatelj

,"r, ,r"irio znadajne ra_ zliditosti" (engr.Honestty,sig,nificant Diffnrerr, ilsorlsJ.Jv (scheffe)test. od ta dva, sefeovtest je bez-bednija -.io,Jo ,^' ,^^ri4ri1.'*ir." od greike I vrste.Medutim' to seplaia u moii. Tim tesromje teiil-ur,'" u"-varno) ot_ kriti stvarnopostojeiu razliku ir-.dr-grupr.

pretpostavli.o"if::', j t:nr. o,,3,,;tt." " na Iil, tesrovi-n ,.y Tukejev a ;;;." Meclu jdeiie upotrebliavanim naknadnim: 1,.r-

,lfiJ*:T: koju utoliko teZe postiii. Kocrrnarihu;;;"k"';" ume <rabude problem,zaro iro je ponekadvrio teiko dobiti ,""tri""l?rurtut, i"k i kada je vidljiva razlikau rezulfarima izmedugrupa veomavelika. posrojei brojni testovikojile *rra;;;;;;,ilo;p,i,odi i stro_ gosti' Razlikujuse1{n1dni i pretposravke k.jima sezasnivaju. na Li nekima seprer_ posravljada su varijansed11 grupe jednaf." t"pL f"f.:;l;, drugima se ne

broja raztiiitih porectenlr.; ;;il zr-y$,^:i;';:;ifit ft je znadajnosr,

zna(ajan(Stoukazujeda postoji razlika grupa), mozerenasraviti ir-.{: obaviti dodatneresrove zaldentifikacijutih razrika(;;.';;i, se Grupa 1 ra_ zlikuje od Grupe 2 ili Grupe 3, da li serazlikuju Cil; ; L.upu 3). Naknadnaporedenja itite od moguie greikeI ,rrrtJ k;-".

Velidina uticaja
Svetehnike razmotreneu ovom d_elu knjige pokazuju da li je razlikaizmedu grupa statisridkiznaiajna(tj. nesludajna). zaveiinu rr,ruziurtn i studenata nastupi trenutak uzbudenjakada utvrde da su njihovi rezuitati statistiiki znatajni! Medutim, istraZivanje znadivile od dobiiarr;u,rrriJtr." znaiajno_ sti' verovatnoia ne pokazuje *.p." f"".zanosri promenrjivih(jadinu veze). Kada su izradunateza verik-e urork.i t"t i .,rrto-nr" .uriit . ir-.d,, gr,rp, postajn statistiiki znaiajne.To n" rnndi da;e imala,ikakvupraktidnuili t.orllskr;;;;"r,. ta ruzrikadovorjnovelika da bi Jedanod nadinada ocenite;"t"";;';;.jih rezultatajesteda izradunare velidinu uticaja (engI..effect tir"l, ri. iuiiu ,r"r. izmedu promenljivih. To je skup pokazateljakoji pokazuje ;.1";i";,r veriiinu razriia ir*"a, sredn,ih vrednostiili iznos ulupn. ,r.iir*.', ,"uirno, promenljivoj koli se moZe predvideti na osnovu poznavanjavrecrnosfi nezavisne promenljive (Thbachnick & Fidell, 2007,str. 54). Ima viSepokazatelja,.yriieilg uticaja- Za. pored.enje grupa najdeiie se aiu pokaz.atelji proarot i Koenoud. parciiatrri .11otte!fi1v spss izradunava parcijalnieta kvadrar "io u ,kropu analize varijanse, n. i u ,klopu t_testo_ ari va; no, to je lako izradunati ,-,"tr.ouu drugitrnjeg;;ii;;;rl;". Pokazateljveriiine uticaja parcijarni .. eti kuadTatr;r;;;;;; je deru va_ rrlansezavisne nromenrjive koii ie objainje' n.rr";r;;; promenrjiuom. Moie imari vrednosri opsegu 0 u od do i. s irug. ,,rr';;,";;:;;rd predsta_ vrla razrikuizmedug,rupaizraienu brojemstandardnih pazire odstupanja. ca ne pobrkatete pokazatelje kada budete tumadilijadinuveze. Adresaweb

210

grupa tehnlkeza poreden1e Deo V: Stattsttdke

Deo V: Statistidketehnikeza poredenjegrupa

211

lokacije na kojoj se brzo i lako mogu izradunati oba spomenuta pokarzatelja velidine uticaja glasi: http://web.uccs.edu/lbecker/Psy590/escalc3.htm. Cohen (1988, str.2Zl predloZio ie sledeie smernice za tumadenie velidine uticaia (kada se ocenjuje istr:rZivanjekoje obuhvtrta poredenie grupa). [Koenova preporuka se odnosi na pokazateli eta kvadrat, a[i se moZe primeniti i na trrmaienje pokazatelia parcijalni eta kvadrat. Formula za parcijalni ima neznatno dr,rgadili imenilac. ViSeo tome proditajte u knjizi Tabachnicka i FidelIa,2007,str.55.] uticaia Velidina
Mali

Eta kvadrat (o/o obja5njenevarijanse) 0 , 0 1iti 1o/o


0,06 ili 60lo 0,138 ili13,80/o

Koenovd (jedinica odstuPanja) standardnog 0,2 0,5 0,8

o opcija Exclude cases pairwise (katkada piie Excrude cases anarysisby analvsis)znatj da ie.sludaj(osoba)u.itiirr.r;Jl;;; onih anariza za koje mu nedosraje neki od neophocr"idp;";;k;:. b"kre, i takvi sluiajevi ie bill analiziranikad go.1je ," ;;;;;'ri ,."0 goci imaju podatkepotrebneza odredenuanalrrr',. ' opcija Replace with mean,dostupnau nekim Spss-ovim statistiikim postupcima(npr.viiestrukojregresiji), znadia" c. rritiirru.,r.,"ro ,r"d_ nja vrednostsvihpromenrjivihida ie biti ,nm..,ieni nedostajuii fioye. podaci. Ovu opciju nikada ne bi trebato d" k"ri;;;;,;r;; mo2e znat_ no da iskrivi rezurtateanarize,narodito onda kacla'iJor,u;. mnogo podataka. Kad god radite neki statistic=ki postupak,pritisnitedugmeopdons i pro_ veritekoja je od navedenih opcija po,urd"n" (jer se podiuru-"uana opcija menja u zavisnosri postupka;.Ako nem.a.re od jak razlog da postupitedrugadije, preporudilabtlr r."T da srudajeve iskljuiite,"-"-ir.Iih anariza za koje im nedosraju podaci(pairwise). jedina situacijakada bi vam mogroza_ trebati da analizeogranidite samo n"asruiajeve r..ii ,"rq"'pJa"tt. za sve promenljive(listwise) jesteona kada trebe razmotrltr I samopodskup sludajeva koji dajepotpun skup rezultata.

Srednji Veliki

Vodite raduna o torne da Koen daje drugaiije smerniceza korelacione u projekte (obradene ietvrtom delu kniige). Gornje vrednostivai'e za pogrupa. redenja

narodito ono sa [iudima' vrlo retko iete u svakoj Kada radite istraZivanie, tj. opservaciji od svakogispitanikadobiti kompletnepodatke.Zato pregleproceduruDescriptives u dajte 5tanedostaje datotecis podacima.Pokrenite podatakaza svaku promenljivu' i utvrdite procentualniudeo nedostaiu6ih mnogo podataka,zanedostaje Kada odredenojpromenljivojneodekivano i je pitajtesezaSto tako?Trebalo bi da razmislite o tome da li su nedostajuii ili po nasumidno sludajevima tu postoji neka pravilnost podaciraspodeljeni ima SPSS proj.rpr. -nog. Zene nisu odgovorilena pitanjeo svojojstarosti). pravilnostiu neValue Analysiskoja olaklava pronalaZenie ."Ju.u Miising dostaju6impodacirna(videti posledniuopciiu u meniju Analyze).Viie o i tome proiitajte u 4. poglavljuknjigeTabachnicka Fidella,2007' podacimakada dodevremeda 5L Taioclerazmorrire 6etes nedostaiuiim procedurirma, statistidkim U uraditestatistidkeanalize. mnogirnSPSS-ovim tretirati_nedostaiufe preko dugmetaOptions birate naiin na koii ie SPSS rezultate' podatke.Birajtep"Zlliuo,poStotime znatno utidetena statistidke spisakpromenliivih-iza sveniih ponaje posebnouuZro-kudaprilaZete lo (npr. korelaciieizmedugrupe promenliivih,t-testoviniza vljate iste analize promenliivih). zavisnih . Opcija Excludecases listwise znaii da ie biti analiziranisamoslu-ajeviu postojesui podacr. u promenliiuenavedene polju Variables kolima za sue biti uop5te ne6e anamakari delii podataka Svakisluiaj kome nedostaie i nepotrebnoograniiili veli|inu uzorka. liziran. Time biste znatno

podaci Nedostaiuci

rzlaznirezulrariz SpSS-a ponekad'sadriidudnebrojeveoblika 1.24E-02.To bro;evikoie ie spSS prikazao u tzv.;rd;;i;;;";;;.;"'"""-' :ri lali sero ne bi de.avalo,u glavnom-"nij,, izaberite Edit, zatim oprions, i potvrditeopciju No scientificnoration for smail .r.r-b.., in tablesna kartici General.

Brojevikoji dudno izgledaju

Neparametarske tehnike

U knjigamao statisticidestosegovori o dve vrstestatistiikih tehnika:paraPo metarskimi neparametarskim. demu se razlikuju ta dva skupa tehnika? 'parametarski' potideod 'parametar', obeRed tj. Zaito ie ta razlika vaLna? testovima(npr.t-testovi,analiza varijanU leZjepopulacije. parametarskim se se),pretpostavljaju neka svojstvapopulacijeiz koie je uzorak uzet.To su populacije(npr. da je normalno pretpostavke obliku raspodele o najieS6e tehnikenisr-r tako zahteviza neparametarske S raspodeljena). druge strane) o strogi i nista se ne pretpostavlja pripadnoj raspodelipopulacije.\Zato se engl. distribution-free tests.) katkada nazivaiutestovimabez raspodele, tehnike statistidke Uprkos tome sto su manje pipave, neparametarske od odgovarajuiih parameimaju i svojih loSih strana.Manje su osetljive postojeierazlike izmedu grupa. Kada tarskih rodaka i zato rede otkrivajr"r tehnikr'r. imatepravu vrstu podataka,uvek ie bolie primeniti parametarsku Dakle,u kojim okolnostimabisteizabralida upotrebite staneparametarsku tistidkutehniku? Neparametarske tehnike su idealneza podatke merenena nominalnim (kategorijskim) ordinalnim skalama(iiii se iznosi mogu rangirati).Koriili sne su i kada imate veoma male uzorke ili kada podaci ne zac'lovoljavaiu strogepretpostavke parametarskih se tehnika.U SPSS-u mogu koristiti natehnike,ali 6emo u ovom poglavlju razmotriti irazliditijeneparametarske samoone glavne.Evo koje ie teme biti obradene koje su njihoveparamei tarskealternative (obradene kasnijim poglavljima). u

Kratakpregledtehnikaobradenih u ovom poglavlju


Neparametarska tehnika
Hi-kvadrattest kvaliteta podudaranja Hi-kvadrat test nezavisnosti Kapa test (mera slaganja)

Hi-kvadrat
postoje dve vrsre testa hi_kvadrar, obe za karegorijske podatke:

Parametarskaalternativa
Ne postoji

Ne postoji Ne postoji (17. T-test nezavisnih uzoraka poglavlje)


T-test uparenih uzoraka (1 7. poglavlje)

Man-Vitnijev test U
Vilkoksonovtest ranga

Kruskal-Volisov test
Fridmanovtest

grupa Jednofaktorska ANOVArazliditih (18.poglavlje)


JednofaktorskaANOVA ponovljenih merenja (18. poglavlje)

2' Metodahi-kvadrat tesriranje za nezavisnosri; odreduje ri supoveza da ne duekategorijske. pr"-"trfiu".' o.,, por"ii *.*"i"jt (frekvencije studajeva u 'u:"r''' t !i"s"'i!-l'i.a,'";;;ilil r"""rorn,n' rijama Or"*",1^ro:enljivl.N, katego pri_"r-. ia li li"i;;" pusada ne_ _je i

"'$'

'x:':if ,,!,,[iti:ffi?::;jT5i{p1r" li' o,k3 jJ"'ffi r i,i -'!:^; ;'l'ft *nf ;; i: ;'"'" ," 1,,1,
;.,1, "

2",,"r lT,'rffiJ!J#'#"f:'.-ffi",i ni,a,"i"iir".",'","no, da su li

t *?ttd:Tl|t6#f

resta hi-kvadrat ie u tT.pogravlju dat kniige Grave*er

Tehnikeu ovom poglavljunamenjene prvenstveno poredenje su grupa. za Neparametarska alternativakorelacije(Spirmanovakorelacijaranga, koje eficijentro) predstavljena u poglavlju 11.

Pretpostavke neparametarskih tehnika


Iako su opdtepretpostavke neparametarskih tehnikablaLe zato de56e i zadovoljene, uvek bi trebaloproveritida li je tako u svakomkonkretnomsludaju. . Sluiainost uzoral<a. o Nezauisrtost opseruacija.Svaka osoba ili opservacijamoie se broj:rti samo jedanput,ne smeju se pojavlfivati u viSekategorijaili grupa, i podaci jednog subjektane smeju uticati na podatke drugih. U ovom pogledu izuzetaksu tehnike ponovljenih merenja (Vilkoksonovtest ranga,Fridmanovtest), kada se isti subjekti ponovno testirajuu viSe navrataili u razliiitim okolnostima. Neke tehnikerazmotrene ovom poglavljuimafu i dodatnepretpostavke u koje treba proveriti. Te specifidne pretpostavke objainjeneu odgovarasu juiim odeljcima. U ovom poglavljuprikaza6emo razneneparametarske tehnikena primeWeb rima iz nekoliko datotekas podacima,koje se mogu prelrzeti prate6e s lokacije ove knjige. Svepojedinostio tim datotekamadate su u dodatku. ponavedena Ukoliko ielite da pratiteprimerei odmah sprovodite uputstva, kreniteSPSS otvorite odgovarajuiudatotekus podacima.Neparametarske i proiitajte knjigc tehnike opisaiemo samo ukratko. Za dalje usavriavanje, (2004),Siegel Castellan i koju su napisaliDaniel (1990),Gravetter \Wallnau i ( 1 9 8 B i P e a t( 2 0 0 1 ) . )

S0%) ili odredenaoroporcija. dobijenaJ:.i:; pretiodnoj ,ir,ri;t. Primer istraiivadkog.pitanj a: rr,r"i;e, a, I,;;r;.;;;ili populaciji opisanoj,r ;"" puiada u inro*.J *;;;;.r", ', (20%) r, p,. th od,,o-o ;; ;r",,. ve"i"ir"i""r"r,',Jno-" Ii k e austra Ii j sk e sr udi j e. ".t ::i :;.#,ll ::r ". ' Jednakategorijska promenrjiva dve'i viie sa kategorija: r Jednahipotetidka puiai (Da/Ne). proporcija(20"/" puiata; gyo/"nepuiada ili 0,2/0,8).

111,Me2e,.";;;!,;3,:i'J":H:1ff ir"?:i:::iitl"JJ,",

p,orcdbenoj popuraciji. jednu 3;ulm'iol3ulii"'i" ' d;;;'-"'1"911samo kategorijsku pro-

.rzorka,desro va za poreden rilt":ff r je proporcije srudajev" i,' ;;"r vrednosrima onimaprethodno ?Ifr iri i"u;i""*"ar"i";;; u nekoj

Ovaj test,koji se naziva;fri_f.""arlr-r.rr;"ano*

Hi-kvadrattest za ispitivanje kvafitetapodudaranja

Postupakza obavfjanje hi-kvadrattesta kvaritetapodudaranja O"

pratili ovajprimer, otvorite datoteku 1,"]" survey3ED.sav. t pritisnite njegovu stavku Non-parametric ,?JHF{.:Analvze, Testsiza-

i:1fff,jii:T:'r:t'

promenrjivu (tj'pusae) smoke i prebaciteu porje je

3. U odeljku Expected Values pritisniteopciju Values. U polje Values treba da upi5etedva broja. . Prvi broj (0,2) odgovaraodekivanojproporcijiprve Sifrovane vrednostite (1:da, pu5ad).Pritisnitedugme Add. promenljive . Upi5itedrugi broj (0,8),Stoje o6ekivanaproporcijadruge Sifrovane vred(l:ne, nepu5ad).Pritisnrte dugme Add. nosti te promenljive . Kada promenljiva za ima vi5e od dve moguce vrednosti, svakuod njih treba upisati odgovarajucu proporciju. 4. PritisniteContinue i zatim OK (odnosno dugme Paste da biste komandu snimilru Syntax Editor). Tim postupkomse generi5esledeca komanda:

U tabeli rest Statistics dari su rezultariSpsS-ovog tesrachi-square,koji porediotekivanei opaze'e vrednosti. ovom slui"ii, .^riit" U irmectunjih je vrlo mala, a nije ni statistidki ,rri";"" 1ii,g.=g,79y.

Predstavlja e rezultata nj hi-kvadrat, stepeni broj slobode (engr. degrees of i;:!;,:,:;;tiJl""l"J."


Hi-kvadrat test podudaranja pokazuj"

ffi""J " r' n ff:i,. d:J{IT*%i:r: ui:1";1 "#jd x!'"'laoy o 'l'?


ovim testomseistrazuje ,"to i.^"-du crue promenrjive. od njih moie imati dvelfi uis" k"i.goriiu. kategorijske Svaka r"r, p""r.ai 'i propor_ r.r svakoj.a "tirr""r"rr, r.?i.g".i;n,, u,"a.,o*i,ol"i.

NPARTEST /CHISOUARE:smoke /EXPECTED:.2.8 /MISSINGANALYSIS. rezultati postupka. Evokakoizgledaju tog

Hi-kvadrattest nezavisnosti

Observed

Exoected N

Yt5 NO Tolal

B5 351 436

87.2 348.8

Residual -z.z 2.2

Test Statistics
smoker .ubv
1

untsoquare" OT Asvmo. Sia.

792

a. 0 cells (,0%) have expected frequenciesless ihan 5. The minjmu,nexpecled cell frequency is 87.2.

z r^ i.-x^aastuciija Lil:'-' "o"trebrjava nvarapromenliives viie obuod d.ve kategoril! 1npr. sa 3,4 sa 4),videiete 2 - , izlaziz SpSS-a da se neznarno rurlikul".

i"u.r" r"?rzi po jednut o-ulJ1,.puiad/nep-uiad); vv JsurruKomDlnacrru kategorijaposmatranihpromenljivih. Kada SpSSnaide na tabelu 2 sa 2 (po dve kategorije u svakoj pro_ menljivoi), rezultathi-kvadrat ,*ru i jednu aoartrr, ,,korekciju neprekidnostiprema "Urlrrata Jejrsu" 1vot"r: coi"ctiort for continuity). ona bi rre_ baloda kompenzuje mrr;!"i" rpo precenjenu vrednosr drat koja. dobijau iabeli hi_kva_ se 2 sa 2.""t-ii'u,rrora) u sledecemoosrupku, na primeru datoteke survey3ED.sav pokazafu

unuk"rrr,.

unakrsno j,"b;r,,;;F:i:Tii;T;?H;:,ili#I:[il:Ti jf:Hil::a kategorijama druge (npr. rnusiur.iA.


svaka ielija

;ii:*:ffi:5:T...

o,bile oie_

hr i';;';;;;'in|.o;"r.u,

rezultatahi-kvadrattesta podudaranja Tumadenje


U prvoj tabeli date su opaZene uiestalosti (frekvencije) tekudedatotekes iz podacima; vidimo da su puSadi njih 85 od ukupno 436 (ili 19,5"/"). koloni U N proporExpected date su uiestalostioiekivanena osnovuprethodno zadate je B5. crje(20%). U ovom sluiaju,odekivano da bude B7 puiada,a opaZeno

testa nezavisnosti ft:!:I t''mer istraiivadkoe pitanja: pi;".J; r; moze formurisati postoji h vezaizmeJ-u na viie nadina: pora'i p"i;Jil;g-io,rns"rj"? Da ri su mLrikarcideiie Da li je proporcii" m.,ska."capuiada jednakaroj proporciji il:?;"1t"na? sta uam treba:Dve kategorijske promenljivesa po dve ili viSe kategorija: . Pol (Muikarac/Zena) . Pu5ad (Da/Ne)

pregted hi-kvadrat

Dodatne pretpostavke: Najmanja oiekivana uiestalost u svim ielijama trebalo bi dar bude 5 ili vi5e. Neki autori predlaiu blaZe kriterijume: najmanje B0 procenata ielija trebalo bi da imaju odekivane udestalosti5 ili vi5e. Za tabele I sa 2 ili 2 sa 2, preporuduje se da oiekivana udesralostbude najmanje 10. Kada tabela 2 sa 2 ne zadovoljava ovu pretpostavku, umesto vrednosti hi-kvadrat treba upotrebiti FiSerov ,,taian pokazatelj verovatnoie" (engl. Fisher's Exact Probability Tesr), koji se navodi u sklopu rezultata hi-kvadrat testa.

Expec{ed Count %within SEX % within

St\roKE
% of Tota I

Postupakza obavlianjehi-kvadrattesta nezavisnosti


survey3ED.sav. Da bistepratiliovajprimer, otvoritedatoteku 1. Otvorite meni Analyze, pritisnitestavku Descriptive Statistics,zatim Crosstabs. (npr.sex/pol) ce kategorije redove 2. Pritisnite promenljivu onu dije zauzimati prebaciliu polje promenljivu tabele;pritisnite strelicuda biste izabranu Row(s). (npr. zauzimati 3. Pritisnite promenljivu smoke/puSad) ie kategorije onu dije kopromenljivu prebacili u lonetabele,pa pntisnite strelicu bisteizabranu da poljeColumn(s). poljaChi-square Phiand Cramer's i 4. Pritisnite dugmeStatistics. Potvrdite V. Pritisnite Continue. 5. Pritisnite dugmeCells. . U poljuCountspritisnite Observed. . U odeljku potvrdite poljaRow,Column iTotal. Percentage, 6. Pritisnite Continuei zatimOK (odnosno dugmePaste da bistekomandu snimili SyntaxEditor). u generi5e komandu: Postupak ovu CROSSTABS /TABLES:sex BY smoke TABLES /FORMAT: AVALUE /STATISTIC:CHISO PHI /CELLS: COUNT ROW COLUMNTOTAL / C O U N TR O U N DC E L L .
opisanog postupkaza tabelu 2 sa 2. lzlazse malo razlikuje Sledi deo rezultata promenljive vi5eod dve kategorije, u njemui daljetreba tra2itiiste kljudali sa za ne oodatke. rorar

ExpeciedCount %within FX S % wrthin SMOKE "h at Total

cil;
Expected ount C "/. within sEX % within SMOKF 7oof TolaI

ChiSquare Tssts Asymp. Sig. (2-sided) Exact Sig. (2-sids.il Fxac t Sig ( 1-sided)

tsearsonChfsquare Continuity Correclion a Ltkelihood Ratio Fishe,"s Exact Isst Unear-b y-Ljnea. Associatioo \,1 Vatid Cases ol
a -

Value .494 ,337

dl

'|
I

,442 ,562 ,481 ,541 ,2A2

.493 436

,483

Computed ontylor a 2x table


0cells{,Oo/, have syps61s6 6e,Jnl,6ss than S. The mioimum expecreo counl is35,g7.

Symmetric Measures

Nominal

ffi

Cr"r"f, V

assumingthe null hypothesis b. Using the asymptotic standard error assuming the null

Value ApproxSio. -,034 ,482 ,034 ,482 436


hypothesis

Tumadenie rezultata hi-kvadrat testa nezavisnosti Pretpostavke


hi-kvaNajpre treba proveriti da li je prekrienajednaod pretpostavki,testa ielijske uiestalosti,koja bi trebalo da drui u pogledu naimanieoiekivane uiestalosti ielija ima odekivane B0 bude5ltl uiS.(ili da naimanje procenata Tests.U tabeleChi-Square Ta -5ili viSe). informaciiaie data u fusnoti ispod count lessthan 5. fusnoti b u primeru kaZese'0 cells (,0%) haveexpected pretpocount The minimum expected -oi"kiuutt. is 35 ,87'. To znadida nismo prekrdili (u naiem u udestalosti svim ielijama ve6eod 5 stavklr,poito su primeru,veie od 35,87).

Hi-kvadrat testovi
tabeli data r"r Chi-Square, vrednostPearson e U rezultatimanas najviS zan'tma ima tabelaz sa 2 (ti. kada svakaprochi-square Tests.Medutim, kada se trebaupotrebitivrednostu drugom redu menliivaima samodve kategorije), Correcrabele(Continuity Correction).To ie tzv.Jejtsovakorekciia (Yates' vrednosthi-kvadratkoia precenjenu tion for Continuity);ona kompenzuie je posledica malog broja dimenztiatabele2 sa 2. U gorniemprimeru, koriod vrednostiznosi0,337, uz znatainost 0,56 (datu u koloni Asymp. gou"n" bi rezukatbioznaiaian, veliiina Sig.treba da je 0,05 ili Da 5ig. 1Z-ria.a)). manja. U ovom primeru, vrednost0,56 je (11 puta) ueia od alfa vrednosti 0,05, pa mozemozaklluiiti da na5rezultarniie znaiaian.To znadida seprokoii pusene razlikuie znatainood proporciieZenakoje porcija muSkaraca i puie. Nema nikakve vezeizmedupuiadkogstatusa pola'

koeficijentfi je -0,034, sto se smatra vrlo malim uticajem po Koenovom (1988)kriterijumuod 0,10 za mali,0,30 za srecinji 0,5Ci i ;;iiki utical. Za tabeleveie od 2 sa 2, u izveitaj rrebastaviti K;u_;;";pokazatelj V (cramer's v), koji uzima r.robzir broj stepenislobode. zu orrr),ruvelidine uti_ caja kod veiih tabelakoristese malo drugac:iji kriterijumi. no brrt. utvrcrili koji kriterijum da upotrebite,najpre oduzmite1 od broja kategorija u red_ noi promenliivoi(R-1)' azatintoduzmite1 od broja kategorija'u '-' kolonrkol promenljivot(K-1). Od ta dva broja, zadriiteonai'manii." ZaR-1, ili K-1 jednako1 (dvekategorije): mali=O,Q1, srednji_0,30, veli_ ki=Q,53 Za btlo R-1 bilo K-1 jednak 2 (trr kategorije): o mali=0,g/, srednji=0,21, veliki=0,35 Za bllo R-1 bilo K-1 jednako 3 (detiri karegorije): mali=O,Q(,51"6_ nji=O,17, veliki=0,29 ViSeo pokazateljima koeficijent fi i Kramerov v proiitajre u knjizi Gra_ vetterai'Wallnaua(2004,str. 605). Rezultate ove analizemogli bistepredstavitiovako:
Hi-kvadrat test nezavisnosti korekcijuneprekidnosti (uz prema Jejtsu)nije pokazao znad,qnuvezu izmedu pola i pu6adkog statusa, (1, :;tO : 0,04, c2 n -0,03.

p: 0,56, i: f

Unakrsno tabeliranie
datim puiaia svakogpola moie seoditati u zbirnim informaciiirma Procenat S StX.SUOKE Crosstabulation. toliko informaciia naguranihu u rabeli svaku 6eliju, ova tabela vas moZe zbuniti. Da biste saznalikoji procenat su muSkaraca puiaii, proiitajte prvi red tabelekoii se odnosi na mudkarce. U ovom sludaju,gledamo5ta piSeu nastavku% within sex' U ovom prii muik:rracasu puSadi 82,1 procenatanepuiaii; 20,6 meru, 17,9 proceytata nepu5aia. procenataiena ie puiadai79,4 procenata Da nas zanirnaprocenatceloguzorka koli spadau puiaie, preili bismcr za u nanlLe poslednjired, koii sabira rezulrare oba pola. U ovom sludaju, 19,5 prou pogledalibismo5tapiSe redu 7o of Total. Prematim rezultatima, ne puii, a 80,5 procenata puii. cenatauzorka

Joi jedanod statistidkih pokazatelja kategorijske za promenljive spsS-ovoj u proceduricrossrabs jesremera slaganja kapa (Kappa).ona je uobiiajenau medicinskoj literaturi z.aocenuslaganja ava tet ara (npr.dijagnoze dva klinidara)ili saglasnosti dva.razlitita"dllagnosridka testa (novorazvijen resrLr odnosuna zlatni standard).

Meraslaganjakapa

Veliiina uticaia
jadiU proceduri Crosstabsizraiunava se viSepokazatelia velidine uticaja (tl. tabele 2 sa2, naiie5ie se koristi koeficiient ne veze izmedu promenliivih).Za fi (phi coefficient), 5to je koeficiient korelacije u opsegu od 0 do 1, pri temu ve6i broj pokazuje jadu vezu izmedu dve promenljive. U ovotn primertt,

Prim11istraiivadkogpitanfa:Koriko su saglasne dijagnostidke krasifikacije postnatalDepression skala^Edinburgh Scale(EPDS)i Depression, T::Tl r\nxicryand Srress Scale {DASS)? sta vam treba: Dve kategorij.ske promenrjive jednakim brojem kategos rija,(npr.dijagnostidka klasifikacija rekaraili f . iesta:o="ii. deprimirana, i. 1=deprimirana;dijagnostidka i klasifikacija osobeko;, a^o 2. lekar ili iste ;" z. test). Pretpostavke: Jednakbroj kategorijaza 1. i za 2. lekara. Parametarske Ne alternative: postoji. U narednomprimeru istraZiiemostepen slaganja izmeclu dve meredepresi. ie u uzorku Zena posleporodaja.U datotecidepress3ED.r",,.r'tir,i za svaku Zenuna skalama Depression EdinburghPosrnaral Scale (EpDS,cor, Holden

Kratak pregled kapa testa

I vv,qvls

I v, r\upitrarnelarsKe

tehntke

223

Lovtand Stress Scale(DASS-Dep: 6c sagovsky,1987) iDepression,Anxiety su u skladu s preporude'im granidni'r r-""ibond, 199i) klasifikovani [""Jk 0 (nije s suakeskale.Dobijenesu dve.promenliive vrednostima ;;;;;rt-" pfepocili israzivaniaie urvrditi da li Zene i 1 (deprimirana). ;;;t,_;;;;) klasifikujei skalaDASSDcisto tako n" znatekao deprimirane ,kuli Epirs, (DASS-DeP)' pression

Symmetric Measures

rvredsureor Agreernent N of Valid Cases

Value nappa

5ti3 319

Asymp. Std Error" Aoorox Tb Approx. S'a. .055 ru.231 000

a. Not assumtng the nutl hVOolhes

b. Usjnglhe asymptotic standard errorassumrng nulthypolhesrs lhe

Postupakza dobiianiekoeficiientakapa

depress3ED'sav' s datoteku podacima otvorite ovajprimer, Da bistepratili pa Statistics, pritisnite Descriptive stavku izaberite 1. otvoritemeniAnalyze, Crosstabs. u kojace bitiredna unakrsnoj (npr' onu 2. Pritisnile promenljivu DASSdepgp2) u da tabelii strelicu je prebacite poljeRow(s)' 3.Pritisnrteonupromen|jivu(npr.EPDSgp2)kojacebitiko|onskauunakrsnoj u da tabelii strelicu je prebacite poljeColumn(s)' 4.PritisnitedugmeStatistics.PritisniteKappa.PritisnitedugmeContinue. dugmeCells. 5. Pritisnite dugmeObserved' Countspritisnite 6. U polju 7'Uode|jkuPercentagepritisnitedugmeRow.PritisnitedugmeContinueizau snimili SyntaxEditor)' dugmePasteda bistekomandu tim O* (odnosno komandu: generi5e TajpostuPak CROSSTABS BY /TABLES:DASSdepgP2 EPDSSP2 TABLES /FORMAT:AVALUE /STATISTIC:KAPPA /CELLS: COUNT ROW COLUMNTOTAL C R /COUNT OUND ELL.
Ovako izgledajurezultati:
DASSdepgp2' EPDSgp2Cro$tabulation EPDSqp2
0 nol 1 lrkely T lac 86,9% 94.10/a 10.5"/o 14 23,3Yo 5.9% 4 4"i.

Glavni reatltat'" jr u tabeli symmetricMeasures, gde ocitavamoda ,rTmera slaganja(engl. Measureof Agreement) Kappa ir'oi 0,s6, uz znaiajnost p < 0,0005'Kako navodineat izo0 t , str.22'i,vrednosr 0,5 pokazaterja kapa predstavlja umerenoslaganje,tznad0,7p.J;t;;;;;lr. sraganje, a iznad 0,8 vrlo dobro slaganje. Dakl", u ouo_.primeru je stepen slaga'ja iz_ medu klasifikaciiesludaieva kao deprimrranihpomoiu skale EI,DSi skale DASS-Depumeren.

Tumadenje koeficijentakapa

Osetljivost od redenost i
Pomoiu udestalosti (frekvencija) procenatau taberi i crosstabulation mogu seizradunarii osetriiuost odreden-o.sf, i mere iri testa.u,""ar.J"rr.oj literaturi je uobidajeno se da njih ocenjujetadnostdijagnostidkog resrau ot?:T"iu krivanju postoianjaili.nepostojanja boresti, odnosnot-"d'orinouog resrau odnosuna neki oostojefi zlatni siandard. osetrjiuor, oaluz"va proporciyu sludajeva postojania.bolesti trrr"i"f-r..ii ,,r. tud.,o dijagnostifikovani, dok odredenostpredstavljap.opoi.i,,r'rirt-"*,iu".bez date bolesti (stanja)koji su tadnodijagnostifikovani. ouou pri-J.u, ispitujemosaglasnosr klasifikacije na skali DASS-Depr-r odnosu,rn n";r.sc. upotrebljavani resrza klasifi_ kaciju,skalu EpDS. osetliivostskaleDASS-Dep moZeseizraiunari ako seproditajuvrednosti iz drugekolone tabere. Bb"r,rd;;.#i.;. je skaraEpDS (nai zr:rtnisran9d {ard)prepoznala kao d.o::r1".,'ii;i'r"r.o klasifikovalai skaraDAssod ".X^f:j"je osettjivcst sz,sp;;;;;" e6/80). udredenostse izradunava tako ito seproditaju'vrednosti prve , iz gcre osobekoje korone, su su pomofu skareEpDS bile kiasifik;"";;k;; rane' SkalaDAss-Dep 'radno' nedeprimi_ je t turiritou"ta 225.odukupno 239 sto predstavlia takvih, odredenost l+,t pro."nata. od. obe te skale su veoma us_ kladene u pogledu slu.*ajeva tnririt orru,rih. t kao. nedeprimirani; medutim, postojiodredena nesagrasnos, ,r-.Ju ,tlriajevakoje skaleprepoznaju qePrimirane. kao vi.e o fol"dinorri-n oroj'istraZivanja videii u dodarku,a

DASSdePgpZ U notOepresseo Lounr DASSdepgP2 % wrthrn EPDSgp2 % withrn % of Total

ffi
depression DASSdepgp2 % wrthin % w(hin EPDSgP2
count % within DASSdcPgP2 % withrn EPDSSP2 % ol Total

Tolal

239 74.9% 100,0% 74.9.A

13.1',/" 42,5To 10.7Vo 46 76.7tlo 51.5% 14.4% 80 25,1./" 100.0% 25.10/.

100.0% a1.24k a1.2.k 60 100.0% 18,89ia


1 R Ro/"

319 100.0% 100,0% 1 0 00 %

p"i'"2r?,d,.,i, r,,,o',,,"*.i. edcen;:i:}J ?i?l' bi om l;o;i?, r1;i "

Man-Vitnijev test U
ova tehnika se upotreblj ava za ispitivanje razlika izmedu dve nezavisnegru_ pe na neprekidnoj skali. primera radi, da li se muikarci i ue,rerazlikuju po nivou samopoitovanja? ovaj test je neparametarska alternativa r-resru nezavisnih uzoraka. Umesto da poredi srednje vrednosti dveju grupa, kao sto radi t-tesr, Man-vitnijev u resr poredi njirrove rnedijane. Dobfren. vrednosti neprekidne promenljive pretvara u rangove za obegrupe i potoizraiunava da li se rangovi tih grupa znataino r"rlikui,r. poito se rezultati pretuaraju u rangove, stvarna raspodela rezultata nije vaZna.

Postupakgenerise ovu komandu:

NPARTESTS /M-W: tslfest By sex(.1 2) /MISSING ANALYSIS.


Prikazanje odabran deo rezultata ovog postupxa.
Test Statisticsa Iotal selt esteem U lMann.WhitneV
I

Primeristraiivadkogpitania:Da li semuikarci i ze.e razlikuju po nrvou samogo5tovanja? Oseiaju li mu5karciveie samopoitovanje Zena? od Sta vam treba:Dve promenljive: . jednakategorijska promenljivasa dve grupe (npr.pol/sex); ' jed'a neprekidna promenljiva(npr.ukupno samopoitovanje/total selfesteem). Pretpostavke: Videti opite pretposravkeza neparametarske rehnike darte na podetkupoglavlja. Parametarska alternativa:r-tesrnezavisnih uzoraka.

Kratak pregled Man-Vitnijevog testa U

WlcoxonW

2 I 594,000 53472,000 -1.227 ,220

Asymp. Sig. Qaailed)


G r o u p i n g V a r i a b l e :S E X

Ranks

227.'t4 2'12.19

Postupakza obavljanjeMan-Vitnijevog testa U


Da bistepratiliovajprimer, otvoritedatoteku podacima s surveysED.sav. 1. U glavnom meniju vrhuprozora na otvorite meniAnaryze, izaberite njemu u stavku Nonparametric Tests,pa pritisnite Independent 2 samples. 2' Pritisnite odabranuneprekidnu (zavisnu) promenrjivu (npr. ukupno samopostovanje tsfest)i prebacite u porjeTest variabre tj. je List. 3' Pritisnite odabranukategorijsku (nezavisnu) promenrjivu (npr.por tj. sex) i prebacite u poljeGroupingVariable, je 4. Pritisnite dugmeDefineGroups.Upisite sifre Grupu1 (npr.1) i za Grupu za 2 (npr.2). Njima sifrovali ste vrednosti promenljive pomo6u kojese sadadefini5ugrupe- pogledajte svojSifarnik. ne mozete u Ako da se setiteSifara za svaku grupu, desnim tasterom misapritisnite porje Groupingvariabtei izaprikazace okvir-sa beritevariable Information. se opi"imu=i (sibrojevima frama)kojetreba upisati tu promenrjivu. pritisnitu za irg* continue. 5. U odeljku Test Typetrebada je potvrdeno poljeMann_Whitney U_ 6. Pritisnite dugmeOptionsi izaberite Descriptives. 7' Pritisnite continue i zatimoK (odnosno dugmepaste da bistekomandu snimili SyntaxEditor). u

viie od 30 srudajeva, izll9.i-1try' racunava iznosz-aoroksimacije, SpSS i koja obrhurru i korekcijuzbog nih veza izmedu o"ant"r.".-t_r';;i;,; mecrusob_ primeru, vrednosr z je _1,23 (zaokruZeno),uz iivy oa'p=9,22. rr";, ,;;;;;oie ^zladajnostl (p) nije manji od niri jednak 0,05'.pa i"l r"r"ri"i 127n;i" znatajan.Nema znaiajnerazlikeizmecru statistidki ;;"" r;;i"sr"r""i" muikaraca i iena. Kada otkrijete statistidki.r.;t;l;;t"li'., izmedu grupa, rrebaro bi da opiSetesmerte razlike, i ,i 15."r1 J1"ni]"'.,.pr"kidna promenlji'a proseino veia' u tabeli Ranks to se uiai u t io'i rrt"ur Medutini, b'o bi borje da u izveitaiunavedeternedij":i:"J. !._ank, glio: NaZalost, njih ova procedura ne izradunava, je porreban pa joi jedan korak.

U testa clavne vrednosrikoje.treba gledatiu iilnru jesu nivo zi znadajnosti, u dar


Sig(2-iailed). frl;;;lr"r.'i*"

Tumadenje rezu.ftata Man-Vitnijevog

Postupakizradunavanja medijanasvake grupe


pa 1. Otvorite meniAnalyze, pritisnite Comparemeansi izaberite Means. (npr. promenljivu ukupno 2. Pritisnite odabranu neprekidnu tj. samopo5tovanje je i tsfest) prebacite u poljeDependentList. (npr. je promenljivu pol tj. sex)i prebacite u 3. Pritisnite kategorijsku odabranu poljeIndependent List. 4. Pritisnrte dugmeMedian u odeljku Statisticsi dugmeOptions.Pritisnite predite poljeCellStatistics. Meani StandardDeviatiPritisnite dugmad u on, i uklonite kvadicu poljaCell Statistics. iz 5. Pritisnite dugmeContinue. 6. Pritisnite (odnosno OK dugmePaste da biste komandu snimili Syntax u Editor). generi5e komandu: Postupak ovu MEANS TABLES:tslfest BY sex /CELLS COUNTMEDIAN
Evo i tabele rezultatasa izradunatim mediianama:
Report Total Self esteem
SEX I MALb)

vilkoksonov resrranga - jo5 se nazivaVilkoksonov resrekvivalentnih pa_ rova ili tesr ranqovasa z.lrakom * namenjen za.ponoviie,rr,nerenla, je tj. kada sesubjekti.rere u dva navr:lraili poi auu .nrtieitn;;i;;;. To je nepa_ rametarskaalternativar-restuponovljenih -.r."i", ntr ;;;r" poredenja srednjih vrednosti, Vilkoksonorrr.r, pr.ruuru ,.ruiror. ., ;";r;;". i njih po_ redi u trer.rutku i rrenurku2. vilkoksonov 1 restsernozeupotrebitii kada su subjektiuparenipo specifidnim kriterijumima. Kao ilusrracijuove tehnikeupotrebilnsam podatkeiz datotekeexperim3ED'savs prareie web rokacijeknjige (videti ;r.. ;;; o"i.ii..rr, srudije u dodatku). u ovom primeru, upor.di"io're'.urrate d; k"j,- ,. ispituje strah od starisrike(engl..Fear of Statistics "; Test).,p"p";j;;;;;_ pre i posle intervencije koia je trebaloda pomog'e rrudrnJ-" il;;;U; sratisrikom. Primer istraiivaikogpitania: Ima li pio-..,. reztrlr:rra ispitivanja srrahaod statistike vremena1 do vremena)? od sta vam ffeba: Jednagrupa subjekatamere.na na istoj neprekidnojskali ili po istom kriterijumu u dva navraia.promenrjive su."r;i;;;;;;enutku 1 iri u okolnostima1, i rezultariu trenutku 2 ili u okolnostima2. Pretpostavke: Videti opStepretpostavkeza neparametarske ^ ' tehnike,navedene podetkupoglavlla. na Parametarska alternativa: t_resr uparenihuzoraka.

Vilkoksonovtest ranga

Kratak pregledVilkoksonovog testa ranga

2 FEMALES Total

184 252 436

Median 35,00 34,50 35.00

Velidina uticaja
SPSS izradunavastatistiike pokazateljevelidineuticaja, ali se pomoc'u ne pribliZnavrednostr. vrednostiz nayedene rezultatimamoZeizradunati u (opserr = z I kvadratni koren od N gde je N = ukupan broj sludajeva vacija). U ovom primeru, z = -1,23 i N = 436; stogar iznosi 0,06. To bi se smatralo vrlo malim uticajemprema Koenovom (1988) kriterijumu (0,1=mali uticaj,0,3=srednji uticai,0,5=veliki uticaj). Rezultate ove analizemogli bistepredstavitiovako:
mu5kaMan-Vitnijev test nije otkrioznadajnurazlikuu nivousamopo6tovanja U r a c a( M d : 3 5 , n : 1 8 4 ) i Z e n a( M d : 3 4 , 5 ,n : 2 5 2 ) , U : 2 1 5 9 4 , z : - 1, 2 3 , 9:O,22,r:0,06'

Da bistepratiri ovajprimer, otvorite datoteku experim3ED.sav. 1' Na vrhu ptozora otvorite meniAnaryze, izaberite njemustavku u NonparametricTests,pa pritisnite RelatedSamples. 2 2' Pritisnite promenljive predstavljaju koje rezultate trenutku i trenutku u 1 2 (npr. fost1,fost2).prebacite u tu6icuTest pairs in List. 3' U odeljku Test rype trebada je potvrdeno pritisnite poljewircoxon. oK. 4' Pritisnite dugmeoptions. rzaberite ouartiles;timeste zadari izraeunavanje medijana svaki trenutaka kojima za od u su obavljana ispitivanja. 5' Pritisnite continue i zatimoK (odnosno dugmepaste da bistekomandu snimili SyntaxEditor). u Postupak generi5e komandu: ovu NPARTEST /WlLCOXONdostl WITHfost2 (pAtRED) /STATISTICS OUARTILES /MISSING ANALYSIS.

Postupakobavfjanja Vilkoksonovog testa ranga

UgO

V:Otdl.lbtlu^e

tsrrrrr^v

J-

Y'-r*

samo deo rezultata: Prikazacemo DescriptiveStatistics

fearof statstime2
Test Stalistics o

Kruskal-volisov test(nazivase Kruskal-Volisaov test)neparametarska i H je alternativaiedr-rofaktorskof analizi varijanserazliiitih grrio sluzi za poredenje rezultara nekeneprekidne promenljive tri iti uiie [rr:pn.po prirodi za je jednak Man-Vitnijevom u testu prikazanornu prethodnom d.ru'pogl;vlja, ali omogufavaporede'je viie 6d dve grupe. RezLrltari se prervaraiuLr rangove'pa se poredesrednji rangovi svakegrupe. To j" analiza razlii:itib grupa, pa u svakojgrupi moraju biti drugi ljudi.

Kruskal-Volisov test

a
dsymp.Sig l2-lailed)

tear ot statslim62' fear ot slatstimel 80' .000

a Basedon mnks' Positive b' wil"oton SignedRanksTest

rezultataVilkoksonovogtesta rangaTumadenie

inien nivo Glavnevrednostif."i.ir"b" gledati uizlaznimrezultatu iesuZ iedKada ie nivo znadainosti sig (2-tailed). dat znadajnosti u red-u;r;;; moZesezakljuiiti da ie razlika 0.,001)' nak ili manji od o,os t"pt''o'ti+, o,"oi, izmedurezultataznaiajna.UovomprrnerLl'verovatrro6aSig.iznosi0'000 zakljuditi daie razhkaiz(5tozapravo,,-,utl-u.rl; od 0,0005i' Stogatreba medu te dve grupe rezultata zna(aina(nesludaina)' velidina uticaia aiunati na nadin opisanza ManVeliiina uticaja u ovom testu moze se lzri korenomiz N' Medutim' Vi;"tr" U r.*, ri' a"fi."lt- veliiine z kvadratnim trenutka' a ne broj u ovoj situaciiiN = il;;i;;servacija-u-dva vretnenska - 4'18,N = 60 (sluiajevax2\zatr> ie r = 0'54' sluiajeva'U ovom pri*"'u,'Z StoukazujenavelikiuticaipremaKoenovom(1988)kriterijumu:0'1=rnali uticaj, 0,i = srednjiuticai, 0,5 = veliki uticaj' Rezultatiove analizemogu sepredstavitiovako: ffitkriojestatistidkiznadajnosmanjeq1strahaodstatisti. z: obuke, -4'18'p ( Q001 .:il:19:%[: u udestvovanjaprogramu ke nakon sca(Fear statistics o{

Primeristraiivaikog pitania:Ima li razlikerr nivoima optimizm. osobakoje prigadajutrima starosnim grupam:r? Stavam treba:Dve promenljive: o jedna kategorijska nezavisna promenrjivas tri ili viie karegorija(npr. agegp3: 1.8-29, 30-44,45+);i . jedna neprekidna zavisnapromenljiva(npr. ukupan optimizanr). Pretpostavke: Videti opite pretpostavkeza neparametarske tehnike, navedene podetkupoglavlja. na Parametarska alternativa: analizavarijanse Jednofaktorska razliditihgrupa.

Kratakpregled Kruskal-Volisovog testa

PostupakobavljanjaKruskal-Volisovog testa

Da bistepratili ovajprimer, otvorite datoteku survey3ED.sav. 1. Na vrhu prozora otvorite meniAnaryze, izaberite njemu u stavku NonparametricTests,pa pritisnite lndependent K Samples. 2. Pritisnite odabranu neprekidnu zavisnu promenrjivu ukupan (npr. optimizam) i prebacite u poljeTest VariableList. je 3' Pritisnite odabranu kategorrlsku nezavisnu (npr.agegp3)i prepromenrjivu je bacite u poljeGroupingVariable. 4. Pritisnite dugmeDefineRange. poljeMinimumupisite U podetnu vrednost kategorrjske promenljive 1).U poljeMaximumupidite (npr. najvecu vrednost kategorijske promenljive 3). pritisnite (npr. dugmeContinue. 5' U odeljku Test rype trebada je potvrdeno porjeKruskar-wailis H. 6. Pritisnite continue i zatimoK (odnosno dugmepaste da bistekomandu snimili SyntaxEditor). u Postupak generi5e komandu: ovu NPARTESTS /K-W:toptim BY agegp3(1 3) /MISSING ANALYSIS.

[":;$:ffi1"""

"rr"ii"ir"6u do (Md:38) posleprograma' j" L) oputu od (Ma:40) pre programa

i*r'i"""*

odstatisiike

ovog testa' samo deo rezultata Prikazacemo


Ranks
N fola I f,ptimism

$'29 30-44 45+ Total a'b Tsl Statistics


Tolal ODtimism

147 135 435

Mean Rank 19 8 , 1 8 216,05 241.ffi

U navedenim rezultatima, nivo znadajnosti je 0,01 (zaokruZeno). To je man;'eod alfa nivoa od 0,05, pa rezultat govori da postoji razlika u nivoima optimizma razliditih starosnih grupa. pregledom siednjih (prosednih) vrecinosti rax_gova grupa vidimo da je optimi zam na najviiem nivou u najstariloj grupi (45 i viSegodina), a najmanji u najmladoj. Rezultati ove analize mogu se predstaviti ovako: Kruskal-Volisov je otkrio statistidki test znadajnurazlikunivoaoptimizmatri ra_ z l i d i t e t a r o s n e r u p e( G p l , . n s g + Z : 1 8 - 2 9 g o d ,G p 2 , n : 1 5 b : 3 0 _ 4 4 g o d , 1) G p 3 , n : 1 3 5 : 4 5 i v i 5 eg o d ) ,c 2 ( 2 , n : 4 3 5 ) : g , 5 Z p : 0 , 0 1 4 . N a j s t a r i j a sta_ rosnagrupa (45 i viSegodina)ima vecu medijanurezultata(Md:2'3) od osta_ le dve starosne grupe, dija medijana iznosi 22.

Ch isquare df Asymp. Siq.

8,573

.014

a KruskalWallisTest b GroupingVariable:AGEGP3

grustarosnu za optimizma svaku vrednosti i medijane bi Trebalo da izradunate Manposvecenom u opisan odeljku medijana za postupak dobijanje fu-.St"Oir" -Vitnijevom testu. U MEANS TABLES:toptim BY agegP3 COUNTMEDIAN. /CELLS
medijanama: Ovo je tabela rezultatasa izradunatim RePort Total OPtimism
aoe in 3 qroups 1 <=29 2 30-44 3 45+ Total
N Median

Naknadni testovii velidinauticaja


Kada dobijerestatistidki znaiajan rezultatKruskal-volisovogtesta,jos uvek ne znatekoje grupe se statistiiki znatajno medusobnorazfikiju. Da biste to utvrdili, treba da obavitejod nekoliko naknadnihMan-VitniievihU testova izmedu,parova grupa (npr.grupe najstarijihi grupe najmladih;.Ako nameravate poreditesveparovegrupa ('1, 2,1 sa 3-i 2 sa 3),morateprimeniti da sa Bonferonijevu korekciju alfa vrednosti(videtiuvod u peti'deoknjige),kako bisteizbegligreSke prve vrsre. Bonferonijevoprilagodenjeznadi podeliti alfa vrednost 0,05 brojem testovakoje nameravate obavitei potom upotrebljavati da tako revidiranalfa nivo kao kriterijum za odredivanje znadajnosti. ovde bi to znadilostroii alfa nivo od 0,05/3=0,017.Medutim, umestoporedenjasvih mogudihparova 8ttg1, bolje je izabrati samo nekoliko klju3nih grupa i uporeiti njih, dime sealfa nivo zadri.ava upotrebljivojvisini (nepremaloi).za svakogrupno na poredenje moie se izraiunati pokazateljvelidineuticaja (tj. jaiine vezeizm-edu promenljivih),po postupku opisanomu odeljku poru.i..ro- Mor,-Vitnijevom U testu.

147 153 135


,at

22,00 22.00 23,00 22.O4

Fridmanov test
testa rezultataKruskal-Volisovog Tumadenie jesu:vrednostpoGlavnevrednostikoje treba gledatiu izlaznomrezultatu broj stepenislobode(df) i nivo znatainoiurur.Iluhi-kvadrat (Chi-Sqriare), manii od 0'05 (npr' ,ii lprikurnn kao Asymp.Sii'1' 5aa." ie.two znadainosti vrednostima je u dobijenim 0,0i,0,01,0,001),-oi. r.",ukliuditida razlika zar'im treba pogledatt izmedu te tri grupe znataina' prome,tliirre ;:,;t;ki;;; vrednost ru,lg" (Mean Rank) za it rti gtupt n::11'::i.:-t^":l,t1b,1l sredniu nalvecol rang' sto odgovara ,"r'.rlt"t". Tu vidite koia od tri grupeima naiveci ive' promenlj vrednostineprekidne
Fridmanov test je neparametarska alternativa jednofaktorskoj analizi variponovljenih merenja (videti poglavlje 1B). Upotrebljava se kada .,zmeJanse te.isti uzotak subjekata ili sludajeva i izmerite lh i tri ili uiie naurctta ili pod tri razlidita uslova.

Primer istraiivadkogpitania: Ima li promenerezulrara i s p i t i v a n i as t r a h a o d statistike obavljenim u tri vremenska perioda (pre intervencije, neposredno posle intervencije i tri mesecanakon intervencije)? sta vam treba: Jedan uzorak subjekata, merenih na istoj skali ili u rri vre_ menski razlitita navrata ili pod tri razlitita uslova.

Kratakpregled Fridmanovog testa

Pretpostavke:Videtiopirepretpostavkezirneparan1etarsketehnike,nav e d e n en a P o i e t k u P o g l a v l i a ' Parametarskaalternativa:Jednofaktorskaanalizavariianseponovljenih merenia(istih subiekata)'

Tumadenie rezultataFridmanovog testa


Rezultati ovog tesra pokazuju da postoje znaiajne razlike u rezultatima na 'Ib skali straha od statistike dobijenim u rri vremenska razdoblja. pokazuje vrednost sig. od 0,000 (5to zapravo znadi manje od 0,000-5).poredeii srednje vrednosti rangova (Mean Ranks) za tri skupa rezultata, izgleda kao da strah od statistike opada s vremenom. Rezultate ove analize mogli biste predstaviti ovako: RezultatiFridmanovogtesta pokazuju da postoji statistidki znad,alna razlikarezultatana skali strahaod statistikedobijenihu tri vremenskarazdoblja(pre intervencije,neposredno posle intervencije, meseca posle intervencije), (2, n : 3 c2 je 30) :41,52 p < 0,005). Pregledmedijana pokazaoopadanjestrahaod starazdoblju pre intervencije (Md:40) do posle interventistikeu vremenskom od (Md:35,5). cije (Md :38), kao i daljeopadanje3 mesecaposle intervencije

testa Postupakza obavlianieFridmanovog

experim3ED'sav' datoteku otvorite Da biste moglipratitiovajprimer, stavkuNonparametricTests' pa u 1. otvorite meniAnalyze,izaberite njemu K pritisnite RelatedSamPles' 2'Prrtisnitepromenljivekojepredstavljajutatrimerenja(npr.fost1,fost2,fost3). poljeFriedman' Test Type trebada je potvrdeno 3. U odeljku 4'PritisnitedugmeStatistics.Potvrditepo|jeQuartiles.PritisnitedugmeContinue. u snimili Syntax dugmePaste da biste komandu OK 5. Pritisnite (odnosno Editor).
ovu komandu: Tim postupkomgeneriSete

Naknadnitestovi i velidinauticaia
Kada se utvrdi da postoji statistiiki znaiaina razllka koja nasta negdeiz-je tri tadkeu vremenu,sledeii korak bi bili naknadni restoviporedenia medu vremenskihtadaka od interesa(videti prethodno razmatranienaknadnih testovau vezi s Kruskal-Volisovim testom).U ovom sludaju, naknadnoispitivanie bi obuhvatilo pojedinadnevilkoksove resrove ranga, uz Bonferoni korekciju alfa vrednostikako bi seizbegiagreika I vrste.Ja bih severovarno odludilaza poredenjerezultatau trenutku 1 (pre intervencile) rezultarimau s trenutku2 (posleintervencije),zatim onih u rrenurku2 (posle i inrervencije) sa onima dobijenimu trenutku -3(3 meseca posleintervencije). su dva teTo sta;zato bi moj revidiranialfa nivo za utvrdivanjestatistidke bio zrraiajnosti 0,05/2 = 0,025.Pokazatelje velidine uticaja(iatineveze) trebalobi izradunati za svakokonkretnoporedenje obavljenoVilkoksovimtestomranga.

NPARTESTS : /FRIEDMAN fostl fost2fost3 OUARTILES /STATISTICS LISTWISE' /MISSING Evoi rezultata:
DescriPtiveStatistics

Dodatneveibe
Ranks Mean Rank tear ot stats time l fear ol stats timez fear ol slats Itime3 Test Statistlcs a 1.18 2,78 2,Q3

Poslovno okruZenie Datoteka s podacima:staffsurvey3ED.sav. Pojedinostio datotecivideti u dodatku. 1. Pomoiu hi-kvadrat tesra nezavisnosti uporedite proporciju stalnih i privremeno zaposlenihlemploystatus)koii bi preporucili organizaciiu kao dobro mestoza rad (recommend).
2. Pomoiu Man-Vitnijevog U testa uporedite dobijene vrednosti zado, voljstva osoblja (totsatis) za stalno i za privremeno zaposlene(enrplo1,status). 3. Pomoiu Kruskal-Volisovog testa uporedite dobiiene vrednosti zadovoljstva osoblja (totsatis) za sve kategorije duZine radnog staZa (upotrebite promenljivu seruicegp3)'

5*'u* "':l i
.000
Friedman Tesl

Zdravstvo videtiu dodatku. o Pojedinostidatoteci sleep3ED.sav. D;l;;"k" i podacima:


uporediteproporciiurnulkaraca 1. Pornoiu hi-kvadrattestanezavisnosti (pro(gender) koji odgovarajuda imaju problemasa spavaniem i Lena blem\. vrednostipospanoMan-VitniievogU testauporeditesrednje 2. Pon-roiu Sensations and Associated sti (gkupne vrednostina skali Sleepiness totSAS)za muikarce i Zene(gender). Scale: testa uporeditesrednievrednostimerenja 3. Porno6uKruskal-Volisovog Senand (ukupnevrednostina skali Sleepiness Associated pospanosti promenljivom grupe definisane i"tiotrs Scale:lotSASl za tri starosne (<=37,38-50, 51+). agegp3

T-testovi

ima viSevrsta t-testova. Mi iemo ovde razmotriri dve: SPSS . t-test nezauisnih uzoraka, koji se upotrebljava za poredenje srednle vrednosti obelezja merenog u dve razlidite grupe ljudi ili u razlic.itim okolnostima; i o t-test uparenih uzoraka, koli se upotrebljava za poredenje srednjevrednosti obeleZia iste grupe ljudi merenog u dva navraca ili kada su subjekti upareni (engl. matched pairs). U oba sludaja, porede se vrednosri odredene neprekidne promenljive merene u due grupe rli s dua navrata. Kada grupa odnosno okolnosti ima viSe od dve, umesto t-testa upotrebljava se analiza varijanse. Obe vrste t-testova razmotrene u ovom poglavllu poiivaju na nekoliko pretpostavki koje treba proveriti pre obavljan ja analiza. Op5re prerpostavke za obe vrste t-testova navedenesu u uvodu u peti deo knjige. T:test uparenih uzoraka ima i jednu jedinstvenu dodatnu pretpostavku, koju takode treba proveriti. Ona le podrobno objalnjena u kratkom pregledu t-testova upzlrenih uzoraka. Pre nego 5to nasravite da ditate ovo poglavlje, trebalo bi da proditate uvod u peri deo knjige.

T-testnezavisnihuzoraka
T-test nezavisnih uzoraka(engl.independent-samples /-/esl)upotrebljavarrro za poredenje srednjevrednostineke neprekidne promenljiveu dve rirzliiite grupesubjekara.

Obja5njenje primera
Da bismoilustrovaliupotrebuove tehnike,koristiiemodatorekus podacinra survey3ED.sav. primeru se porede razlike izrnedupolova u izrnerenonr U nivou samopo5tovanja. Imamo dve promenljive, pol (sex),gde su muikarci Sifrovani 1, a Zene 2, i tslfest(skraienood total self-esreem),5roukuje sa sa pan rezultat dobijen na skali samopoitovanjaod deset stavki. (Videti u

dodatku pojedinosti o istraZiv:rniu,prornenijivarna i upitrriku upotreblienom za prikupljanje podataka.) Ukoliko Zelite da pratite primer i odmah sprovodite navedena uputstva, pokrenite SPSSi otvorite datoteku survey3ED.sav'

Evo odabranogdela rezultataovog postupka.


Group Statisttcs SEX -MALES 184 FEMALES 252
rndepndtrl

Mean

Primeristiaiivadkogpitanja:Da li postoiiznaiainarazlika izmedusredniih i kod muSkzrraca i'ena? vrednosti samopodtovanja promenljive: Stavam treba:Dve i r jednakategorijska, promenliiva(npr.muskarci/iene); nezavisna samopoitovanja)' r jednaneprekidna, promelliiva (npr.vrednost zavisna uzoraka kazuje da li postoji statistidki 5t" ,e postiie: T-test nezavisnih u rezultatu merenianekog obeleLja dve grupe znataina razlika u prosednom razlikuju po nivou samopoitovania). (ti. da li se muSkarcii zene zna(aino R.d.no jezikom statistike,ispitujemoverovatnoiu da dva skupa rezultata potiiu iz istepopulacije' (dobiienihod muikaracai od Zena) Pretpostavkeza ovaj test obradenesu u uvodtl u peti deo Pretpostavke: knjige.Trebalobi da proditatetai deo tekstapre nego 5to nastavite. Man-VitnijevU test (videti 16. poglavlje). I.{"pur"-.tarska alternativa:

Kratak pregledt-testa nezavisnihuzoraka

lolalselt)sleem

u.02
t5.t/

Std. Deviation Std. ErrorMean 4,91 JO 5.71


JO

Srnptes

T6l

Levene s Tesl lor qualily ol


Flesl lor qualty ol Msns 9506ConlrdeDco hlaNal o( th6

Sq.
blal tquar vaftances

dt 1,622 r,66|

sig Std. Eiror i2 taild) Orflerence Dilfererce 4U


,105 ,098 ,45 ,85 ,52 ,51

Drfierence

uppet ,.18
j,87

.062
Equal varnces

nol a$umed

422.U9

Tumadenje rezultata t-testa nezavisnih uzoraka Korak 1: provera informacija o grupama


U tabeliGroup statistics je sPSS ispisao srednjuvrednost(engl.mean)i standardno odstupanje(engl.standard deuiation)obeleZja ie vred.,osri od za svakugrupu (u ovom sludaju: muikarci/Zene). Navedenje i broj osobau svakoj grupi (N). uvek najpre proveritete brojeve.Da li su tadni iznosi N za muikarce i zene? Nedostaje mnogo podataka? Ako je tako, otkrijte razlog. ste upisalipogre5ne Sifreza mulkarceodnosnozene(0 i 1, umesro1 {oz!a i 2). Proditajte pile u iifarniku. 5ta

t-testa nezavisnihuzoraka Postupakza obavlianie


compare means,pa pritistavku u izaberite njemu 1. otvoritemeniAnalyze, SamPlesT test. sniteIndependent (npr.ukupnosamo(neprekidnu) promenljivu zavisnu odabranu 2. Pritisnite je u poljeTestvariable. i po5tovanje, tslfest) prebacite (npr' (kategorijsku) promenljivu pol,sex)i prenezavisnu odabranu 3. Pritisnite je bacite u poljeGroupingvariable' pomocukojihsu grupe brojeve 4. Pritisnite dugmeDefine groups i upiSite .l datotecis podacima, :muskarci, U u Sifrovane skupupodataka. tekucoj 2. 1;a u poljeGroup2 upiSite Ako ne 2:2eneizatou poljeGroup 1 upi6ite mi5apritisnite grupu,desnimtasterom za da mo2ete se setiteSifara svaku PriInformation' Variable izaberite meniju iu imepromenljive kontekstnom (siframa) trebaupisati tu proza koje i se kazace okvirsa opisima brojevima dugmeContinue. Pritisnite menljivu. dugmePaste da bistekomandu Continuei zatimOK (odnosno 5. Pritisnite u snimili SyntaxEditor). generi5e komandu: ovu Postupak T-TEST | G R O U P S : s e x ( .2 ) /MISSING:ANALYSIS /VARIABLES: tslfest . /CRITERIA:Cl(,95)

Korak 2: provera pretpostavki


u prvom delu tabele Independent Samples Test dati su rezultati Leveneovog jednakosti varijansi. Ispituje se da li je jednaka varijansa (promenljivostJ testa. rezultata u dve grupe (mudkaraca i Lena).Ishod o'og testa .dreduje koju t-vrednost (od dve koje je SPSS izradunao) treba ,-"trnii radnom i upotrebiii. o Kada je velidina sig. (u odeljku Levene'sTest for Equality of Variances) ve6a od 0,05 (npr. 0,07, 0,10), rreba uporrebiti prvi red rabele, izraiu_ nat za sludaj jednakih varijansi (Equal variancei assumed). . Ukoliko nivo zr-radajnosti Leveneovog testa iznosi p=0,05 ili manie ( n p r . 0 , 0 l . 0 , 0 0 I ) , r o z n a c i d a v a r i j a n s ed v e g r u p e ( m u i k a r c i / z e n e )n i s u jednake. Dakle, podl:t zadovoljavaju pretpoitavku o jednakosti va1. je rijansi. Ne panidite; SPSS ljubazno izraiunao alternarivnu vrednosr r, da koja kompenzuje_dinjenicu varijanse nisu jednake. Treba uporrebiti tirbele rezultata t-testa, izradunatu bez pretposiavljanja drugu vrstu jednakosti varijansi (Equal variances not assumed).

zo0

To je viSe U gornjem primeru, nivo znaiajnosti Leveneovogtesta ie 0,062. o iednakosti variiansi niie bila od gr"aniinih b,O5; znadi da pretpostavka vrednost t iz prvog reda tabele' naruiena. Zato uizveitaiu t'"tu *ut'ti

Korak 3: procena razlike izmedu gruPa

grupe, pogleda koite Da bisteuwrdili postoii li znataina razhkaizmedu dve su odeljku r-testfor Equalityof Means.D.ate. dve vredlo'u Sig.(2+ailei) u vilriianse' nosti -"prva za sludaj jednakih varijansi, druga za nejednake testakazujeda ie taian rezultatLeveneovog odaberitevrednosrzakojuvam (videtikorak 2). jednak ili manii od 0,05 (npr.0,03, . Kada je broj u koloni sig. (2-tailed\ 0,01, 0,001), tac{apost;ii znaiaina tazllka izmedu srednfihvrednosti promenljiveu svakojod dve grupe' zavisne dve grupeniie . Kada je broj iznad 0,05 (npr.0,06, 0,10),razlikaizrnedu vei znadaina, sludaina. je iznosi0,105. PoSto ta U gornjemprimeru, broi u koloni Sig.(2-tailed) treba zaklluditi da ne veliiiia iznai zahtevanegranidne vrednosti 0,05, postoji statistiiki znataini razyka,izmedu srednjih vrednosti samopoitoizmedu vanja rnuikaraca i Zena.T,rbela sadrLii srednju vrednost te raz.like koja iznosi0,85; a u odeljku957o confidence du.'grup. (Mean Difference), donju (Lower) i gorniu (Upper)gra'icu interval, t.rt.in"iof the Difference, koji sa verovatnoiom od95"/osadrZistvarnuvelidinute razlike'

)mernrce(Cohen,1988, str. 254-7) za rumadenje ove velidine glase: 0,01-maliuticai. 0,06=umeren utical. 0,14=veliki uticai. sto setic=e nalegprim.era, velidinauticajaiznosi.sarno 0,006,dakrevrlo je rnali.Procenrualno iz.raLeno (pomnozite izradunati kuadratsa 100),pol_ eta na razlikaobjainjavasamo 0,6 procenara varijanse ,u_opoSiounn,". U literaturi iz nekih oblasti (npr. medicinei,uelidina ,'ri."i" iesto se iz_ Koenovimpokazaterjem raLava d.Brzi kratak nadinizradunn"n.,;" pokaza_ telja velidineuricaja,medu kojima i Koenovogpokazatellu a, po,.nzit. nu 'web adresi http://web.uccs.edu/lbeckeripsy5gO/e.scalc3.htm.''

Rezultate ove analize mogli biste predstaviti ovako:

Predstavlianje rezultatat-testa nezavisnihuzoraka


T-testom nezavisnih uzoraka uporedeni rezurtati su ispitivanja muskaraca i zena. "",.noposffi Nrle znadajne biro razrike rezurtata muskaru"" kod (rfi': 34,o2, S D : 4 , 9 1 ) o d n o s nZ e n aM : 3 3 , 1 2 S D : S , 7 1 ; t 4 g 4 ) : o , ( t , O Zp : 0 , . 1 1 , (obostrano). Razlika izmedu srednjih vrednostiobelezja g.pu."'(iroseena po razlika:0,85,950/o -1 ,80 do .l,g7)bilaje vrlomala(eta Cl: : kvadrat 0.006).

da V.lieln, uticajalengl.effectslze)koiusvim ovim testovimapokuiavamo veliii.e utipeti deo kniige.Pokaza.telii otkrijemo,razmotrena u uuod.,u l" na velidinurazlike izmedugrupa, a ne samo da li ie ta razlikir ."1" od "f."r"i" ,irt"i"" ili ne. Veliiina uticaia se procenjufepomoiu viSepokazatelia, kvadrat moze eta upotrebljavaiu kvadrat i Koenov d. Eta kojih se najdesie uzav_iproporciju variianse u opseguod 0 do 1 i predstavlja imati vrednosr SPSS (grupisania)' ,.ro1prorn"nliivol tblISnje.u nezaviinompromenljivo.r sami izrreta ,r" irr"d,rnnua pokazateli kvadrat u t-testovirna,ali ga moZemo dunati pomoduostalihdatil'rrezultata' Fonnula za.etakvadrat glasi: Eta kvadrat =
t2

veli6ineuticaia u t-testu nezavisnihuzoraka lzradunavanie

t2+(N12+N2-2)

broieveiz gorniegprimera: Kada u formulu uvrsrimoodgovaraju6e


Eta kvadrat =

T-testuparenihuzoraka(ili ponovljenihmerenja) upotrebljavamo kada imajednu,grupuljudi (ili preduzeia, maiina ili itd.), a podntk. od njih ::-:T" prrKuplramo dva navrataili pod dvaraz.riiita u uslova.primer takvesitua.:ile su eksperimend kojima meienjeobavljamo u pre i posle neke intervencije. svakuosobuocenimona nekoj neprekidnoj skali u trenutku 1, i zatintponovo u trenutku2' nakon 5tosmo ih podvrgli nekoj eksperimentalnoj obradi ili mtervenciji. nadinseuporreblj^rur^ip^rene Isti subjekte svakaosobaje (tj. uparena nekom drugom na osnovu s odredenih kriterijuma,kao ito su srai sl')' Jedan ogl deoparabivapodvrgnur inrervenciii a drugiinrervenr, :::'rz' Latrm utJt seza svakipar porederezulratina nekoj neprekidnoJ skari. uparenih.rro.nkusluZe za merenje i odgovoraisteosobena dv:r -^_l.r:t,oyi recimo da oceni vaznostdrra'"speftaLivota(npr.zdravlja, ffzttctta_pitanja, ttnansijske obezbedenosti) pogledunjihovog Lrticaja zadovoljstvo u na Zivoovom sludajur, aspektatreba ocenitina istoj skali (npr. oba :.,T'u od 1=nirnalovaZnodo 1o=veoma vaZno).

T-testuparenih uzoraka

1,622 + 1,622 (lB4 +252-2)

Eta kvadrat = ,006

,Jv

Yr uPq

rogtavue | /: t-Ieslovt

primera ObjaSnienje
Kao ilustracijut-testauparenihuzorakaupotrebilasam podatkeiz d:rtoteke 'Web (dostupne prateioj lokaciji kniige).To ie veitadka experim3ED.sav na podacima,napravljenai modifikovana tako da ilustruie raz.ne datotekas projektaistraZivanja, upotrebljenih mera statistiiketehnike.Svepojedinosti itd. date su u dodatku. koja ie trebaloda poveia saU donjemprimeruistraZiiuuticajintervenciie da u studenata pogleduniihove sposobnosti ovladajustatistimopouzdanje kom. Od stLrdenata bilo traLenoda popune test za ispitivanjestraha od ie Tbsr,FOST) i pre (trenutak 1) i posle interstatistike(engl. Fear of Statistics vencije(trenutak2). Upotrebiiu ove dve promenljiveiz datotekes podacima: u strahaod statistike trenutku 1) i FOST2(rezulispitivanja FOST1(rezultati 2).Da bistepratili ovaj primer, u tati ispitivanja strahaod statistike trenutku pokreniteSPSS otvorite datoteku s podacimaexperim3ED.sav. i

3' Kada-su obe promenljiveizabrane,prebacite ih u polje PairedVariables tako.Sto cete pritisnutidugme sa strelicom.pritisnite OK (odnosno dugme Paste da biste komand, u Syntax Editor). "nirnifi PostupakgeneriSe ovu komandu:

T-TEST PAIRS: fostl W|THfost2(pAtRED) /CRITERIA:Cl(.95) /MISSING: ANALYSIS. Evorezultata prethodnog postupka:
Paired Samples Stalistjcs M e an Pair 1 fear ol stats limel fear of stats time2 q,17 N Sld. Devratron Std. ErrorMean

Kratakpregledt-testa uparenih uzoraka


Primer istraiivadkog pitanja: Da li se znadajno razlikuiu rezultati ispitivanja straha od statistike, nakon 5to su ispitanici udestvovali u intervenciji kola je trebalo da poveia njihovu veru u sposobnost da uspeSnoovladaju statistikom? Utide li ta intervencija na rezultate udesnika ispitivanla straha od statistike? Sta uam treba: Jedan skup subjekata (ili uparenih subjekata). Svaka osoba (odnosno par) treba da di oba skupa odgovora. Dve promenljive: o jedna kategorijska nezavisnapromenljiva (u ovom slulaju, to je vrenrc; sa dva razlitita nivoa: trenutak 1, trenutak 2)l o jedna neprekidna, zavisna promenljiva (npr. rezultati ispitivanja straha od statistike) merena u dva navrata ili pod razliiitim okolnostima. Sta se postiie: T-test uparenih uzoraka kazuje da li postoji statistitki znaiajna razllka u srednjim vrednostima rezultata dobiienih u trenutku 1 i trenutku 2. Pretpostavke: Osnovne pretpostavke t-testova obradene su u uvodu u peti deo knjige. Trebalo bi da proditaite taj deo teksta pre nego 5to nastavite. Dodatna pretpostauka: razhka izmedu dva rezultata dobijena za svakog ispitanika treba da je normalno raspodeljena. Krsenje te pretpostavke ne prouzrokuje ozbiljne probleme kada uzorci imaiu viSeod 30 subjekata. Neparametarska alternativa: Vilkoksonov test ranga (videti 16' poglavlje).

30 30

5,16 5,15

,94 ,94

37,50

Paired SaDptes T6l

95% Confidence Interyal ot lhe Drftergnce

Tumadenjerezultataove analize,artoyi se od dva koraka.

Tumadenje rezultatat-testa uparenih uzoraka

t-testa uparenihuzoraka Postupakobavljanja


1. Otvorite meni Analyze, izaberiteu njemu stavkuCompare Means, pa pritisnite Paired Samples T test. koje Zeliteda uporediteza svakog ispitanika(npr. 2. Pritisnitedve promenljive u trenutku 1, fost2: strah od statistikeu trenutku2). fostl : strah od statistike

u tabeli-Paired samples Testpogredajte posrednju kolonu, sa zaglavljem Sig. (2+ailed); je trazena to verovarnoiadontienja pogrelnogzakljudka. Kadaje ta vrednost ma-nja 0,05 (npr.0,04, o,ot, o,oot od da posto[ ;t znaiajna razlikaizmedudva rezultata. ""rrJr"r.rirtiti U.gornjem primeru,verovatnoiaje 0.,000'Taj broj je zapravo zaokruLennatri decimalnamesra,ito znaii da je stvarna verovatnoia manja od 0,0005. Ta vrednos,;. ,.rutrro (sto puta) manja.od zadatogalfanivoa od 0,05. zato trebarur.r;"eiti a" f.r,";i znaiaj_ na razlikau rezulrarima ispitivanjasrrahaod statistike a"r,r";l u rrenutku 1 odnosnotrenutku 2.zabelei.ite vrednostt (u ovom JJJJru,'s,:g) i uroj stepenislobode(df=29),poito njih rrebanavestiu izveltaju o istraZivaniu.

Korak 1: odredivanjeukupne znaeajnosti

(Mean) Trebalo bi zabeleZitii da je prosedno smanjenie straha od statistike pouzdanosti proteZe od doniih (Lobllo 2.67,te cla se interval 95-procentr-re w e r ) 1 , 6 6 d o g o r n i i h ( U P P e r )3 ' 6 8 '

Eta kvadrat se moZe dobiti pomoiu ove formule:

Eta kvadrat =

Korak 2: poredeniesredniihvrednosti

(5,39)2 (5,39)2 30- 1 +


- z

koraku treba poStosmo ustanovilida postoii znaittinarazlika, u slededem vrednosti(skupdobiienu tresrednje utvrditi koji skup ,"zupaiasadrZiveie Paired nutku 1 ili onaj ,,,trenutk,,2).Toiemo uraditi uvidom Llprvu tabelu za (Mean)izradunate oba skuvrednosti u statistics. njoj su srednje samples sludaiu,stra[ od statistikeu tretrufku 1 p* ,.rultnt" pojedinaino.U naSem dok u trenutku 2 iznosi37,50' Dakle, zakljuduiemo iznosi 40,1,7, prored,]o znaiajno smaniiliod trenutiu ,,, ," rezukatiispitivaniasrrahaod statistike trenutka 2 (posleintervencije)' do kar1 (pre intervenciie) 'tJp'c.tzorenje: Iako smo dobili znadainurazliku u rezultatimapre i posleinprouzrokovalasmanienje ne tervencije, moZemoreii da je ta intervencija nisu NaZalost,istraZivania ,rr.d.rosii,. zultataispitivanjastrahaod statistike. strahaod starspitivania dobijenihrezultata Na tako jednostavna! smanienje tistike moglo je uticati i mnogo drugih dinilaca.Tome je moglo doprineti i Tokom tog razdobljamovremela, bezikakveintervencije. samoproticanje prema stagli su ie desiti i drugi dogadajikoii su uticali na stavovestudenata tistici. MoLd,a,u ,r" ,rJ.rnite uticali stariji studenti statistike, koii su ih da obavestili je predavad ,,dobar" zato lto ie ispit lako poloZiti.MoZda su svi Ima ioi mnogo dobili ilegalnu[opiju ispitnihpitanja (s tadnirnodgovorima)! tinllaca. Kad god je moguie, istraZivaibi drugih m"oguiihkontaminiralueih tr.bllo da predvidi te remetilaike iinioce i statistiiki ukloni niihov uticaj ili konbi istraZivanje poboliSala U ih ukljudi u eksperiment. opisanomsludaiu, po svemuostalom bila trolna gr,rpakoj" ne bi bila iiloLenaintervenciji,ali bi drugih doslldnaJfeinicima.Time bi se iskliudiouticaj proticaniavremena, istraZivania' podvala,ilegalnihkopiia itd' na rezultate gadaja,

?g n{
) v J

29,05+30_1 - ,50
Kada u formulu uvrstimoodgovarajuiebrojeveiz gornjeg primera: Eta kvadrar (5,39)2 (5,39)2 30* 1 +

-#*r
,50

smernice (cohen' 198g, str. 294-7) za rumadenje ove veliiine glase: 0,01=maliuticai, O,05=umeren uticai, 0,14=velikiuticoj. poito smo dobiri etakvadratjednak 0,50, zakljudujemo je veomavelika da razlikaizmedu re_ zultataispitivanja srrahaod statisrikedobijenih pre posle i intervencije.

osnovne pojedinostikoje treba navestisu ime tesra, svrha testa,vrednost pokazate.lja broj stepenislobode(df), verovatnoia t, (alfh)dobijanjasludajnog rezultatai srednje. vrednostiobeleija i stanclardn" odrtupo.,,a svaku za grupu odnosnomerenje. objavljivanjurada Pri u veiini danainjih dasopisa, potrebno je da se navedei p_okazarelj ,r.iidi.,. uticaja (npr. eta kvactrat).Rezultateopisaneanalize-ogli birt. predstaviti ovako: T-testom uparenih uzoraka procenjen uticajintervencije ,"rrrtut" ,"pi,ije nu vanja straha studenata statistike (Fosr). iJtvrdeno statistidki od je znadajno

Predstavljanje rezurtatat-testa uparenih uzoraka

vidi da je vrlo malaverovatnoiada je dobiiena rezultata Iako seiz navedenih dva skupa vrednostibila sttriajna'oni nam ne karazltkaizmedudobiyena ti. zuju mnogo o velidiniuticaiadate inrerrrencije, kolika ie ta nzhka. Jedan te nekogpokazatelia veliiine oi nafina da seto utvrdi bilo bi izraiunavanie kako se iztaiu(video tome videti u uvoclu u peti deo knjige). Pokazaiemo vepokaz.atelja upotrebliavanih navai rumaii erakvadrar,iedanod najdei6e lidineuticaia.

velifine uticajau t-testu uparenihuzoraka lzradunavanie

S D : 5 , 1 5 ) , t ( 2 9 ): S , 3 9 , < O , O 0 O(S b o s t r a n o )r.o s e d n o p p o smanjenje vrednosti Fosr biroje 2,22,dok se intervar gs-procentnog poverenja prote2e 1,66 do 3,6g.Vrednost kvadrat od (0,50)pokazuie je uti_ eta da caj intervencije velik.

sm n vred i Fo; ffi il; i; ; i# :H: ?: 5jE:ffr5:1ffii1: je ost anje n 3 2 (M:325,

DodatneveZbe
Poslovno okruienje
Pojedinostio datotecivideti u Datoteka s podacima:staffsurvey3ED.sav. dodatku. uzorakaupore1. PostupkomobjaSnjenim odeljku o t-testunezavisnih u vrednostizadovoljstva osoblja(totsatis) stalnoodnosno za dite srednle (employstatus).Da je razlika izmedusrednjih privremenozaposlene li vrednostizadovollstva znacajna? Zdravstvo Datotekas podacima:sleep3ED.sav. Pojedinosti datotecivideti u dodatku. o 1. Postupkomobjadnjenim odeljku o t-testunezavisnih u uzorakauporedite srednjevrednostipospanosti, dobijenena skali pospanosti prii druZenih oseianja(total scoreof Sleepiness Associated and Sensations Scale:rorSAS)za muikarce odnosno Zene(gender).Da li je razlika izmedu srednjih vrednosti pospanosti znataina?

Jednofaktorska analiza varijanse

u prethodnom pogravlju'pomoiu t-restova smo porecrilirezurtateispiti_ vanja dobijeneu dve razlidite grupe odnosnou isto;. grupi ali pod razriditim uslovima' Medutim, u mnogim istraZivanjim a zanimanasporedenjeprosed_ nih rezultatau viie ocrdve grupe. T"J, ,. upotrebljava'analtza varijanse (ANovA)..|ednofaktorska analiza_ varijanseznati dapostojisamojedna ne_ zavisnapromenljiva podeljenana viie nivoa 'i grupa, Jfaftgr), odnosno uslova'Primeraradi, kada brstena ornouu ocenaudenika izLatematike po_ redili delotvornosr tri. razlidita stila podudavanja, imali biste jedan faktor (stil podudavanja) tri nivoa s 1np..c.o razred,rt,irnorJ., grupama, samosralne aktivnosti uz koriii^enje radunara zavisna "rlupromenljiva je ne_ ). prekidna(u ovom sluiaju, ro su ocene na testuiz matematike, -'-----'koje seu SAD tzra.i.avaju procentualno, u opseguod 0 do tj. 100). Analizavarijanseje tako ,nri^ni r^to sro poredi varijansu(promenljivost rezultata) izntedu raznihgrupa(zakoju severuje je da prouzrokujenezavisna promenljiva) tom promenljivo!6t s untrtarruuk. gr,,pJ (;k;t; sesmarrada je posledica slutajnosti). rzr.atuna poknr"r.li (kolidnik)Ir koli predstavrja r. varijansu izmedu erupapoderyenu uarilanto,n ulil." vrednosr kolidnikaF pokaiuie'du'1" u.cu f."-J"iii"or, "nuor;;,;;;. (koju prouzroizmedugrupa kuje,nez.avisna promenljiva)nego unutar svakegrupe (ito --- " su odstupanja iri reziduali, engl.error term, rezultara od srednje statistiiki znaiajan_pokazarerj "Lar"rrij. F kazujeda trebaodbacitinultu hipotezu, -. tvrdnju {' da su prosedne vrednost oberiiiau populacijijednake. i Medurim, ne kazujekoje segruperazrikuju;to rek treba utvrditi naknadnimtesto-on vtma' Alternativasprovodenju nainadnih testovanakon dobijanja znatajnog iznosaomnibusF tesra, jesteda stLrdiju isplanirate tako da obaviresamo odredena poredenja(tzv'planiran" por.d"r,,a).poredenje naknacrnih plai niranih poredenja raz.ntotreno u uvodu u peti deo knjige; je tamo je navede_ na i literaturaza dubrjeproudavanje. oba pristup" i-;;;;;e dobre i roie rlrlnrt pa^jivo razmorrite svoj izbor pre nego sto otpoinete anarize. Naknadni resrovirrn1niri: verovarnoiu *:s:\i I ;;rr;'fi'j. ,"y prirrup stroZi,5to oteZavadobijanjestatistidkiznadajnih tnrtit n. Ui"f*" nemate ;asne konceptualne rirzlogeza poredenje samo bolje je "a*a."irr"ffia, obaviti naknadnuanalizusvih grupa.

analizevariU ovom poglavlju,razmotriiemo dve vrste jednofaktorske ianse(ANOVA): . ANOVA razliditihgrupa,koja seupotrebljavakada u svakojgrupi imate grupama");i (to s ili razliiite subiekte sludaieve ;e ,,projekat nezavisnim kada istesubjekte upotrebljava . ANOVA ponovljenihmerenia,koja se trenucimeritepod razliditimokolnostima(ili u razliiitim vremenskim sa ma); to ie ,,projekat istim subjektima". u narednom odeljku posveienom ANOVA analizi razliiitih grupa, ilustrovaiemoupotrebui naknadnihtestovai planiranihporedenia'

raspoloZenje ispitanika.Podaci-suiz stvarnogistraZivanj "qir" l*::j,-le^,1 grupa. rnojih postdiplomskih studenata. pofedinosri Sve pro_ l?]i'i^lo:yila ja, ;erta lstrazrvan upirnika,upotrebljenih skalaitd. datesu u dodatk,r.ukoprimer i odmah sprovodite navedena upurstva .pratite :::".::,]1."*i poKrentre SPSS otvorite datotekusurvey3ED.sav. i Evo pojedinostio promenljivama upotrebljenimu analizi. Ime datoteke:survey3ED.sav

ANOVA razliditihgrupa upotrebliavase kada imate jednu -nezavisnu Jednofaktorska nivoa (grupa)i jednuzavisnu s promenljivu(grupisanja) tri ili viSe neprekidnupromenljivu. Ret iednofaktorskau nazivu kazuie da postoii promenliiva,a sintagmarazliditih grupa znadi da u samo jedna nezavisna grupi imate razliiite subjekteili sludajeve' svakoj

grupa razliditih ANOVA Jednofaktorska testovima s naknadnim

Promenliive: ' Ukupan oprimizam(Totaloprimism, Topti'r): ukupan rezurtar dobijen na skali optimizma.Brojeviod 6 do 30, gde veii brojevi pot ,.Ji optimizam. "r,r;., . Srarosr podeljena tri gupe (Age3 group, Agegp3):Ova promenljiva na je dobijena reiifrovanjem, deljenjernstarosri ,ra iri grrrp. iste veliiine (videtiupurstva poglavljuB): grupa 1:78_29 goJinu = u 1, grupa 2: 3044 godina = 2, grupa3: 45+ godina = 3

Postupakobavljanja jednofaktorske analizevarijanse razliditih grupa s naknadnimtestovima

razliditih Kratak preglediednofaktorskeanalizevariianse testovima grupa s naknadnim


pitania: Da li serazlikuju rezultatl merenlir optlmlz.ma Primeristraiivadkog i mladih, sredovednih starih subjekata? Stava* treba:Dve promenliive: . jedna kategorijskanezavisna promenljiva s tri ili viSekategorija.To tako da se dobiju tri moZebiti ineprekidna promenljivareSifrovana grupe- subiektipodelyeni grupesa isrimtrojem dlanova(npr.srarosne i,ri ,turnrne kategorije:29 godinaili mladi, izmedu30 i 44, te 45 ili vi5egodinar). o jednaneprekidnazavisna promenijiva(npr.optirnizam)' razlike ANOVA kazujepostojeli znadaine Stasepostiie:Jednofaktorska u promenljive tri grupe.Potomsenaknirdvrednostizavisne izmedusrednjih nim testovimamoZeutvrditi koie grupe serazlikuju. na Op5tepretpostavke kojima podivaANOVA, razmotrePretpostavke: ne su u uvodu u peti deo kniige' test (videtipoglavlie16). Kruskal-Volisov alternativa: Neparametarska

1. Otvorite meniAnalyze, izaberite niemu u stavku CompareMeans,pa pritisniteOne-wayANOVA. 2. Pritisnite odabranu (neprekidnu) zavisnu promenljivu (npr.Totaloptimism) je Prebacite u poljeDependeniList takoStocete pritisnuti dugmesa strelicom. 3. Pritisnite odabranu nezavisnu kategorijsku promenljivu (npr.agegp3)i pre_ baciteje u poljeFactor. 4. Pritisnite dugme options i potvrdite porja Descriptive, Homogeneity vaof riance test, Brown-Forsythe, Welsh i Means plot. 5' U odeljku Missingvalues (nedostajuce vrednosti) trebada je izabrana opcija Excludecasesanafysis anafysis. pritisnite by dugmeiontinue. 6. Pritisnite dugmePost Hoc. pritisnite dugmeTukey. 7. Pritisnite continue i zatimoK (odnosno dugmepaste da bistekomandu snimili SyntaxEditor). u Postupak generise komandu: ovu ONEWAY toptimBY agegp3 /STATISTICS DESCRIPTIVES HOMOGENEITY BROWN-FORSYTHE WELCH /PLOTMEANS /MISSING ANALYSIS ALPHA(,O5). /POSTHOC: TUKEY

primera Obja5nienie

Pokaza6u ovu tehniku na primeru datoteke s podacimursurvey3ED.saq dostupne na prateioj'Web lokaciji knjige (videti str' xi). Podaci potidu iz alkete ,prou"d.n. radi istraZivalja faktora koii utidLrna psiholo5ko prilagodenje,

244

ueo

v: olatlutlutrE

lEr rrrr^e

I vgldvug

l e,

Jeur

rvrs^

Evo rezultataprethodnogpostupka' Oneway


DescriPtives

Tu13.denj rezultata jednofaktorske a naIize varijanse e razliditih grupa s nakhadnim testovima Descriptives
U ovoi tabeli dati su podaci o svakojgrupi (broj ispitanikau grupi, srednje vrednosti,standardnoodstupanje(engl. standard deuiation),minimum i maksimum,itd.). uvek najpre pogledajte ovu rabelu.Da li su radni brojevi ispitanikau svakojgrupi?

Testhomogenosti varijansi
Test of Homogeneity Total Oohmlsm Levene df1 dt2
5ro

of Varianceg

744

432

475

opcija ,,Homogeneity varianceresr"(koju ste ukliudili u 4. koraku) daie of Leveneov homogenosti rest varijanse. pomoiu kolegseispiruje jednakost varijansi u rezulrarimau svakoj od tri grupe. proditajtevelidinuznadainosti (Sig.)za Leveneov test.Kada je taj broj ueii od 0,05 (npr.0,08,0,12,0,2B), niste prekriili pretpostavku o homogenostivarijanse.u ovom primeru, veliiina sig. iznosi0,475. Poito je to viSeod 0,05, nismo prekriiliprerposravku o homogenosti varijanse. smo utvrdili naruiavanjete pretpoitavke, Da potraLlli bismo u rezultatima tabelu Robust Tesrs of Equality o] M.urrs. Tamo su prikazani rezultati dva testa (welsh i Brown-Forsythe)orporna na krSenje pretpostavke homogenosti o varijanse.

Robust Tesls of Equality of Means

ANOVA
.013 ,010

TotalOPt,mrsm
Statrslrc: 4,3811 df1

dI? 2
ZE4,5Ub 42i 601

Brown-ForsYthe
a AsymptolrcallY F distributed

Post Hoc Tests


MultiplecomPatrsons
Dependent Variable: Total Oplrmism Tukey HSD

1,94

3 )5 - - - - - r l a -4 s + - - 3-45;"-2 3A-44
i;;;;at dil'erffie rs srEnrfrcant dt ihe c5 level

....... ...,.37,. ..-..._L07., _,.. ...... 2.B3 ,36 -37 2.07

u ovoj tabeli dati su zbirovi kvadrata(engI. sum of squares) (reodstupanja ziduala) rezukataod njihove srednjevrednosti, broj stepenislobode itd. za analizu razliditih grupa (engl between-groups) analizu istih subjekata . i (engl.within-groups). jer Trebalobi da ih prepoznare ste ih viclaliu udZbenicima za statistiku.NajviSenas zanima kolona sig. Kada je vrednostsig. manja od ili jednaka0,05 (npr.0,03, 0,01, 0,001),postoji statistidkiznataina razlika izmedusrednjihvrednostizavisne promenljiveu rri grupe.To loi ne znaii da znatekoja se grupa razlikuje od kojih drugih grupa. U tabeli Multiple Comparisonsrezuhatanaknadnih restova(engl.post-hoc tests), date su i statistidke znadajnosti razhkaizmedusvakogpuru grupu. Srednje vrednostiza svaku grupu date su u tabeli Descriptives. ovom primeru, U sveukupnaznadajnost(kolona Sig. u tabeli ANOVA) iznosi 0,01, 5to je manjeod 0,05, tj. pokazujeda je rezultatnekeod grupa statistidkiznatajan. Podtoje dobijenarazlika statisridkiznadajna, sadatreba pogledatirezulrate naknadnihtestova.

Multiple comparisons
ovu tabelu treba gledati samo kada je razh.ka u tabeli ANovA statistidki znatajna, rj. kada ie vrednost Sig. jednaka ili manja od 0,05. Naknadni testovi iz ove tabele kazuju tadno gde su razlike izmedu grupa. pogledajte niz kolonu Mean Difference. PotraZite zvezdice (") pored ispisanih broieva.

Zvezdica znati da se dve uporedene grupe medusobno znaiajno razlikr"rjuna nivou p<0,05. U koloni Sig. dati su tadni iznosi znadajnosti. Prema gornjim rezultatima, samo grupa 1 i grupa 3 se statistitki znadaino medusobno razlikrrju. Drugim reiima, starosna grupa 18-29 godina i grupa 45+ godina znaiajno se razlikuju po nivon optimizma ispitanika'

u .l:-",1*l yljanie 1ez ftata j ed nofa kto rs ke a naIize van,anse razIicitih g rupa s nai;;d nim ieliou-i,i"
Jednofaktorskomana|izomvarijanseistra2enj"@

Dijagrami srednji h vred nosti


lako je uporediti srednjevrednostirezultatadobiPomoiu ovog dijagrarna jenih za raznegrupe.Na njernuse vidi da ie starosna grupa 78-29 godina grupa 45+ godinlrnajveii. najmanji opfimizam,a starosna zabeleLtla IJpozorenje; dijagramiumeju da zavedu'U zavisnosti skaleupood ovi na trebllene Y osi (ovdesu to rezuhatimerenjaoptimizma),iak i male razlike mogu izgledativrlo velike.U gornjemprimeru,stvarnarazlika srednjih vrednostivrlo je mala (21,36,22,10,22,96),a na dijagramuizgledaznatna. vrednosti Pouka:ne uzbudujtese zbog dijagramadok ne uporeditesrednje (dateu tabeli Descriptives) skalu dijagrarna. i

utvrdena staistreti,iueu1n"r".titl"nJ je n,uo,p < 0,05 u LOTrezultatima starosne tri grupe:i (2, +S.Z).:4,6, O,O.l p: . Uprkos statistidkoj znadajnosti, stvarna razri[aizmedusrednjih vrednosti grupavrroje mara' Veridina razrike, te izraienapomoiu pokazaterja eta kvadrat,rznosr o,02. Naknadna poredenjap:T^o:u^lukeyevosHSo t""t" ;";;; ;; lu .ruonlu vrednost grupe1 (M : SD: +,SSj znad,ajno razlikuje srednle ?],3_6, od vred_ ne razlikuje znadajno od grupef ni od ruie ni S f

. kt o. deljenitrisrupe l',':":'2e ilimanie!.9r s;br i;,' i o' L];.T''JTiJi:i3 ? "*il'i^];"'soa-in;; e u o l(grup1 1: "iJ.o.,, ;dil,::1""?i'::H:; grupa3: 45 i visegodina).

t^i' o pu : i 0",; 1 ;:::,flY;":j5^':; j-?-:1' nt,c', z'$vr zi,' ; : 4,5)"" :" Jednofaktorska ANOVArazliditihgrupa s planiranimporedenjima

velidineuticaja lzradunavanie
ne U ovoj analizi,SPSS daje velidinuuticaja,ali 6emo je lako izradunatiiz uticaya opisanaie u uvodu u peti deo knjige.)Iz njegovihrezultata.(Velidina rezultatanavedenihu tabeli ANOVA izradunaiemoeta kvadrat, iedan od pokazatelja velidineuticaja.Formula glasi (dobro najdeiie upotrebljavanih bi vam doiao kalkulator): razlititih grupa -^ r -, r -- = Zbir kvadrataodstupanja Lta livadrat U ovom primeru, treba sarnoda podelitezbir kvadrataodstupanjarazli(8513,02). Dozbirom kvadrataodstupanja iitih grupa (1,79,07)ukupnim jednak 0,02, 5to po Koenovom kriterijumu (Cohen, bija se eta kvadrat 1988, str. 284-7) kazujeda je uticaj razltkemali. Koen klasifikuje0,01 kao uticaji 0,14 kao veliki uticaj. mali uticaj,0,06kao srednji ovom primeru smo dobili statistidki znatajan rezultat, ali {Jpozorenje.'U ie stvarni uticaj razlike srednjih vrednostigrlrpa vrlo mali (21,36, 22,10, uticaja razlike (eta kvadrat = 22,96). To je odiglednoiz malog pokazatelja 0,021.Kada je uzorak dovoljno velik (ovde,N = 435), sasvimmale razlike praktidki nedak postajustatistiiki znadajne, i kada je razlika izmeduirupa i vaLna. Dakle, uvek paZljivotumaditerezultate uzmiteu obzir svedostupne informacije.Nemojte pridavati preveliku vaZnoststatistidkojznadainosti, poStotreba povestiradunai o mnogim drugirniiniocima.

nivoi znadajnosti bi,r"iTTiio da .irik oJ-greske vrste,zbogveieg broja reI stova koji se sprovode. odluku d" ri ,pro,restipranirana poredenja ili naknadne resrove trebadoneti gr" *g. sa poinere anarizu.Nije primereno uraditi obojei zatim birati r".r:r1*1" r.?iil"- r. viie svicraju! Kao irusrraciju poredenja upotrebiiu ir." p"j",r." kao u prerhodnom primeru, *,Titi:il' tako nije Lrobidaieno se isti da podu.i anariziraju ;;di;a. U ovom sludaju,postaviiemo,^11j,"_O:J*lt,;ql,!r"1., da li ""'"b; su subjekti u najstarijoj starosnojgrupi (45+ godina) optimis?idniji od onih u dve mrade srarosne grupe(18-29 godinzr; 30-44 godina)?

ffi [";],il:i:e:ffj',*""i:l*]-'"?;l.,lTH :ffi j*iyir:; 1::H

u gornjem primeru,porediri,-o'rer,rlt"te merenjaoptimizma u svakoj od tri grupe' Medutim,.ima situacija kada istraZivade ,unirnu ,r-o poredenje odredenih grupa.primeraradi, u .trf.ri_.r,tnf no; ,r"ai;i, pl, ."rfititih in_ tervencija moze nas zanima:i da li je inrervencija 1 bolja ocr svih ostalih. Dakle, rada ne bismo poreciiliru. -ogur" t"-fir*ri" za_ ,l"o""lo"o a nas nima samo odredenipodskup svih mlguiih.poredef a,'r;;;;'rp.ovesti planirana poredenjaumestoda radimo niknudr. ,.rrou", ,*r" ;r" bi njihova mof bila premala. (Moi testa u.rorr",noia 1" da se napravi gre_ ska druge vrsre,rj. da se ne " ",;;,;;; p;;reina hipotrrn; ,rarri razmatranje "db;

252

ueo V: :;tatlsllcKe rerrrrrKe'1PYIYY=III ilYlo

roglavue

I o

' JYur

rvrq^tvr

e'\s

s"s"!s

' q"Jer

rvv

U narednomporr,,ptJ,llSS7" tt"Ziti zadatt'veliiine koeficiienata' redite. Da biste ," t-tlJi du t"uditt' .morate obiasniti' da urade' pa iemo to sad.ir ne Mnogi studentito spodetka znaiu osnovurazliiitih vrednostinezavrgrupe na Prvo treba da identifikuiete (agegP3): snepromenliive o Grupa 1 (iifrovana sa 1): starostl'8-29 sa ' Grtpu 2 (Sifrovana 2): starost30-44 sa o Grupa 3 (Sifrovana 3): starost45+ zarimtrebadaodluditekojegrupeieteporediti,akoiezanemariti.Dac'u za to nekoliko Primera'

Zadauanievrednosti koeficiien.ata da grupekoie Zelite poda odaberetc

5' U odeljkuMissing Values treba da je potvrdenopolje Exclude cases analysis by analysis. Pritisnite dugme Continue. 6. Pritisnite dugme Contrasts. ' U polje Coefficients upi6itekoeficijent prve grupe. (U gornjemprimeru1, t o b i b i o k o e f i c i j e n-t1 . ) P r i t i s n i t e u g m eA d d . d . Upi5itekoeficijent druge grupe (-1). Pritisnitedugme Add. . Upi5itekoeficijent trece grupe (2). Pritisnite dugme Add. ' Ako ste ispravnounelikoeficijente, poljucoefficient rotar na dnu u tabele pisace 0. 7. PritisniteContinue i zatim oK (odnosno dugme Paste da biste komandu snimiliu Syntax Editor). Postupakgeneri5eovu komandu:

Primer 1

bi trebaloda glase: grupe 3 sa ostaledve grupe' koeficiienti Za poredenje . Grupa 1: -1 . Grupa2: -1 Poredese grupe iiii se koeficiientt Zbir koeficijenatauvek mora biti 0' grupediii ie koeficiient u poredeniuJ razlikuju.zorr.-"r1., ," 1rr"r'ri.rwuiu 0, ort"l. ko"fl.ij"ttt. izmenitetako da 0. Kada nekoj grupi'dateLoeficiient njihov zbir bude 0' . Grupa3: 2

ONEWAY toptimBY agegp3 /CONTRAST:-1 -1 2 /STATISTI DESCRIPTIVESHO MOG ENEITY B ROWN-FORSYTHE CS WELCH /PLOTMEANS /MISSING ANALYSIS : /POSTHOC TUKEYALPHA(,o5).
Evo kako izgledaodabranideo rezultatagornjeg postupka.
Conlrasl Coetticionts AGEGP3

Primer 2

u ne udestvuie pogrupe 3 s grupom.l {a da grupa2 uopite Za poredenie ,J"ni"), koeflllentl bi trebalo da budu: ' Grupa 1: -1 ' GruPa2: 0 e Grupa 3: 1' SPSS PostuPka'

lontrast

18-29

30,44

45+

Contrasi Tesis Value ol olal JPtrmlsm ooesnoi aisum Contrast Assume aoual variances t 2.45 2.45

srd.
Errot 91 .92
ot

'2-l

si9
ziled\

sledeieg svakegrupeunositeu odeliku Contrasts Vrednostikoeficijenata

2.ffi7 2.654

4i2 251,323

.@7 008

analize variianse Postupak obavliania i ednofakto.r-ske poredenjima ,atlieilingrupa i pianiranim


l.OtvoritemeniAnalyze,izaberiteuniemustavkuCompareMeans'papritisnite One-waY ANOVA' optimism)' (neprekidnu)promenljivu^(npr-' ,total 2. Pritisniteodubr"nu zavisnu u polje Dependent List' promenljivu Pritiskomna strelicuprebacitetu promenljivu(npr' agegp3)' Prekategorilsku odabranu nezavisnu' 3. Prrtisnite bacite je u Polje Factor' Descriptive' Homogeneity-ofdugme Options' pa potvrditepolja 4. Pritisnite Variance i Means Plot'

jednofaktorke Tumadenje rezultata analizevariianse planiranim poredeniima razliditih grupa s


Tabele Descriptivesi Test of homogeneity of variances sastavni su deo rezultata ovog postupka, ali je njihov sadrZaj iednak kao u prethodnom primeru jednofaktorske analize varijanse (ANOVA) s naknadnim testovima. Zato iemo ovde razmotriti sarno onaj deo rezultata koli le relevantan za planirana poredenia.

I vvrevuv

I o.

JEuttvrd^lgro^d

dlldilzd

ydlualltje

zcJ

Korak 1
su navedeni koeficijenti koje stezzrdali svaU tabeliContrastCoefficients za ku grupu. Proverite li je to ono 5to ste hteli. da

Korak 2
Zanimaju nas glavni rezultati, dati u tabeli Contrast Tests.Radunamoda su jednakepoito ;e Leveneov test (komentarisan prethodnompriu varijanse pokazaoda je razlikavarijansi varijanse naknadnimtestovima) s meruanalize dakle sludajna;zatokoristimo prvi red tabele(Assurne statistidkineznatajna, equal variances).Znatajnost zadatog poredenja (data u koloni Sig.) iznosi 0,007.To je manje od 0,05, pa zakljuiujemoda postoji statistiiki znadajna stvarna nzllka izmedugrupe 3 (45+ godina)i ostaledve grupe.Iako znaiayna, vrednosti grupavrlo je mala(21,36,22,10,22,96). tih razbkaizmedusrednjih Vi6eo tome proditajteu raspravio rezultatimaprethodnogprimera. planiranihporedenja kao dat Verovatnosteprimetili da je rezultatanalize pokazatelj a ne kao kolidnik F uobidajen analizivarijanse. t, u Odgovarajuiu vrednostkoliinika F dobijatekvadriranjemiznosat. U ovom primeru t izo nosi2,687,5tokvadriranodaje 7,22.U izvedtaju ovakvoj analizitrebanaPrvi stepen vestii broj stepeni slobode. slobode(za svaplaniranaporedenja) jeste1; drugi je dat u koloni df iza kolonet (ovdeje to 432).Dakle,te rezultate bismo opisalisa F (1, 432) = 7,22, p = 0,007.

sta se posti2e: ooisanom tehnikom se otkriva postojanje znadajne razlike iznledutri skupa ."r,.,lrrt". r-retpostavke:Videti raspravu o opstim pretpostavk ama zaanarizu varijan-sedatirn u trvodu ., peti deo knjigi. Neparametarska arternatirr": Frid"-"nov rest (videti 16. poglavlie).

Obja5njenje primera
Prikaza(u ovu tehniku na podacima iz datoteke experim3ED.sav (dostupne na prateioj \feb lokaciji). pojedinosri o roj a","r".-,', f"J"l-"i-" proiitajte u dodatku'Grupastudenata

3). Da biste pratili "Ii,_l:i*, p"l;;"i;; spssi "rr.rir",air"rekuexpe_ rim3ED.sav. prikaz Sledi imena upotrebljentt pro_.rrt;iiil: ;;oirima i po_ jedinostima navedenim, anr"L.i, Ime datoteke: experim3ED.sav ;;;;;_", Promenliive: ' Rezultad merenja poverenja..u svojesposobnosti trenutku1 (confidl): u ukupni rezurrati tesrur"i;* na r. irpitrl" pou.."nie u svoiesposobnosti opseg moguiih 40. veie vrednostipokazu;uvlsl nrvo poverenja "*a,i"rrj-"j"j;;" ' Rezultatiispitivanja poverenja trenutku2 (conftd2): u ukupni rezulr:rtr na testu,sprovedenom neposredno naKonrntervencije. ' Rezultati ispitivanja poverenjau rrenurku 3 (confid3), ukuprri rezulta_ tl na testusprovedenom meseca 3 poslerntervenciie.

s be tivn a r,;l1)i6i ;,;; ; ;.'iil::" u j k ih " ^7 l ,flXfl:T?li:1"";;;;il"','o'o, J** i;'; ,lilf il,'" " ", ) i p.'""t. rrr-.r"."'k;;;;'ir;."rtak #",'Il: no nakon intervencije(rrenuraku "

3ilffiT:-",i}'n;::.':f

,uiri i. p.r*r".a,

.rt"rruul. u in'telvenciji (pro_

ponovlienih ANOVA merenia Jednofaktorska


U jednofaktorskojanahzivarijanseponovljenihmerenja,svaki subjekatse meri pod dva ili viSerazliditihuslova,odnosnona istoj neprekidnojskali u tri ili viSenavrata.SluZii za poredenje odgovoraispitanikana tri ili viderazliditihpitanjaodnosnostavkiistogpitanja,ali seodgovorimoraju meriti na istoj skali (npr.od 1=nimalose ne slaZem, 5=potpunose slaZem). do

statistike lionfidence ctping -i,t.,sroii*ts),sprovein 1ii11"9""lnje crenompre intervencije.

Kratakprikazjednofaktorske analizevariianse ponovljenih merenja


Primer istraZivaikog pitanja: Ima li razlike u rezultatima merenim u tri navra ta ? Sta ua- treba: Jedna grupa subjekata merenih na istoi skali u tri navrat:r ili pod tri razll(ita uslova, i/i odgovori (mereni na istoj skali) svake osobe na tri razhtita pitanja odnosno stavke istog pitanja. Tu se radi o dve promenliive : . jedna nezavisna promenijiva (k:rtegorijska) (npr. trenutak 1/ trenutak 2/ trenutak 3)r i e jedna zavisna promenljiva (neprekidna) (ttpr. rezultati na testu poverenja). Rezultati testa, dobijeni u raztrim vremenskim trenucirna, biie u datoteci podataka prikazani u z:rsebnimkolonama'

Postupa obavf nja jednofa k ia ktorske anaIize varijanse vr J'I\\ Fonovljenih me-renja
1' otvoritemeniAnatyze, izaberite njemu u stavku Generar LinearModer, pa pritisnite Repeated Measures. 2' U poljewithin subr3cl Feltor NaSe upiSite kojece predstavrjativa.u ime nezavrsnu promenrjivu (npr.vreme Usrov). iri To nije ve, vei samoopis kojiste dali nezavisnoj "i;";;j;;;u-pror"n4ipromenljivoj. 3' U porje Numberof Levers upisite nivoa broj odnosno grupa(vremenskih perioda) kojemse radi(u ouorn o primeir.Si. 4. Pritisnite Add. 5. Pritisnite dugmeDefinena desnoj strani.

roglavue

I o; Jeul lula^tut

DAd qr rqlza

var rjqr r-e

meren1a promenljivu ponovljenih koje tri 6. lzaberite promenljive predstavljaju prebacrte na Pritiskom dugmesa strelicom (npr.confidl,confid2, confid3). ih u poljeWithinSubjectsVariables. ugluprozora' desnom poljeOptionsu donjem 7. Pritisnite Statistics i Estimatesof effect size u odeljku poljaDescriptive 8. Potvrdite u testove, odeljkuFactor and Display.Ako hoceteda zadatenaknadne (npr. promenljive Vreme) ime izaberite svojenezavisne FactorInteractions poljecompare main efje u poljeDisplayMeansfor. Potvrdite i prebacite nadole pritisnite strelicu intervaladiustment' Confidence fects.U odeljku Bonferroni. druguopciju i izaberite snimili u Continuei zatimOK (ilidugmePasteda bistekomandu 9. Pritisnite Syntax Editor). ovu generiSe komandu: Postupak GLM confidl confid2confid3 /WSFACTOR: time3 Polynomial /METHOD: SSTYPE(3) /PLOT: PROFILE(time ) (BONFERRON l) : ADJ COM /EMMEANS TABLES(time) PARE : ETASO /PRINT DESCRIPTIVE /CRITERIA:ALPHA(,05) / W S D E S I G N :t i m e .
Evo rezultataprethodnogpostupka'
Slatsncs Descriplive Srd. Deviatron
rme I ;ontoencE rme? :onlidorce
N

Mauchly s Ed

ot Sphenc{yD

Iestslhonullhypothesisthatthee(orcovariancemainrotlheo(honormalzedlranslormeddependenl lo a a ldenllty malnr May be used lo adjusl lhe degrees ot freedom the Tesls ol Wthin-Subjecls Effecls tabte. Design: tntercepl+cRoUp Wilhin Subjecls Design: TtME lor lhe averaged tesls of sgn{icance. coriectd variabtesrspropodJonal

tests a.e dtsplayed rn

Pairwise Comparisons

Measurei MEASURE1

95o/o Confidence Intervalfor

Based on esttmated marqinal ,neans '. The mean difference is significant at the ,05 level. a. Adiustment for mulliple comparisons gonferroni.

Tumadenje rezultatajednofaktorskeanalizevarijanse ponovljenih merenja


Primetili ste da su rezultati ove procedure brojni i narizgled sloZeni. Medu njima su testovi pretpostavljene sferidnosti, te rezultati analiza varijanse za jednu (engl. uniuariate) odnosno vile promenljivih (engl. multiuariate); ova poslednja se naziva i multivarijaciona analiza varijanle. Detaljno razmatranJe tazlika izmedu rezultata univarijacione i multivarijacione un litevarijanse nije tema ove knjige; ' ovom poglavlju razmotriiemo samo rezultate multivarijacione analize (vi5eo tome videti u knjizi Srevensa, 1996, str.466-9).Tumadimo samo rezultate sPSS-ove multivarijacione analize varijanse, zato ito se univarijaciona temelji na sferidnosti pojataka. Sferidnost znati daje varijansa rezu.ltatamerenja razliiirosti populaciye za biro koja dva usrova, jednaka toj variiansi za bilo koja druga dva uslova-(ito najdeiie nije tadno). spSS meri sfertcnost Moklijevim (Mauchlv) restom. druge strane, za mulrivarijacionu anarizuvarijansenije neophodna sfe, .,S ridnost. Videiete , nasem primeru da pretpostavka o ,f.ridno.ri nije zadovoljena, ito poka,uje iznos sig. od 0,000 u tabeli Mauchlyt rest of SphericityMada inra naiina da se narusavanje e prerpostavke . r kompenzuje, bezbednije je pogledati rezulrare multivarijacion. arrrlire varijanse datim u SPSS-ovornizlazu. Pogledajmo kljuine velidine koje treba razmorriti u rezulratima.

r9,00 21.87 25.03


5.2{.)

30

:n
30

3 rme

MultivariateTest* Eta Partral Etfect time


Value

Hvpothesrs dt

Errordf 28,000 28,000 28.000

Siq

Prllar's Trace Wilks'Lambda Trace Holelling's Roy's Largesl Root

,251 2.979 2 979

1a 1a

2,000 2,000 2,000

,000 ,000 .000 .000

49

719 749 749

a. b.

Exact statrstic Design:Intercept WithinSubjectsDesign:trme

I vvrdvuE

| 9.

JsuI

lvrq^

Tab eIa D es cr iptive Sfa fisfibs


pokazatelji (Mean,Standard dati su opisnistatistidki U prvoj tabelirezultata, Dobro ie proveriti imaju Ii te veliiine smisla. deviation,N) tri skupa rezultata. mevrednosti Da li ie taian brol osobau svakojgrupi?Imaju li smislasrednje renog obeleLla,uzimajuii u obzir upotrebljenu skalu? U gornjem primeru, poverenia zabeleZen u trenutku I lpre intervencimerenja najniii rezultat ie je), a najvi5iu trenutku 3 (tri meseca nakon zavrienogkursa iz statistike).

Tabela Pai rwise Comparisons


Kada dobijete statistiik i znatajan rezultar iz goreopisanih analiza, ro samo znadida mcdu ispitivanim grupama postoji neka razlika. Jos uvek ne znare Koje se grupe odnosno skupovi rezultata medusobno razlikuju. (u ovom sludaju, to su grupe rezultata izmerenih u trenucima 1,2, 3 tj. skupovr vreme 1, vreme 2, vreme 3.) To iemo proditati u tabeli pairwise compaiisons, gde se porede svi parovi vremenskih tadaka i pripadne verovatnJie (u koloni sig.) i pokazuje da li su razlike izmedu parova znadajne. u ovorn primeru, znatajne su sve razlike, poito su sve vrednosti Sig. manje od 0,0i.

Tabela M ultivariafe lesfs


veroU ovoj tabeli,zanimljivaje vrednostWilks'Lambda i njoj pridruZena su isti dali varijanse analize varnoia u koloni Sig.Svitestovimultivarijacione rezukat,ali senajieSienavodi Vilksov pokazatelilambda. To je kolidnik zbiunutar grupei ukupvrednosti) (rezultata srednje od ra kvadrataodstupanja nog zbira odstupanja;lambda poprima vrednostiizmedu 0 i 1, pri demu pronezavisne iznosi blizu I kazuju da se srednievrednostiposmatrane za grupu ne razlikuju mnogo, dok vrednostiblizu 0 kazuiu da se menljive one razlikuju.U ovom primeru,Vilksov lambda iznosi0,25 uz verovatnodu znadip<0,0005).Podtoje verovatnoiap manja od 0,05, 0,000 (5to zapravo vrednostirazlikuju, tj. da postoji statitreba zakljuiiti da segrupnesrednje To uticaj vremena. navodi na pomisaoda setokom ta tri vrestidkiznadajan menska razdobljapromenionivo povereniaispitanika u niihove sposobnosti statistike. za savladavanje

Predstavlja rezultata jed nofaktorske a naIize nje ponovlienih varijanse merenja


Rezultate jednofaktorske analize varijanse ponovljenih merenja mogli biste predstaviti ovako: Jednofaktorskom analizomvarijanseponovljenih merenjauporedenisu iznosi na testu poverenjau sopstvene sposobnosti za savladavanjestatistike,dobijenih u weme 1 (pre intervencije), weme 2 (posre intervencije) weme 3 (tri i meseca posle intervencije). tabeli 1 date su njihovesrednjevrednostii stan_ U dardnaodstupanja. Utvrdenje znadajan uticajvremena, Vilksov lambda: 0,25. F (2,28) : 41 ,17,p ( 0,0005, multivarijaciono parcijalno eta kvadrat: 0,2b. Tabela'l opisni statistiiki pokazatelji rezultata ispitivanjapoverenja u sopstvene sposobnosti za savladavanjesfafisfrke,dobijenih u vreme 1, vreme 2 i vreme 3. Vremenskorazdoblje
Vreme 2 (neposredno posle intervencije) Vreme 3 (3 meseca posle intervencije)

Veli6ina uticaja
razliku izmedutri skuparezultata, znadajnu Premdasmo utvrdili statistidki (videtiraspratj. uticajaintervencije trebada procenimoi velidinute razlike, Zanima nas pokazatelj uticaia u uvodu u peti deo kniige). vu o velidinama navedenu posledniojkoloni parcijalnoeta kvadrat tj. Partial Eta Squared, prozavisne Eta tabeleMultivariateTests. kvadrat ie kolidnik dela varijanse ti. promenliive, vanezavisne razliditimkategorijama menljiveobjaSnjenog rijansom izmedu grupa, i ukupne varijanse,jednake zbiru prethodne i varijanse unutaf grupa.Etakvadrat poprima vrednostiizmedu0 i 1. Kad:rje promenljive zavisne jednaka0, to kazujeda su srednje vrednostiposmatrane jednake,tj. da nezavisna promenljivane utidena zavisnu' za svekategorije Suprotnotome, kada je eta kvadrat jednak l,znati da se posmatranoobeleZjene menja unutar kategorija,vei samo izmedu razliditihkategorija.U koje ie ovoj studiji, dobijeni eta kvadrat iznosi 0,749. Na osnovusmernica predloZioKoen (Cohen,1988, str.284-7) (0,01=maliuticaj, 0,06=umeren (kursaiz statiuticaj,0,14=velikiuticaj),reklo bi se da je uticai intervenciie stike)vrlo velik.

Vreme1 (pre intervencije) 30

Srednjavrednost Standardnoodstupanje 19,00 5,37 21,87 25,03 5,59 5,20

DodatneveZbe
Datoteka s podacima: staffsurvey3ED.sav.pojedinosti o datoteci videti u dodatku. 1. sprovedite jednofaktorsku analizu varijanse s naknadnim resrovima (gde je prikladno) radi poredenja ukupnih nivoa zadovoll'stva osoblja fto;satis) z.a razhtite duzine zaposlenja (upotrebite pro-.jjiu,, seruicegp3).

Poslovno okruienie

ttii:fl;:

o Poiedinosti datotecivideti u dodatku' podacima:sleep3ED.sav.

l.Sproveditejednofaktorskuanalizuvarijansesnaknadnimtestovima na pospanosti skali vrednosti (gdeje pritf ua"oii"ii p"tta9"1a srednjih Sensations and oseianja(Sleepiness Associated t pospanostrp";;;;fi promenliivom grupedefinisane za tri tofSAS), total score: Scale "u'o"* (<=37,38-50' 5 I +)' agegP3

/g^ Ptl

,,,*ff

anal Dvofaktorska iza razliditih ll, varijanse

grupa

U ovom poglavlju upoznaiemo dvof'aktorskuanalizu varijanserazliditih grupa (engl. two-way betueen-groupsanalysisof uariance).Duofaktorska promenljive, razliiitih grupa da su razliiiti a znadida postojedve nezavisne i liudi u svakojgrupi. Ta tehnikaomoguiavaistraZivanje pojedinainogizapromenliivena iednu zavisnu.U poglavlju uticaja dve nezavisne iednidkog razliditih grupa poredili smo analizevarijanse 18, pomoiu jednofaktorske tri starosnegrupe (18-29, 3044,45+). Utvrdili smo nivoe optimizma u razliku izmedugrupa, dok su naknadnitestovipokazalida je najznadajnu veia razlika izmedugrupe najmladih i grupe naistarijih.Stariji liudi su pokazalivi5i nivo optimizma. i pitanjekoje semoZepostavitiglasi:da li to vaiiiza muSkarce za Sledeie ANOVA ne moZeda odgovorina takvo pitanjelnjom Zene? Jednofaktorska je analiziranuzorak kao celina koja obuhvatai mu5karcei Zene. ovom U poglavlju,produbiiu to istraZivanierazmotriti uticajpola osobana spomei grupa i pol) i promenliive(starosna nuti nalaz.Zato (v imati dve nezavisne jednuzavisnu(optimizam). je varijanse to 5to se moie ispitatiosnovni Prednost analize dvofaktorske uticaj svakenezavisne promenljivei moguii uticaj njihove interakcije.Uticaj interakcije postoji kada se uticaj jedne nezavisnepromenljive na zavisnu promenljive.Primera radi, menja u zavisnostiod vrednosti drr-rge nezavisne na moZda iemo u ovom sluiaju ockritida seuticajstarosti oprimizamrazlikuje kod muikaracai kod Zena. s povedava goMoZdaseoptimizammuSkaraca dinama,dok sekod Zena U smanjuje. tom sluiaju bismorekli da postoiiuticai interakcije(faktora, nezavisnih promenljivih)i da se uticaj starostimoie opisatitek kada sesaopdti koju segrupu (muikarce/Zene) tvrdenjeodnosi. na jasnarazlika izmeduzirsebnih uticarja utica;ainterakcije, i Ako vam nije predlaZem tu gr:rduprouiite u nekom dobrom udZbenikuza statistiku da (videtiGravetter& Wallnau,2004; Harris, 1994; Runyon, Coleman& Pittenger, 2000; Tabachnick& Fidell, 2007). Pre nego 5to nastavitesa ovim poglavljem, preporudilabih vam da proditatei uvod u peti deo ove knjige, za gde sam razmo;ila nekoliko tema relevantnih tehnikeanalizevarijanse.

primera ObiaSnienje
Kao ilustraciju razmatrane tehnike upotrebiiu datoteku s podacima 'Web lokaciji knjige (videti str. xi). Ti survey3ED.sav, dostupnuna prateioj kako bi se istraZiliiinioci koii utidu na podaci potiiu iz anketesprovedene liudi. Radi seo stvarprilagodenje, zdravljei oplte raspoloZenje psiholo5ko koje ie obavila jedna grupa mojih postdiplopodacimaiz istraLivanja nim maca. Sve pojedinostite studije, upitnika i upotrebljenihskala date su u da dodatku.Ako Zelite i samipratitepostupakopisanu ovom poglavlju'poU i krenite SPSS otvorite datoteku survey3ED.sav. analizi su koriSiene ove promenljive: hne datoteke:survey3ED.sav . Ukupan optirnizam(Toptim): ukupana vrednostna skali optimizma' od Rezultatimogu imati vrednostiu opsegu 6 do 30, pri demuve6ibrojevi pokazujuviSinivo optimizma. o Starosna grupa (Agegp3): reiifrovanapromenljiva,dobijenadeljenjem prornenljive na tri jednakegrupe:grupa 1: 18-29 = 1; grupa 2: 30age za 44 = 2; grupa 3: 45+ = 3 (uputstva reiifrovanjevideti u poglavlju8). . Pol (promenljiva (Females)=2. (Males)=1.,Lene sex):mu5karci

pa Postu k obavlja dvofaktorske analize varijanse nja

Kratak pregled dvofaktorskeanalizevariianse


Primeristraiivaikog pitanla:Kako starosti pol osobeutidu na njen optirnizam?Da li pol osobemenja uticaj njenestarostina optimizam? Sta ua* treba: Tri promenljive: o dve kategorijske stapromenljive(npr. pol: muikarci/Zene; nezavisne grupa: mladi, sredoveini,stari);i rosna r jednaneprekidna promenljiva(npr.ukupan optimizam). zavisna Sta sepostiie: Dvofaktorska ANOVA sluLiza istovremenoispitivanjeutipromenljivena zavisnupromenljivu,pri iemu seidencaja svakenezavisne tifikule i eventualniuticaj njihove interakcije.Primera radi, omoguiava ispitivanle(a) polnih razlika u nivott optimizma, (b) razlike u optimizmu i mladih, sredovednih starih osoba,i (c) interakcijete dve promenljive- da li starostrazliditoutiaena optimizammuikaracai Lena? su na Pretpostavke kojima se zasniv:rANOVA navedene u Pretpostavke: uvodu u peti deo knjige. Ne alternativa: postoji. Neparametarska

1. Otvorite stavku GeneralLinearModel,1 meniAnalyze, u izaberite njemu pritisnite Univariate. (npr.toptim)i prebacite u po 2. Pritisnite promenljivu je odabranu zavisnu Dependent variable. (sex,agegp3 3. Pritisnite odabrane dve nezavisne kategorijske promenljive prebacite u poljeFixed Factors. ih dugmeOptions. 4. Pritisnite ' Potvrdite poljaDescriptivestatistics, Estimatesof effect size i Homr geneity tests. . Pritisnite Continue. dugmePost Hoc. 5. Pritisnite . U spiskuFactorsna levojstrani, jednu ili vise nezavisnih izaberite pr (kojeimajutri ili vi5e nivoaodnosnogrupa),np menljivih interesa od agegp3. . Pritiskom dugmesa strelicom je na prebacite u odeljak Post Hoc Tes lor. . lzaberite (u naknadni kojiielite da sprovedete ovomsludaju, test Tuke . Pritisnite Continue. 6. Pritisnite dugmePlots. . U poljeHorizontal nezavisnu promenljivu imaviSe stavite koja grupa(np agegp3). . U poljeSeparateLinesstavite (npr. promenljivu sex) drugunezavisnu . Pritisnite Add. . U odeljku (np promenljive Plotstrebalo da pi5uimena bi dve odabrane agegp3*sex). 7.Pritisnite Continuei zatimOK (odnosno dugmePaste da biste koman snimili SyntaxEditor). u Postupak generi5e komandu: ovu UNIANOVA toptim BY agegp3sex /METHOD: SSTYPE(3) / I N T E R C E P T I: N C L U D E ( /POSTHOC:agegp3TUKEY ) agegp3*sex PROFILE( /PLOT: ) ETASO PTTVE HOMOGENEtTy /pRtNT: DESCRT ALPHA(,05) /CRITERIA: sex /DESIGN: agegP3 agegP3*sex.

Evo kako izgledajurezultatiprethodnogpostupka.


DependentVariable:TotalOptimism

Multiple omparisons C

Descriptive Statistics D e p e n d e n t V a r i a b l e :T o t a lO p t i m i s m AGEGP 18-29 SEX MALES FEMALES Total 30-44 MALES FEMALES Total 45+ MALES FEMALES Total Tota| MALES FEMALES Total Mean Std. Deviation 4,33 21,38 a7)
N

HSD

(r) (J) AGEGP3 AGEGP3

Mea n Ditterence (l-J)

957. Co nf idence lnterual

Std. Error ,51 .52


,c I

60 87
68

16-',4 3G44 45+

sis
,307 ,67 ,307 .n8 ,007 ,228

30.44 45+ 18-29 45+ 18-?9 30-44

-,74 1 60', ,74 ,.85


1,60' .85

Lower Bound Upper Bound -1,93 -?,82 -,44 2.07 ,37 ',36 2,82 2,07 .,37 1,93

21,34 21,36 22,38 21,88 22.10 22,23 23,47 22.96 22,01


2> )i

,52 ,52 .52

4,58 4 .1 5 4,09 4,70 44q


eoc

85
t3J

56 79 135 184 251

Based on obseryedmeaos. Th" *""n difterence significanlal lhe ,05 level is

Estimated Marginal Meansof TotalOptimism


?4.O

4,73 4,43

23.0

Levene'sTestof Equalityof ErrorVariancesa D e p e n d e n t V a r i a b l e :T o t a lO p t i m i s m


F df1

o
G

22,0

dt2 5 429

sig
aao

g E U 21,O 18-29 AGEGP3

SEX
E

1,083

* ....yALEs FEIT'ALES

Tests the null hypothesis that the error variance of the d e p e n d e n t v a r i a b l ei s e q u a l a c r o s s g r o u p s . a + S D e s i g n :I n l e r c e p t + A G E G P 3 S E X + A G E G P 3 - E X

Tests of Between-SubjectsEffects
Variable:tolal

Source

agegp3
SEX

' agegp3sex Error


Total Conected Total

Typelll Sum of S0uares 38 6474 206790,069 150.863 5.717 55,709 8274,374 221303.000 8513.021

Partial Eta
df 5 1 Mean Square

2
1 2 429 435 434

2,475 47,729 206790.069 107?1,408 75,431 3,S11 5,717 ,296 t7 qcq 1.444
19.288

siq ,032 ,000 .021 ,586

,uzu
.962 018 .001 .007

Tumadenie rezultatadvofaktorske analizevarijanse

a. R Squared = ,028 (Adlusted R Squared = .017)

o Descriptive Statistics.U ovoj tabeli su srednje vrednosti (Mean). star dardna odstupanja (Std deviations) i N svake podgrupe. proverire da su ti brojevi taini. Pregledom strukture tih brojevn rt.ei iete uvid u ut. caj odabranih nezavisnih promenljivih. o Levene's Test of Equality of Error variances. ovde sr-rrezultati test jedne od temeljnih pretposravki analize varijanse. Najviie nas zanim znadajnost tog rezultata, navedena u koloni sig.. odgovaralo bi nar da raj broj bude ue(i od 0,05 i stoga neznadajan. zTaiztian rezuka ( s i g . m a n l i o d 0 , 0 5 ) k a z u j e d a v a r i j a n s a z a v i s n ep r o m e n l j i v e n i j e j e d naka u svim grupama. Kada to utvrdite u svojoj studiii, preporuduje s

(npr. 0,01) za vrednovanie rezultata da zadatestroZi nivo znaiajnosti ti. da zaseban uticai i uticaj interakciie Juofaktorrke ANOVA analize, je Sig. veie od 0,01. U gorrrjem primeru, Smatrateznadajnim salno ako t*tt".t0,16?.Po5toletoviSeod0'05'trebazakljuiitidahomogejcdtj' da je varijansa zavisnc promenliive nost varllanr, .,,;" ""'uSenat naka u svim gruPama' DvofaktorskaANoVAglavnideorezultatadajeutabeliTestsofBetredom koiim ih Effects- Te iiformaciie nisu uvek poredane *".i_irrbi".ts treba analizirati.

Velidina uticaja
Veliiina uticaja promenljive agegp3 data je ur koloni Partial Eta Squared (0,018). Prema Koenovom kriterijumu (Cohen, 1988), taj uticaj se moie klasifikovati kao mali (videti uvod u peti deo knjige). Dakle, mada sratisriiki znatajna tj. nesluiajna, stvarna razlika izmedu srednjih vrednosti vrlo ie mala. U tabeli Descriptives videiete da srednje vrednosti za tri srarosne grupe (za oba pola zajedno) iznose 21,,36,22,10,22,96. Razlika izmedu tih grupa nema praktidnog znaiaia.

Naknadnitestovi
Iako znamo da se naie starosnegrupe razlikuju, ne znamo konkretno koje se razlikuju: da li se gp1 razlikuje od gp2, da li se gp2 razllkuje od gp3, da li se gp1 razlikuje od gp3? Odgovor na ta pitanja daie nam naknadni (engl. posr-hoc) testovi (videti njihov opis u uvodu u peti deo knjige). Naknadni testovi su relevantni samo kada nezavisna promenljiva ima viSeod dva nivoa (grupe). Ti testovi redom porede sve parove grupa i kazuju da li se njihove srednje vrednosti znadajno razlikuju. Rezultate naknadnih testova SPSSdaje u sklopu ANOVA postupka. Medutim, ne bi trebalo da ih gledate dok zajednidkom (omnibus) anirlizom varijanse ne otkrijete neki znaiajan zasebanuticaj ili uticaj interakcije. U ovom primeru, dobili smo znadajan zaseban (osnovni) uticaj promenljive agegp3 (za razhku od promenljive sex, koja ga nema); zato je opravdano da naknadnim testovima ispirujemo uticaj agegp3.

(npr'da seuticajstarostr Naipre trebaproveritida li postojiuticaj.interakcije ili da li ie osobamuSkarac Zeod na nivo optimrzmameniau zavisnosti toga tumaienje osnovnih f"a, utvrdite da le uticai intera.kcijeznaialan' ""1. uticajir nezavisnihpromenliivih viSenije lako ni iednostavno. (zasebnih) morate promenliive, ir-"ri"g i" rf.deeirda bisteopisaliuticaj jednenezavistre prikirzaprourenliive'U ur.dr.ort druge nezavisne ,f..ifi.ir"ti odgovaraju6., Znaiainost intreba pogledatired agegp3*sex' ,ri- ,"r,tltutirna iz SPSS-u, vrednost terakcijeie data u ieliji kolone Sig' u tom redu' Kada ie njena uticaiinterakcije znaiaie (npr.0,03,0,01,0,001), 0,05 manjaodili lednaka sig' znataian(agegp3"sex: jan. U naiem primeru, uticaj interakcije.nije '0t,237).To kazujeda nemaznaiainerazlikeu uticaiu starostina optimizam ovih rekada proveravateznadainost odnosnoi.ena.[.Jpozorenie: muSkaraca poStomnogo zultata,vodite raiuna o tome da iitate brojeve u koloni sig., 5to aita misli da seznadainost u koloni PartialEta Squared, donosi studenata ! katastrofalne Posledice

llticaji interakciie

Ta bela Multip le Compa risons


Rezultatinaknadnihtestovadati su u tabeliMultiple Comparisons. Zadali smo da seizraiuna Tukejev(Tukey)test ,,zaista znaiajnerazlike" (Honestly SignificantDifference,HSD), jedan od delie upotrebljavanih. PotraZiteu koloni Sig. brojevemanje od 0,05; to su znadajnirezultati,oznaieni i zvezdicom u koloni Mean Difference. gornjem primeru, znadajnose meduU sobnorazlikuju samogrupa 1 (18-29) i grupa 3 (45+).

Zasebni uticaii

stopromenljivihniie znadajan; nezavisnih Utvrdili smo da uticai interakciie uticaje.Radi seiednostavno zasebne i ga je bezbedno lako tumaditinjihove grupe promenliive(npr.uticai pola na sve_starosne o uticajujednenezavisne promenljivu od interesa (npr. zaiednol. u prvoj koloni sleva pronadite uticai, proiitaite odgovaDa agegp3). biste utvrdili postoii li njen zaseban tog reda. Kada je oiitana vrednost ,ii""& Uroj u koloni Sig. r.rproduZetku uticaite nezavimanjaod ili lednakaOpS (npr.0,03, 0,01,0,001),zaseban sne promenljiveje znaiajan.U gornjem primeru, postoji znaiaianzaseban uticaj zaseban grupe (agegp3: sig'=0,02i), ali ne i znadajan uticaj starosne ne (sex:sig.=Q,5361. znadida se muskarcii Zene razlikuiu po svom To pola tptimizmu, uli d" portoji razlika u nivoima optimizmamladih' sredovec'nih i stariiihosoba.

Dijagrami
Na kraju rezr.rltata SPSS-a iz nacrtan je dijagram nivoa optimizma muikaraca i Zena za sve tri starosne grupe. Taj dijagram je veoma koristan jer omogr"riavavizuelni uvid u odnose izmedu promenljivih, 5to je obidno lakSe od deiifrovanja velike tabele brojeva. Iako su na kraju rezultata, te dijagrame bi trebalo pogledati prve da biste bolje shvatili uticaj dve odabrane nezavisne promenljive. Upozorenle: kada tumadite dijagrame, imajte u vidu skalu upotrebljenu za crtanie zavisnepromenljive. Ponekad se ono 5to na dijagramu izgleda kao ogromna razlika, zapravo svodi na tek nekoliko jedinica mere. Videiete to u tekuiem primeru. Na prvom dijagramu izgleda kao da postoli velika razllka u rezultatima mu5karacaiLena starije starosne grlrpe (45+). Medutim, kada pogled vratite na vertikalnu skalu na levoj strani di|"gr"^u, vide6eteda je ta razhka zaptavo mala (22,2 prema 23,5\.

rezultatadvofaktorske Predstavljanie variianse analize


Rezultati opisane analize mogu se predstaviti ovako: je grupa istraZen uticaj pola i staanalizomvarijanserazliditih Dvofaktorskom Test (LOT).Subjektisu meren na skali Life Orientation rosti na nivo optimizma, u b i l i p o d e l j e n i t r i s t a r o s n eg r u p e ( g r u p a 1 : 1 8 - 2 9 g o d i n a ;g r u p a 2 : 3 0 - 4 4 godina; grupa 3: 45 i vise godina). Uticaj interakcijeizmedu pola i starosne grupe nije bio statistidkiznadfan, F (2, 429) : 1,44, p : O,24.Utvrdenje stau z t i s t i d k z n a d a j a n a s e b a n t i c a js t a r o s t i , F( 2 , 4 2 9 ) : 3 , 9 1 , p : 0 , 0 2 ; m e d u t i m , i eta kvadrat:0,02). Naknadnaporedenjapomocu Tuuticajje malr(parcijalni u kejevogHSD testa pokazujuda se srednjavrednostrezultata starosnojgrur o pi 18-29 godina(M: 21,36, SD:4,55) znadajno azlikuje d one u grupi 4 5 + g o d i n a ( M : 2 2 , 9 6 , S D : 4 , 4 9 ) . S t a r o s n ag r u p a 3 0 - 4 4 g o d i n a ( M : o s 2 2 , 1 O ,S D : 4 , ' 1 5 ) n e r a z l i k u j e e z n a 6 a j n o d o s t a l i hg r u p a .Z a s e b a nu t i c a j znadajnost. pola, F (1, 429): 0,30, p : 0,59, nije dosegao statistidku

Nakon podele uzorka, istraZivad sprovodi jednofaktorsku analizu varijanse (videti 18. poglavlje) i poredi nivoe optimizma u rri srar'sne grupe. Kada je procedura split File ukljuiena, dobiiete zasebne rezulrare za muSkarcei Zene.

DodatneveZbe
Poslovnookruienje
Datoteka s podacima: staffsurvey3ED.sav.pojedinosti o datoteci videti u dodatku. 1. Sprovedite dvofaktorsku analizu varijanse s naknadnim testovima (ako treba) za poredenje nivoa zadovoljstva osoblja (totsatis) za razlltito trajanje zaposlenja (upotrebite promenlj'u seruicegp3),i to i za stalno i za privremeno zaposlene (employstatus).

Zdravstvo pojedinosti datotecivideti u dodatku. Datotekas podacima: sleep3ED.sav. o 1. sprovedite dvofaktorskuanalizuvarijanse naknadnimtestovima s (ako treba)za poredenje srednjihvrednostipospanosti skali pospanosri na i pridruZenih oseianja(sleepiness Associated and sensations Scale total score:/o/sAS) muikaraca i i.ena(gender) podeljenihu tri starosne grupe definisane promenljivomagegp3(<=37,38-50, 51+).

kadase dobiie analize Dodatne znaeaian uticaj interakcije


Kada dobif ete zna(aian uticaj interakcije, trebalo bi da odnose dodatno istraZite naknadnim testovima. (To vaZi samo ako jedna od odabranih promenljivih ima tri ili vi5e nivoa.)Jedan od nadina da se to uradi jeste analiza jednostavnih uticaja. To zna(i da 6ete zasebno razmotriti rezultate svih podgrupa. Uzorak treba podeliti na grupe jedne od nezavisnih promenljivih i za njih zasebno sprovesti jednofaktorske analize varijanse kojima se istraiuje uticaj one druge promenljive. Da smo u gornjem primeru utvrdili znataian uticaj interakcije, mogli smo uzorak podeliti po polu i istraZiti uticaj starosti na optimizam zasebno za mu5karce i za Lene. Za podelu uzorka i ponavljanje analiza za svaku grupu, upotrebite SPSS-ovu opciju Split File. Ta opcija sIuLi za podelu uzorka na grupe jedne kategorijske promenljive i zasebno ponavljanje analiza za svaku grupu.

Postupakza podelu uzorka


1 . O t v o r i t em e n i D a t a i u n j e m ui z a b e r i t e t a v k uS p l i t F i l e . s 2. Pritisnite Organize output by groups. 3. Prebacitepromenljivu grupisanja(sex)u polje Groups based on. 4. Takoste uzorakpodelilipo polu (muSkarci/2ene) izadalizasebnoponavljanje svih buducih analizaza te dve grupe. 5. Pritisnite dugme OK.

Kombinovana tza anal varijanse

r"rpoznali anasmo analizivariianse, U prethodnimpoglavllimaposve6enim (poredenjedve ili viSegrupa) i analize istih lize razliiitih grupa subjek:rta ispitivanihpod dva ili subjekata ponovljenihmerenja(ista grupa subiekara zasebno. Medutim, ima siDosad smo te pristuperazmatrali ili viSeuslova). tuacijakada u istoj studiii trebakombinovatioba ta pristupa,tako da jeclna subjekata",a druga ,,istihsubjekata".Primera promenljivabude ,,razliditih klina intervencije nivoe anksioznosti uticaj odredene da radi, Zelite istraZite da ali (ispitivanjem i posleintervencije), i da saznate li setai uticaj pre ;'enata proi razlikuje za muSkarce za Lene.U tom sludaju,imate dve nezavisne jednaje ,,razliiitih subjekata"(pol: muikarci/Zene); drugaie ,,istih menljive: grupu muikaracai Zenabistepodvrgnuli U subjekata"(vreme). tom sludaju, u intervenciii izmerili niihovenivoe anksioznosti trenutku 1 (pre interveni cije) i ponovo u trenutku 2 (posleintervencije). SPSSomoguiava kombinovanje promenljivih ,,razliditih subjekata" i na,,istihsubjekata"u istoj analizi.Takva analizase u nekim udZbenicima ziva ,,split-plotANOVA* (SPANOVA). sam se opredelilaza termin koji Ja koriste Tabachnicki Fidell (2007) - kombinovanaanalizavariianse(engl. mixed between-u,ithin subiectsANOVA), polto smatram da on najbolje ponovljenih variianse opisujeo demuseradi. Ta tehnikaje prolirenie analize merenja, prethodnorazmotrene poglavlju18. Bilo bi dobro da proditateto u poglavlfe negoiro nastavite ovim. pre sa U ovom poglavljudaiu vrlo kratak prlkazkombinovaneanalizevarijanproiise.Ukoliko tu tehniku nameravate upotrebiteu svom istraZivanju, da 1996; tajte viSeo njoj (npr.Keppel& Zedeck,2004;Harris.1994; Stevens, Tabachnick& Fidell, 2007).

2t2

UgO

V . \)LdLIDLIWAE

Lgl

ll llAs

4q

Vvr

ever

rJE

Vl

UPd

varilanse analtza Poglavlje2O: Kombinovana

273

Kao ilustraciju kombinovane analize varijanse, upotrebi6u datoteku s poda'Web lokaciji kniige (videti str. cima experim3ED.sav dostupnu na prateioj xi). To su podaci iz fiktivne studije koja obuhvata ispitivanje uticaja dve razlidite inteivencije preduzete kako bi se pomoglo studentima da se izbore sa svojom anksioznoSiu povodom predstoje6egkursa iz statistike (videti u dodatku sve pojedinosti o toj studiji). Studenti su bili podeljeni u dve iednake grupe, koje su popunile testza ispitivanje straha od statistike. Potom je jedna grupa pohadala kurs matematidkih veitina, a druga udestvovalau programu ngradnle samopouzdania. Grupe su opet popunile isti test neposredno posle t"lnt"ru..t.ije, kao i tri mesecakasnije. Ta datoteka sa izmiSljenim podacima dostupna je na prate6oj XTeblokaciji knjige. Ako Zelite da pratite doleopisane postupke, pokrenite SPSSi otvorite datoteku experim3ED.sav. U ovom primeru, uporediiu uticaj kursa matematidkih veitina (grupa 1) i kursa izgradnje samopouzdanja (grupa 2) na rezultate udesnika na testu za ispitivanje straha od statistike, popunjavanom u tri navrata. Slede imena upotrebljenih promenljivih i njihovi opisi u datoteci s podacima. Ime datoteke: experim3ED.sav Promenliive: r Vrsta obuke (grupa): 1=Matematitke ve5tine 2=Izgradnja samopouzdania o Rezultati na testu za ispitivanje straha od statistike, popunjavanom u trenutku 1 (Fost1): ukupni rezultati na testu za ispitivanje straha od statistike popunjavanorn pre intervencije. Rezultati poprimaju vrednosti u opsegu od 20 do 60. Ve6e vrednosti pokazuju ve6i strah od statistike. o Rezultati na testu za ispitivanje straha od statistike, popunjavanom u trenutku 2 (Fost2): ukupni rezultati na testu za ispitivanje straha od statistike popunjavanom neposredno posle intervencije. o Rezultati na testu za ispitivanje straha od statistike, popunjavanom u trenutku 3 (Fost3): ukupni rezultati na testu za ispitivanje straha od statistike, popunjavanom 3 mesecaposle intervencije.

Obia5nienie Primera

Sta uu- treba: Najmanje tri promenljive: r iedna kategorijska nezavisnapromenljiva razliditih subjekata sa dva ili viSenivoa (grupal/ grupa2); o jedna kategorijska nezavisnapromenljiva istih subjekata sa dva ili viie nivoa (trenutakl/ trenutak2/ trenutak3): o jedna neprekidna zavisna promenljiva (rezultati udesnika pri ispitivanju straha od statistike, mereni u svakom vremenskom p"ilod.r). Sta se postize: Pomoiu ove analize se ispituje postoje li osnovni (zasebni) uticaji svake nezavisne promenljive i da li je interakcija izmedu dve r.rromenljive zna(ajna. U ovom primeru, kaza(e nam da li su se promenili rezultati testa za ispitivanje straha od statistike, popunjavanom u rri navrata (zasebni uticaj vremena). uporediie delotvornost te dve intervenciie (matematidke vebtine I izgradnja samopouzdanja) za smanjivanje straha od statistike (zasebanuticaj grupe). Najzad, kaza(e nam da li se promena rezultata u vremenu razlikuje u re dve grupe (uticaj interakcije). Pretpostavke: videti uvod u peti deo knjige, gde su razmotrene oplte pretpostavke na kojima se temelji ANOVA. Dodatna pretpostavka: Homogenost medukorelacija. struktura korelacija medu nivoima promenljive istih subjekata trebalo bi da bude jednaka za svaki nivo promenljive razliiitih subjekata. zadovoljenosr ove prerpostavke se ispituje u sklopu analize Boksovim (Box) pokazateljem M. zbig velike osetljivosti tog pokazatelja, treba koristiti konzervativniji nivo lila 1. "lfa, vrednost 0,001. Pretpostavka je zadovoljena kada pokazatelj nije znaiajan (tj. kada je pripadna verovarnoia veia od 0,001). Neparametarska alternativa: Ne postoji.

Postupakza sprovodenjekombinovaneanalizevariranse
1. otvorite meni Analyze, izaberiteu njemu stavkuGeneral Linear Model, pa pritisniteRepeated measu res. 2. U polje Within-subject Factor Name upi5ite opisno ime faktora razliditih subjekata (npr. vremena).To nije stvarno ime promenljive, vec opisno po va5emizboru. 3' U polje Number of Levels upisitebroj nivoatog faktora(u ovom sludajuimamo tri vremenskaperioda;zato upi5ite3). 4. Pritisnite dugme Add. Pritisnite dugme Define. 5. Pritisnitepromenljive koje predstavljaju faktor istih subjekata(npr. rezultate na testu za ispitivanje strahaod statistikepopunjenomu trenutku1, trenutku 2 i trenutku3). 6. Pritiskomna strelicu prebacitete promenljive polje within-subjects vau riables. Trebalobi da se u polju ispi5uimenaodabranihpromenljivih (samo kratkaimena:fost1, fost2, fost3).

Kratakpregledkombinovane analizevariianse
Primer istraiivadkog pitanja: Koja intervencija delotvornije smanjuje rezultate udesnika na testu kojim se ispituje strah od statistike, popunjavanom u tri navrata (pre intervencije, neposredno posle intervencije, 3 mesecakasr-rije)? Postoji li promena u rezultatima uiesnika na tom testu, popunjavanom u tri navrata (pre intervencije, posle intervencije, 3 mesecakasnije)?

(npr.vrstakursa). Pritissubjekata razliditih promenljivu odabranu 7.pritisnite u poljeBetween-subjectsFactors. tu prebacite promenljivu komna strelicu dugmeOptions' 8. Pritisnite statistics,Estimatesof poljaDescriptive . U odeljkuDisplaypotvrdite tests' effect size, HomogeneitY . Pritisnite Continue. dugmePlots. 9. Pritisnite ga i vreme) prebacite u poljeHorizontal . pritisnite faktoristihgrupa(npr. Axis. grupa)' grupa(npr. razliditih promenljivu . U poljuSeparateLinespritisnite promenljivih imena odabranih bi Add. Trebalo da se u poljuispiSu 10. Pritisnite (npr. vreme*gruPa). dugmePasteda bistekomandu OK (odnosno Continuei zatim 11.Pritisnite u snimili SyntaxEditor). generi5e komandu: ovu Postupak GLM fostl fost2fostSBY gruPa 3 /WSFACTOR: vreme Polynomral /METHOD: SSTYPE(3) vreme*grupa ) /PLOT: PROFILE( HOMOGENEITY ETASO /PRlNT: DESCRIPTIVE /CRITERIA:ALPHA(.05) : /WSDESIGN vreme / D E S I G N :g r u p a .
tog postupka. deo rezultata Prikazacemo
DescriptiveStatistics T v D eo f c l a s s mathsskills conltdence building Total lear of stats time2 maths skills confidence building Total fear of stats time3 maths skrlls c o n fi d e n ce building Total 36,07 34,40
aq ta\

Box'sTeslof Equality ol Covariance Matricesa

'sM

l"5ro
o

'|
Sig

5680 . 96 9

I e s t st h e n u l l h y p o l h e s i st h a t t h e o b s e r v e d c o v a r i a n c e m a t r i c e so f t h e d e p e n d e n tv a r i a b l e s a r e e q u a l a c r o s s g r o u p s a Desrgn: Intercept GROUP + W i t h i nS u b j e c t sD e s i g n :T I M E


Multiva.iate TestS
Partial Eia Effect lme HvDothesisdf Hillafs lrace Wilks'Lambda Hotelling's Trace Roy's Largesl Root
.boJ

Error df

2 6 5 93d ,
26.5934 26.5934 26.593"

time ' group

Pillai'sTrace Wilks'Lambda Holelling's Trace Roy'slargest R@l

,337 1.970 1.970 131 869 151 151

z.034" 2.03/4 2,0u4 2.0344

2.000 2,000 2,000 2,000 2,000 2.000 2,000 2,000

I / .uuu 27,0AO 27.OOA 27.000 27,000 27.004 27.000 27.000

bbJ

,000 .000 ,000 150 150 150 150

,663 .663 .663 131 131 131

a Exact statistic b. Oesignr Inle.cept+9roup Withrn Subjecls Desion: lime

Mauch,y s Tes ot Spheridtyb Measure: MEASUFE 1

Vlhin Subjecls :flecl IME Chi Square

siq 000

Gerssr

348

28,517

,605

640 variabtesrspropo(ional

,500

fesEthenullhypthesislhaltheetrorcovariancematrroltheodhonormalizedransformeddeFndenr lo an 'denlilY matix a May be used lo adjusl lhe degrees ot feedom lheTesls ol Wlhin Subjecls Efects lable. b

tor lhe averaged lesls otsignilicance.

Coriectd

lesls are displayed in

Mean

fear of stats r r , , EI

S t d .D e v i a t i o n 4,60 39,87

N 15
t3

Desqn'

lntereept+cBouP

WilhrnSubjecls Dsign: TIME

40,47 40.17 37,67

5,82 5.16 4,51 5,88


( 1q

Levene's Testof Equalityof Error Variancesa


T

30

dr1
,893 ,767 ,770

dt2

siq. 28 28 28
eqa

{ear o{ stats timel fear of stats time2 fear of stats time3

15 30 15 15 30

aco

5,43 6,63 o,uz

.388

Teststhe null hypolhesis thal the error variance ot the dependent variable is e q u a l a c r o s sg r o u p s . a D e s i g n :I n t e r c e p t + G R o u P l D W i t h i nS u b j e c t s e s i g n : l M E

1t

rugrd.vrjEzu; nomotnovana analtza varuanse


Tests of Between-Subjects Effects

Measure:MEASURE-1 ariable:Ave Source Intercept group Error T y p el l l S u m of Squares 127464,100 4,900 2330.000 PartialEta dt 1 1 28 M e a nS q u a r e F 127464,104 1 5 3 1 , 7 5 7
Sio.
S6r r2rcal

4,900 83,214

,059

,000 ,810

,982 ,002

Marginal Meansof MEASURE*1 Estimated


type of class
rnaths skrlls . -,confldnceburlding

str.466-g). Tumadimosamoreznlrate SpSS-ove multivarijacione anarize va_ rijanse,zato dto se univarijaciona zanivana sferidnosti poJaiaka.Sferiinost je varija'sa rezsltata znaii da popuracije biro koja .tuu za jednakatoj varijansizabilo koja druga dva usrova(ito najieiie nije "rtou", zaclovorjeno). SpSS meri sf-eridnost Moklijevim resrom,ari multivarijo.ionuarrJlu uur!u.rr. rr" podrazumevasf'eridnost. Videiete u naiem primeru crapretpostavka o sfe_ ridnosti nije zadovoljena,ito pokazuje ur.d.rort Sig. otl b,OOOu tabeli Mauchlyt rest of sphericiry. Mada ima nadinada seriaruiavanre pretpo_ te stavkekompenzuje'sigurnijeje pogledatirezulrate -J;;il".ione analize varijansedate u SPSS-ovom izlazu. Pogledajmo kljudnevelidine koje treba razmorriti u rezulratima.

Ta Ia Descript ive Sfafistrbs be


u prvoj tabeli rezultatadate su srednjevrednosti, standarclna odstupanja i broj suby'ekara (Mean, std Deviation,N) tri skupa ,.rurtn,u. b.bro je proveriti imaju li te velidinesmisra.Da li je taian Lroj osoba u svakoj grupi? Imaju li smisla srednjevrednosri merenog obe.IeLja, uri-u;Ji u obzir upotrebljenuskalu?U gornjemprimeru,videieteda su najvii" ,r"a'i, vrednosti u :lyhl G9,87 i 40,47) rabelezene rrenurku 1, da su nize u rrenutku 2 (37,67i 37,33) i joi niZeu rrenufku 3 (3G,07 i 34,40). Meclutim,ne znamo da li su te razlike dovoljno velike da budu statistidki znadaine.

a
6

=
38

=
o e ,E o

u,

Pretpostavke
Pogledajte tabelu Levenet rest of Equality of Error variances i proverite da li je naruienaprerposravka homog"""rri o varijansi.2"r.riJir-o da vrednost sig' budeneznadajna (veia od o,os1.u ovom sluiaju, ta verovatnoiaje veia od 0,05 za svakupromenljiv' i0,35, 0,39,0.39);dakl.,moZemo bez_ bednodalje. proveriri.pokazaterj Boxt rest of Equarityof covarianceMa.^,t^tty1r,eb.a tnces'Zeleli bismo vrednostsig. veiu od 0,001. U ovom p.i-.r,r, ra verovatnofa iznosi0,97; dakle, pretpostavkaje zadovollena.

time

Tumadenje rezultatakombinovane analizevariianse


Primetili ste (joi jednom) da ova SPSS-ova tehnika generiSepriliino mnogo sloZenih rezultata. Ako ste proudili prethodna poglavlja, prepoznaiete deo rezultata iz drugih postupaka analize varijanse. Tu su rezultati testova pretpostavljene sferidnosti, te rezultati univarijacione i multivarijacione analize varijirnse (za jednu odnosno viSepromenljivih). Celovitoj raspravi o razlici izmedu rezultata univarijacione i n-rultivarijacioneanalizevarijanse r-rije nresto u ovoj knjizi; u ovom poglavlju, razmorriiemo sarno rezultate multivarii a c i o n e a n a l i z e ( v i 5 e o t o m e v i d e t i u k n j i z i k o i u j e n a l p i s a oS t e v e n s ,1 9 9 6 ,

Uticaj interakcije
5topogledamo verii'jne zasebnih uticaia, prvo rrebir ocenimo da utiI:.t:*" rd' rnrerakcr;e. Ii je vremenska l)a promena.ez.rliatajednakaza dve grupe (matemaridke veitine/izg3{ni1 sa.mopouzdanja)? ;"; k;uje ft drugi ,,iz tabele Multivariare Tesrs. Zanima nn, pot nrut.ll iif:l r(jt:.";it.""p; r nlegova verovatnoia navedenau koloni Sig. Svi testovi ;,,,,,:,t--^t1-bda rrrurrlvarlracrone varijanse anarize dali su isti rezultat, se'alieSde ali navodi pokazatelj lambda.u.ovom sludaju, -ram Y_tl\':" statistidki znadaj (verova ";;;;l;;.;;*;",iti. an tnoia sig. Vilksovogpokazaterja bda ;;;;;; 0, 15, sto je vi5eod na5eg nivoa alfa od 0,05).

.i:l

ueo v: JtatlsllcKe rennlKe za Pureoerue grupa

Hoglavue zU: nomOtnovana analtza Vantanse

279

Zasebni uticaii

niie znatajztn'smemo da kreneuro PoStosmo pokazali da uticaj interzrkcije promenliive'Da ic svakenezavisne (osnovni)uticai dalje i o."r,i-o zaseban uticajebismo tumaiili veomaopfeutiiaj interakcijebio znataian,zasebne interakcijaznati da se uticaj jednepromenliivemenia zno zato5to znadaina od u zavisnosti vrednostidruge,te da uopiteni zakliudci(o niihovim zasebnim uticajima)najieSienisu tadni. Kada dobijeteznaiainu interakciju,tuna maienjeuvek zasnivajte onom 5to varn kazuiediiagram' Wilks'Lambda za promenliivuvremeiznosi pokazatelj U ovom primeru, 0,000 (5tozapravoznaii p<0,0005).PoSto Sig.od ;e 0,337 uz verovatno6u da dobijeniiznosverovatnoiep manji od 0,05, zakliuduiemo vremeima stauticaj.To bi znadiloda su serezultatina testuza ispitivanie tistidki zna(aian perioda Zaseban . vremenska promeniliu tri posmatrana strahaod statistike uticaj vremenaie znataian. Premdasmo utvrdili da postoii statistiiki znaiajna tazhkaizmedu tri vreo menskaperioda,treba da procenimoi veliiinu te razlike (videtiraspravLt velidinamauticaja u uvodu u peti deo knjige). Zanima nas pokazateliparcikoloni tabele u naveden poslednjoi jalno eta kvadrat tj. PartialEta Squared, ovoj studiji,dobijenietakvadrat zavremeiznost0,663' U MultivariateTests. Koen (cohen, 198B,str.284-7) i koie koje je predloZio Na osnovusmernica uticai,0,14=velikuticaj)' koriste(0,01=maliuticaj,0,06=umeren senajdeSie reklo bi se da je uticaj intervencijaveoma velik. Po5to smo istraZili uticaje promenliive istih subjekata, tazmotri6emo zaseban uticaj promenljiverazliditih subiekata(vrsta kursa: matematidke a ve5tine/izgr adnja samopouzdanj ).

Predstavljanje rezultatakombinovane analizevarijanse


Rezultatiove tehnikepredstavrjaju kombina.cijom se natina predstavljanja analize varijanse razliditihgrupa (videti 19. poglavlje)i oneponovljenih me_ renja (videti18. poglavrje). uvek trebanajprenavesri koliki le uticaj interak_ ciie, zato ito od toga zavisi moguinosr rumade'ja zasebrrih(os'ovnih) uticajanezavisnih promenljivih.
Kombinovanom analizom varijanse ocenjenje uticajdu" .-liditu krlu (M"Er"tidkih vestina, lzgradnje samopouzdanja) rezultate na udesnika ispitivanja strahaod statistike,

dobijene u tri vremenska.perioda (pre intervencije, neposrednoposre intervencije itri meseca kasnije). Nije bilo znatajne interakcije izmedu vrste intervencije i vremena, V i l k s o va m b d a : 0 , 8 2 F ( 2 , 2 7 ) : 2 , 0 8 , p : 0 , 1 5 , p a r c i j a l n o l eta kvadrat:0,13. Utvrdenje znatanzaseban(osnovni)uticajvremena, Vilksovlambda: 0,34, F (2,22) : 26'59' p < 0,000b, parcijarno eta kvadrat: 0,66, pri demu je u obe grupe'zabereieno smanjenjerezultataudesnikana testu dobijenihu tri navrata(videti tJbeiu 1). Zaseban uticaj dve vrste intervencije nije bio znadajan,F (1, 28):0,059, p: O,gj, parci.jalno eta kvadrat - 0,002, sto bi znadiroda su oba kursa podjednako derotvorna. Tabela 1: Rezultati ispitivanja straha od statisrrke polaznika kursa matemailakih veitina odnosno izgradnje samopouzdanja, mereni u tri vremenska perioda Matematidkevestine Vremenskiperiod Pre intervencije Posle intervencije 3 meseca kasnije lzgradnjasamopouzdanja

n
tc

M 39,87 37,67 36,07

SD 4.60 4,51
tr, rle

n 15 15

MSD 40,47 3233 34,40 5,82 5,88 6,63

15
tc

Uticaj p rom enlj ive razli 6itih subi ekata


Effects.Pogledajte Zanimaju nas rezultati u tabeli Testsof Between-Subiects promenljiveza vrstu kursa)' Verored grupa (to je skraieno ime SPSS-ove vatno6aSig. iznosi 0,81. To nije manie od naieg alfa nivoa od 0,05, pa ragrupe nije znatajan.Nije bilo znadaine zakljuiujemo da zaseban uticzrj grupa (onih koji su zlike u rezultatimaispitivanjastrahaod statistikedveju veitine i onih koji su bili podvrgnuti intervenciiiizveZbalimatematidke ja gradnle samopouzdan). Effectsdatir je i veliiina uticaja promerlU tabeli Testsof Between-Subject za U PartialEta Squared grupu iznosi liive razliditihsubiekata. ovom sludaiu, razliditihsubjekada 0,002.To je vrio malo. Zato ne iznenaduje prornenljiva ta nije doseglir statistiikuznaiajnost.

:lr: ' '#'

Multivarijaciona analiza varijanse

U prethodnim poglavljima, analizom varijanse smo poredili grupe po iednom obeleijz (jednoj zavisnoj promenljivoj). Medutim, ima mnogo istraZivadkih situacija kada treba porediti grupe po viSe obeleZja. To le sasvim na uobidajeno u klinidkim istraZivanjima, gde je teZiSte vrednovanju uticaja odredene intervencije na razna merila ishoda (npr. anksioznost, depresiju, fiziike simptome). Multivarijaciona analiza varijanse (MANOVA) proSirenjeje analize varijanse,koje se upotrebljava kada ima vi5e od jedne zavisne promenljive. Trebalo bi da su te zavisne promenljive na neki naiin povezane ili da postoji neki konceptualni razlog zaSto se razmatraju zajedno. MANOVA poredi te grupe i kazuje da li je verovatno da su srednje razlike u uticajima grupa na tu kombinaciju zavisnih promenljivih nastale sluiajno. Da bi to uradila, MANOVA pravi novu zbirnu zavisnu promenljivu, dobijenu linearnom kombinacijom svih prvobitnih zavisnih promenljivih. Zatim analizira varijansu te nove, kombinovane zavisne promenljive. MANOVA kaz-ujeda li postoji zna(.ajna razhka izmedu grupa u pogledu uticaja na tu sloZenu zavisnu promenljivu; dobija se i univarijaciona analiza svake od zavisnih promenliivih zasebno. MoZda je neko od ditalaca pomislio: a 5to ne bismo prosto sproveli niz ANOVA za svaku zavisnu promenljivu zasebno? Mnogi istraZivaii rade upravo to. NaZalost, sprovodenjem niza ANOVA poveiavate verovatnoitt (rizik) da napravite greiku I vrste. (GreSkeprve i druge vrste razmotrene su u uvodu u peti deo knjige.) Jednostavno redeno, to znaii slede6e:5to viSe analiza sprovedete, verovarnije je da iete dobiti znaiajan rezultat, dak i kada razlika izmedu grupa u stvari nema. MANOVA je bolja zato 5to uzima u obzir taj poveiani rizik od greSkeI vrste. Medutim, to ima svoju cenu. MANOVA je mnogo sloZeniji skup procedura, a ima i viSe dodatnih pretpostavki koje moralu biti zadovoljene.

i#

da Ukoliko smatrate ie MANOVA ioI rnalopreteikaza vas,imatejoi jedniz zase[rnu moguinost.Sprovedite ANOYA za svakuzavisnupromer-rliivu I no, ali smanjiterizik greSke vrstetako 5to iete zadatistroZuvrednostalfa. testovajesteBonferonijeJedanod naiina kontrole greiakaI vrstezbogviSe da To vo prilagodenje. zna(.i uobiiajenu vrednostalfa (najdeiie0,05) delite Ako irnatetri nezavisne da prokoje nameravate sprovedete. brojemtestova 0,05 sa 3 (5toiznosi0,0L7 nakon zaokruZivanja) tLr podelili biste i menljive, potom novu verovatnoiubistekoristili kao granidnu.Razlikeizmedugrupzr znadajnimtek ako je dobijenaverovatnoia(Sig.)manja smatratestatisddki od 0,017. za dvofaktorske vi5e^ i MANOVA semoZeupotrebljavirti jednofaktorske, promenljivih, tf . faktofaktorske analizevarijanse(kada irna viie nezavisnih (kadasestatistiiki uklanja uticaj remetiladke ra), kao i u analizikovarijanse jedpromenljive). ovom poglavlju,daiu primer koyiilustrujejednostavnu, U nofaktorsku MANOVA analizu. Sloienije analizese ne razmatraju u ovoj knjizi. Ako nameravate koristite MANOVA analizu,zaistavam prepoda rudujemda to ne radite dok viSe tome ne proditatei svedobro ne prouiite. o PredlaZem vam sledeiu literaturu:Thbachnicki Fidell (20071,Hair i ostali (2006) i Stevens (1996).

sta se postiie: porecrese clve iri viie gr:rpa.po srednjrm vrednostima odredene kombinacije(grupe)o,belei'ja lzav;snrh-pro-"nii.'itr;. Ispituje se nulta hipotezada se srednje vrednosti'odred."* .i;;l"irrr.*, promenlli_ prerposfavke: MANOVA podiva La Tkoli\o prerposravki. One su podrobnijerazmorrene sledeiem u oderjku.Trebaroul i""p?eirate i raspra_ vu o prerpostavkamau uvodu u peti deo knjige1. Velidinauzorka 2. Normalnostraspodele 3. Netipidnetadke 4. Linearnost 5. Homogenost regresije 6. Multikolinearnosti singularnost 7. Homogenostmatrica varijanse i kovariianse Neparametarskaalternativa:Ne postoji.

;Lfi::tffllrntJli:'i")

ne menjaju u zavisnoJu r"r.,".,k" oi p,f_ "i"""

lspitiva nj e pretpostavki
Pre sprovodenja MANovA analize,proveri6emo da li na5i podaci zado_ prerpostavkepopisane u kratkom pregredu.Neki od rih resrova ::^tl-"":j" nrsu' strogo uzev,neophodni za ovako velike'uzJ.ke, !r'ir, prikazati da bisrevideli potrebanpostupak. "i,

primera Obiainienie
Za prrkazivanje MANOVA analize koristila sam datoreku s podacima survey3ED.sag dostupnuna prate6ojWeb lokaciji knjiSie. Studijaje detaljno opisanau dodatku.U ovom primeru,istraZiierno razliku izmedurnuikaraca i Lena u pogledu nekoliko merila raspoloZenja. su: negativnoraspoTo loZenje(merenona skali negativtrihoseianja,NegativeAffect), pozitivno raspoloZenje (merenona skali pozitivnih oseianja,PositiveAffect) i subjektivno doZivljenstres(rnereno skali Total Perceived na Stress). Ako Zeliteda pratite doleopisane postupke, pokrenite SPSS i otvorite datoteku survey3ED.sav.

Primer istraiivatkog pitania: Da li se muSkarcii Zenerazlikuju po opitcm raspoloZenju? li su mudkarcibolje prilagodeniod Zenapo svojinrpoziDa tivlim i negativnirn raspoloZenjimanivou subyektivno i stresa? doZivljenog Sta vam treba: Za iednofakrorskuMANOVA analizu: o jednakategorijska, nezavisna prornenljiva(npr.pol); i r dve ili vi5eneprekidnih,zavisnihpromenljivih (npr. negarivnoosedrnje, pozitivno oseianje,subjektivnodoZivlfen stres). MANOVA se moZeproiiriti i na dvofaktorskai viSefaktorska istraZivirnja, kada ima viSekategorijskih promenljivih. nezavisnih

Kratak preglediednofaktorskeMANOVA analize

u svakojieliji mora biti viie sruiajeva(opservacija) nego iro ima zavisnih promenljivih.To je apsolutni minimum; bilo bi il;;H;1" 'ou,,,u".^uau ;e uzorak velik' manje su i posredicrt.s.tli".i9kih drugih pretpostavki (npr. normalnosri)' ovom primeru, u u svakojieliii r.eba?a inirr nny,r..,nn," ,r; sludaja(toliko ima zavisnih pt"r*rr;*ii;. ukuono imamo iest ielija (dva nrvoanezavisne promenrjiveimuika r'ci/Lene,i tri ,ruirn. pronrenljive po z.r svaki nivo). rezultatinia u uaxova *rir)"'r"rrai"r."i'liri sludajeva u svakojielifi' U ovom primeru,. ierijamai-"-o mnogo u viie od neophodno potrebnogbroia sluiajeva (videti ;";l;;.r.riptive statisticsu rezultatjma SPSS-ove procedure).

1. Velidina uzorka

studajeva'p" jerob,rsnosr. c.rlii {i."1t;[';3j j,'i'Jn:: L:::il "uezbedLr

tsprtrvanje znadajnosti rezurtata MANovA zasnovano na multije varijacionoj .anarize normalnojraspodeli, je u praksi;";^;;;;;o.,i."" ari orporna na umereno narudavanje,ormal'osii t".i,r^1i1" ; ;;;.;;11,10,., lanianetipitnihradaka)oorroTabachnick Fidel i

2. Normafnost raspodete

normalnost(pomoiu tzv' i normalnost(videti6. poglavlje) multivariiacionu normalnosti pomaZui u otprovere iri'"-fr^f^""frisovih.,dri;.iotti;. Postupci 3)' tadaka(videtipretpostavku i.r*""i" netipiinih

tadke 3. Netipidne

koji semnogo tadke(ti' rezultate MANOVA ie veomaosetliivan:r netipidne netiunivarilacionih postojanie razlikuju oi veiine ostalih).Trebaproveriti a i rnultivariiacionih za pit.in i"t^na (zasebno svakuzavisnupromenliivu), '""iiple"lf, netipi6netadke su subiekti s iudnom tadaka.Multivarijacione -to*t (npr' vrlo ino.llom dobiienih vrednostirzrznihzavisnihpromenljivih netipic:i vrlo mali druge).Univ:rrijacione velikevrednostiiednepromenliive (videti 6' poglavlie)'Postupakprovere ne talke otkriva p.o..du,u Explore nornalnotaiaka i multivarijacione netipidrrih fostojanla multivariiacionih sti prikazaduu nastavku'

3' U polje lndependent stavite neprekidnezavisnepromenljive koje ste odabraliza MANOVA analizu(npr.ukupnanegativna osecanja/ tnegaff,ukupna pozitivnaosecanja/ tposaff,ukupan subjektivno doZivljen stres / tpstress). 4. Pritisnite dugme Save. U odeljku Distances pritisniteMahalanobis. 5. PritisniteContinue i zatim OK (odnosno dugme Paste da biste komandu snimiliu Syntax Editor). Postupakgeneri5eovu komandu:

Provera multivariiacione normalnosti

REGRESSION LISTWISE /MISSING /STATISTICS COEFFOUTSR ANOVA /CRITERIA:PI N(,05)POUT(, 0) 1 /NOORIGIN d / D E P E N D E NiT /METHOD:ENTER tposaff tnegaff tpstress /SAVEMAHAL.
Evo tabele rezultata prethodnog postupka.
Residualg Statisticaa Minimum rIeqto(eo vatue Std. PredictedValue Standard Error of PredictedValue Adjusted Predicted Value Residual Std. Residual Stud. Residual Deleted Residual Stud. Oeleled Residual Mahal. Distance Cook's Distance Centered Leverage Value a. Dependent Varrable:id Maxrmum Mean Std. Deviation
N

iemo proveriti kada od sPSS-a preko menija Multivarijacionunormalrrosr udaljenosti.MahaRegression zarraiino da izradunaMahalanobisove sludaiaod centroidaostalih je odredenog udaljenost udaljenost lu.r"obisou" wih prome.liivih je taika koiu tvore srednievredno.sti ,iuJ"i*u; cenrroid iudnih komotkriva svesludajeve ii"u".n"i.r. & Fidell, 2007). ova analiza promenlliue' binaciiavrednostisuetri zauisne (nazvanu Doieopisanim postupkom napraviiemo novu promenljivu (subiekat)dobifa odredenu mah_2) u doto,..i , pod".i-u. Su"ku osoba reur"drrort te promenljive,srazmernustepenurazliditostisvojekombinacije zuftataod ostatka uzorka. Uporediiemo te Mahalanobisoveudalienostis:-r odredenom kritidngm 1rrednosiu,oditanom u hi-kvadrat tabeli kritidnih subiekta Kada rezultatdobiienza promenliivumah-2 odredenog vrednosti. ga rletipianomtadkom' MANOVA moZeda premaii tu vrednost,smatramo istrpi nekolikonetipiinih taiaka, naroiito ako njihovevrednostinisu previ5e ,rrornk ie razumneveliiine.Kada je netipidnihtadakapreviSe-ili .krir"-r," " iz vrednosti,uklonite te sludaieve Lrzorka ekstremne kada one imaju previSe Fidell, 2007, str' 72)' te ili transformiSite promenljive (videti Tabachnick6c

239,04 -2,741 8,344 2 3 3 ,6 1 -297jA1 -1,789 -1,805 -302,419 -1,810 ,090 .000 .000

317,73 3,056 34,955 316.81 448,062 2.698 2,711 452,382 2,732 1B , 1 1 0 ,025 .042

276,25 ,000 15,220 276,23 ,000 ,000 ,000 ,Q12 ,000 2,993 .002 .407

1J,5/ti 1,000 4,870 13,654 165.473 .997 1,001 167.023 1.002 2.793 ,003 .006

432 432 43? 43? 432 432 132 432 432 432 432

udaljenosti Mahalanobisovih izradunavanja Postupak


pa Regression, pritisnite u meniAnalyze,izaberite njemustavku 1. Otvorite Linear. identifikuje koja s u onu 2. Pritisnite promenljivudatoteci podacima jedinstveno lD.) to (U sluealeva. ovomprimeru, je promenljiva Prebaod svaki ispitivanih u citetu promenljivu poljeDependent.

Pri dnu ove tabele je red Mahal. Distance. Pogledajte ieli;u u koloni Maximum. Zabeleiite tu vrednost (u ovom primeru, to je 18,1). Uporediiemo tai broi sa odredenom kritidnom vrednoiiu. Tu kritidnu vrednost oditavate iz hi-kvadrat tabele, pri demu je broj stepeni slobode jednak broju zavisnih promenljivih. Uzmite da je koeficijent alfa jednak 0,001. Da bih vam olak5ala ceo postupak, navela sam kljudne vrednosti u tabeli 21 .1, z.aistraZivanja sa do deset zavisnih promenliivih. P r o n a d i t ek o l o n u s b r o i e m z a v i s n i h p r o m e n l i i v i h k o j i i m a t e u s v o j o j s r u diii (u ovom primem, to je broj 3). U susednoj 6eliji desno oiitajte kritidnu vrednost (u ovom sluiaju, ona iznosi 16,27)'

uvv

Ls

lJvr

vvv!

rjv

Yr

uPq

rugf

avue

z , ; tvtutuvat tlqurvr rq

izradunatih za vrednosti vrednovanje Mahalanobisovih Tabela21.1:Kritidne udaljenosti


Broj zavisnih promenljivih

Postupakza generisaniematricedijagramarasturanja

Kritidna vrednost 13,82 16,27 18,47

Broj zavisnih promenljivih

Kritidna vrednosl

Broj zavisnih promenljivih

Kritidna vrednosl

20.52 22,46 24,32

26,13 27,88

to

29,59

Izvor:izdvojeno i prilagodeno iz tabele u knjiziautorki Tabachnik& Fidell (1996); prvobitni izvor: ( P e a r s o n ,E . S . a n d H a r l e y ,H . O . ( E d s ) ( 1 9 5 8 ) . B i o m e t r i k at a b l e s f o r s t a t i s t i c i a n s v o l . 1 , 2 n d e d n ) . York: Cambridge UniversityPress. New

udaljenosti dobiienuu Mahalanobisovih Uporeditemaksimalnuvrednost (npr. 18,1)saoditanomkritiinom vrednodiu.Kada le maksimalrezultatima na vrednostveia od kritidne,u datotecis podacimaimate multivariiacione baremiednog udaljenost netipiine taike. U mom primeru,Mahalanobisova netidakle multivarijacione sluiaja premaiujekritidnu vrednostod L6,27, je i koliko serazlikuiuod ostalihsluiaieva,to pidnetaike postoje.Koliko ih udaljenosti tek treba utvrditi. Da je maksimalnavrednostMahalanobisovih zakljuditi da nema bila manja od kritidne vrednosti,mogla sam bezbedno ekstremnihmultivarijacionihnetipidnihtadaka i nastaviti proveru ostalih pretpostavki. ViSeo netipidnimtadkamanajlakie demo saznatisledeii uptttstvaiz .5' po (u poglavljada sortiramo sludajeve opadaiuiem redosledu) novoi pro(MAH-2) dodatoj na dno datoteke s podacima. Nazvana ie menllivoj u MAH-2 zato 5to sam ve6imala MAH-1, napravljenu poglavljuposveicde regresif U prozoru Data View,sh.riaievi biti poredaniod i. nom viSestrukoj nayveieg najmanjegiznosaMAH-2, a najveii 18,1 biie na vrhu kolone do MAH_2. U naiem primeru, rezulfatsamo iedneosobeje premaiio kritiinu vred18,10.PoSto radi o samoiednoi se nost.To je osobaiiji je ID=415,a rezultat osobi a ni njen rezultatnije prevelik,ostaviiu tu osobu u datotecis podacitu ma. Da je netipidnihtaiaka bilo mnogo, trebalo bi transformisati grupu (videti 8. poglavlje)ili ukloniti te sluiajeveiz datotekes podapromenljivih cima. Kada se nadeteu toj situaciji,obaveznoproiitajte viSeo navedenim & pre mogu6nostima nego 5to se odluiite za jednu od niih (Thbachnick Fidel|,2007, str.72).

1' otvoritemeniGraphs,izaberite njemu u stavku LegacyDiarogs, pritisn pa te Scatter,/Dot. 2. Pritisnite MatrixScatter.pritisnite dugmeDefine. 3' lzaberite zavisne sve (negaff, promenrjive posaff,pstress) prebacite u i ih poljeMatrixVariables. 4. lzaberite promenljivu i prebacite u poljeRows. sex je 5' Pritisnite dugmeoptions i potvrdite porjeExcrudecases variabre vaby riable. 6' Pritisnite continue i zatimoK (odnosno dugmepaste da bistekomand snimili SyntaxEditor). u Postupak generise komandu: ovu

GRAPH /SCATTE PLOT(MATR R lX):tposaff tnegafftpsrress /PANEL ROWVAR:sex ROWOFCnbSS /M lSSlNG:VARtABLEW|SE .


Evo i dobijenihdijagramarasturania.

Fo,?

;3#

CE

Ir r rn (.f,

;.i r
-ah
=>,- @E FoG

AI

E3 = a.!.a
-;o A

';

nr rn q
t-

4. Linearnost
Ova pretpostavka znaii da izmedu svih parova zavisnih promenliivih treba da postofi pravolinijski odnos. To se moZe oceniti na vi5e naiina, od kojih ie najjednostavniji nacrtati matricu dijagrama rasturanja za sve parove zavisnih promenlfivih, zasebno za grupe (muikarce i Zene)nezavisnepromenliive.

Total positive affecl

Tot.rl Toral I e{tative p e l c e i v e d dftect 3t| ess

288

Deo V: Statistiike tehnikeza poredenjegrupa

va Poglavlje21: Multivallacionaanahza

Na ovim dijagramima ne primedujem znakove oiigledne nelinearnosti, te iu pretpostavku o linearnosti smatrati zadovolienom.

Postupak obavljanjaMANOVAanalize
GeneralLinearModel,pa 1. Otvorite stavku meniAnalyze, u izaberite njemu pritisnite Multivariate. (npr.Total sve zavisne promenljive 2. U poljeDependentVariablesunesite affect,Totalperceived negative stress). affect,Totalpositive (npr. promenljivu sex). nezavisnu 3. U poljeFixedFactorsunesite poljuSpecifyModel trebada je izabrano dugmeModel.U 4. Pritisnite radio-dugme Fullfactorial. 5. Pridnu poljaSum of squarestrebada pi5eTypelll. To je podrazumevana izradunavanja zbirova kvadrata. Pritisnite metoda Continue. dugmeOptions. 6. Pritisnite . U odeljkuFactorand Factor interactionspritisnite odabranu nezavrsnu je (npr. promenljivu sex). Prebacite u poljeDisplayMeansfor:. . U odeljkuDisplay istog prozora, potvrditepolja DescriptiveStatistics, Estimatesof effect size i Homogeneitytests. 7.Pritisnite Continuei zatimOK (odnosno dugmePaste da bistekomandu snimili SyntaxEditor). u generi5e komandu: Postupak ovu GLM tposafftnegafftpstress BY sex /METHOD: SSTYPE(3) / I N T E R C E P TI:N C L U D E /EMMEANS: TABLES(sex) : /PRINT DESCRIPTIVE HOMOGENEITY ETASO /CRITERIA:ALPHA(,05) /DESIGN: sex.
Prikazacemo samo deo rezultataprethodnog postupka.
DescriptiveStatistics

5. Homogenostregresiie
Ova pretpostavka je vaLna samo irko nameravate da radite postepenu ana'lo se radi kada iz nekog teorijskog ili konlizu (engl. stepdown analysis). ceptualnog razloga rangirate zavisnepromenliive. Postupak je veorna sloZen i ne obraduje se u ovoj knjizi. Koga zanima da saznavi5e, neka pogleda knjigu koji su napisle Tabachnick i Fidell (2007, str. 252).

i 6. Multikolinearnostsingularnost
promenljiveumerenokorelirane. U MANOVA najboljeradi kada su zavisne sludajumanjih korelacija,trebalo bi da razmisliteo sprovodenjuzasebne za analizeverrijanse svaku zavisnupromenljivu.Kada su zaunivarijacione Do visnepromenljivejako korelirane,to se nazivamultikolinearnost. toga moZedoii kada je fednaod promenljivihkombinacijadrugih (npr. ukupni rezultirtina skali sastavljenoj podskirla, od koje su takodeukljudene kao zapromenljive).To bi bila singularnost,koju moZetemoi,eizbefj tako 5to visne iete znati kakve su varn promenljivei kako se dobijaju rezultati. Iako za pronrrlaZenje multikolinearnosti irna vrlo sofisticiranih nadina, je najjednostavnije da pokreneteproceduruCorrelation i proverite jadinu korelacijezavisnihpromenljivih (videti 11. poglavlje).Razlog za brigu su korelacije oko 0,8 ili 0,9. Kada pronadete neku toliku korelaciju,trebalobi da uklonite jedanod jako koreliranihparovazavisnihprornenljivihili da ih objediniteu zalednidko merilo.

7.Homogenostmatricavariiansei kovarijanse
Sreiom, rezultateispitivanja ove pretpostavkeMANOVA daje u sklopu svog izlaza. Taj test se naziva Box's M Test of Equality of CovarianceMatricesi podrobnijeje razmotrenu nastavku,u sklopu tumaienja rezultata.

Sprovodenje MANOVA analize


Slediopispostupkasprovodenja jednofaktorske rnulfivarijacione analizevariianseradi istraZivanja polnih razlika u nadem skr-rpu zavisnihpromenljivih (Toral Negative Affec, Total PositiveAffect, Total Perceived DodaStress). vanjernjoi nezavisnih promenljivih,ova tehnika se moZeproSiritina viSefaktorsku analizu. lv{ogla bi se proSiriti i tako da obuhvati remetiladke prornenljive (videtianalizukovarijanse razmorrenuu 22. poglavlju).
Total Posilrve ect Aff

SEX
MALES FEMALES Total Total Negative A f fe c t MALES FEMALES Total Total perceived stress MALES FEMALES Total

Mean
aa ao

Std. Deviation
AOq

N 184 248 432 184 248 432 184 248 432

7,44 7.24 6,90 7,18 7,08


F A1

33,66
18,71
1q qA

19.44 27,42 26.72

6,08

290

Deo V: Statistidketehnllg:e lgredenje grupa


Box's Testof Equality of Covariance Matrices a 's

analizavarijanse Poglavlje21 : Multivarijaciona

291

SEX M | 6,942 1,148 95% Conf idence Interval )ependent Variable S --TiFE X Mean Std. Eror Lower Bound

dt1 dt2 sig

6 1074772 ,331

Iotal Positive ettecr

FEMALES
Total Negative MALES FEMAI.ES Total perceived MALES FEMALES
Multivariate Test* Panial Eta sdf

33,625 33,690 18,707 19.984 25,788 27.419

,534 ,460
R2t ,448

32,575 32,785
I 7,683 19 , 10 3

U p p e rB o u n d 34,675 34,594 19,730 20,865


)A A2O 28,144

Tests the null hypothesisthat the obseruedcovariance matrices ot the dependent variables are equal across groups. a Design: lntercept+SEX

,428 .369

24,947 26,695

Effect rnrercepr

Value Ftlafs I face Wrtks'Lambda Hotelling's Trace Roy's Larqest Root

sex

Pillai'sT Wrlks'Lambda Hotelling's Trace Roy's Largest Root

. 9 8 / 1064 .625d 't084 ,013 ,625. 1084 ,625" 75.993 I 084 6254 ,024 .976 3,5694 3,5694 .025 .425 3.5694

3.000 3,000 3,000 3.000 3 ,000 3.000 3.000 3,000

Errordl 428.000 428,000 428.000 428.000 428,000 428.000 428,000 428.000

Sio

000 .000 000 .014 .014 ,014 .o14

s87 987
987

.024 .424 ,024 .024

Predstavljamo kljudne aspekterezulrataMANOVA analize.

Tumadenje rezultataMANOVA analize


Ta eIa D e scri ptive Sfafibtrbs b

Exactstatistic Designi Intercept+sex

Levene's Test ot Equality of ErrorVariancesa


F df1

Total PositiveAtfect Total Negative Atfect Total perceived stress

d12
'I

Siq.

1,065 1,251 2.074

430 430 430

,303
26-4

Proveriteda li su tadni brojevi u ovoj tabeli, naroiito da li brojevi N odgovaraiu onome5to znateo svom uzorku. Ti brojevisu 'broj sludajeva po e!ujama' (videti1. pretpostavku). svakojieliji, broj sludajeva u mora biti veii od broja zavisnihpromenljivih. Kada u svakoj 6eliji imate preko 30 sluiajeva, eventualnonaruiena normalnost ili jednakostvarijansi ,r"6. -rrogo nauditi.

, 15 1

TabelaBox's lesf
rzlazna tabela Box's Test of Equality of covariance Matrices kazuje da li podaci.naruiavaju pretpostavku homogenosti matricavarijanse kovarijani se.Kada je vrednost sig. ueia od 0,001, pretpostavk nije n'aruiena. a Tabachnick i Fidell (2007, str.281) uporornrrul,, je Boksov pokazatell desto ia M prestrog kada je uzorak velik. sreiom, u naiem primeru vrednost sig. Boksovog pokazateljaM iznosi 0,33; dakle, t,, pr.tportuvku nismo naruiili.

T e s t s t h e u l lh y p o t h e s its a tt h e e r r o r v a r i a n co t t h e d e p e n d e nv a r i a b l e n h e t is equal acrossgroups. a Design: Intercept+SEX


Tests ol Between-Subjects Effects

Type lll Sum


Soufce Deoendpnl v ol

Pariial Eta
Mean SQuare ,444 172 348 F

lotercept

lolal negahve aflec1 total perceived stress totat positive affect tolal negatrveaffect lotat perceived slress total positrve affect lotal negativ affect total percejved slress

172 ,348i
281.099c

478633.634 '158121,903 299040.358


,440 172,348 281.09S

sex

Error

rotal

rotatpoajliva;6;r totalnegative affect totaipercejved stress rorafios,rire-ttecitota,negative affect totatperceived st.ess


roGr poilG anect totat negdtive aflecL totJ,perceived stress

corecled I oldt

22596,218 21442.088 14489.121 5121 0.000 184870,000 323305.000 22596,657 21614.435 1477A.220

430 430 430 432 432 432


431 431 431

064 281.099 .004 478633,634 s 1 0 8 . 2 7 0 ,000 1 5 8 1 29 0 3 3170,979 .000 1 299040,358 8874.752 ,000 ,440 ,008 .927 172.348 3.156 ,064 281.099 8.342 .004 52.549 49,865 33.696

,UU6 3.456

uuu .008 ,019


,881 .954

Tabelateyene's lesf
Pogledajte sadatabelu Levene's Test of Equality of Error variances.u njenoj koloni sig. potrazitebrojeve manieod 0,05. Svakitakav kazuieda ie naruiena pretpostavka jednakosti o varijanse njegove promenljive. tekuiempriu meru,nijednapromenljivanemaznaiajnu.tr.dntst Leveneovog pokarutel,"; zato smemoda pretpostavimoda su varijansejednake.eto utirrdite krlenje pretpostavkeo jednakostivarijansi, zadajtestrozi nivo alfa za izradunavanl'e znaiajnosti univarijacionog_ F-testa te promenljive. Thbachnick i Fidell (2007) predlaLu alfa nivo od 0,025 ili 0,01, umestouobidajenog nivoa 0,05.

,000 .008 ,019

a R Squared = ,000 iAdjusled R Squared:,.002) b R Squared = ,008 {Adjusted R Squared = ,006)

Deo V: Statistidketehnikeza poredenjegrupa

ri
Veliiina uticaia

analizavarijanse Poglavlje21 : Multivarijaciona

Tabela M u ltiva riate lesfs


Ovaj skup multivarijacionihtestovaznaiajnostikazujeda li se grupe statiNa razlikuju po linearnojkombinacijizavisnoprornenljivih. stidkiznadajno ('$filks'Lambda,Hotelling'sTraje nekoliko pokazatelja vam raspolaganju je navodenihpokazatelja Wilks'Lambce, Pillai'sTrace). Jedanod najdeS6e upotrebu preporuiuiu upravo da. Tabachnick i Fidell (2007) za op5tu Vilksov lambda.Medutim, kada su vam podaciloSi(mali uzorak,nejednak robusniji je pokazatelj pretpostavke), broj sluiajevapo ielijama, naruSene videti u literaturi: Tabachpokazatelja navedenih Pillai'sTiace (poredenje pokazanick & Fidell.2007,str.252). Kada imatesamodvegrupe,F-testovi telja \7ilks' Lambda, Hotelling's Trace i Pillai's Trace identidni su.

broj stepeni slobode df i verovatnoia gre5ke prve vrste Sig.. Njih tumadite jednako kao 5to biste tumaiili obiinu jednofaktorsku analizu varijanse. U koloni Sig. potraZite brojeve manje od 0,017 (to je naS novi, prilagoden nivo alfa). U ovom primeru, samo je za jednu zavisnu promenljivu (Total perceived stress)znadajnost manja od naie granidne (Sig. od 0,004). U ovoj studiji, jedina znaiaina razllka izmedu muikararca i Zena bila le u subjektivno doiivljenom stresu.

TabelaWilks'Lambda
Trai.enipokazatelj iete naii u drwgom odeliku tabele Multivariate Tests,u u promenljive(grupisanja, ovom sludaju imenomnezavisne redu oznadenim koji seodnosina SEX).Bilo bi pogreino upotrebitibrojeveiz prvogodelika, Wilks'Lambda i niegovnivo pokazatelia vrednost presednu taiku. Proditajte znadajnosti(Sig.).Kada je nivo znadajlosti manii od 0,05, onda treba zakljuditi da postoji razhkaizmedu grupa. Ovde smo dobili iznosVilksovog lambda od 0,976, uz znaiainost0,014. To ie manje od 0,05; dakle,postoji statistidki znatalna razllka izmedu muikaraca i i.ena u pogledu njihovog opiteg raspoloZenia.

VirZnost(velidina) uticaia pola na subjektivno doZivljen stres moZe se izradunati pomoiu pokazatelja u poslednjoj koloni Partial Eta Squared.Parcijalno eta kvadrat predstavlja proporciju varijanse u zavisnoj promenljivoj (ti. u vrednostima subjektivno doZivljenog stresa)koju objainjava nezavisnaprom e n l j i v a ( p o l / s e x ) .U o v o m p r i m e r u , t a v r e d n o s t j e 0 , 0 1 9 , 5 t o s e , p r e m a opiteprihvaienim kriterijumima (Cohen, 1988, str. 284-7), smatra veoma malirn uticajem (velidina uticaja razmotrena je u uvodu u peti deo knjige). To znadi da pol objaSnjavasamo 1,9 procenata varijanse u rezultatima merenja subjektivno doiivljenog stresa.

Poredenje srednjih vrednosti obeleZjapo grupama


razlikujupo subjektivno Iako znamoda semulkarci i Zene doZivljenom streje imao veie vrednostitog obeleZja. iemo saznatiu poTo su, ne znamo ko slednjoj izlaznoj tabeli, SEX. Srednja vrednost subjektivno doZivljenog stresa muikarce bila je 25,79, a za i.ene27,42. Mada je ta razlika statiza stidkiznadajn:r, je zapravovrlo mala, manja od 2 jedinicena skali. ona

Tabela Between'suby'ecfseffects
testaznadajmultivzrrijacionog Kada dobijeteznaiajan rezult:rtprethoclnog svaku od svojih zavisnih nosti, tada vam je dozvoljenoda dalje istraZujete i promenljivih.Da li se muSkarci Zenerazlikuiu po svim zavisnimmerilima tabelaTestsof Between-Subili rn-o po nekim?Te informacijedaie izlazna jectsEffects.Poito je ovde bilo sprovedeno vi5ezasebnihanaliza,preporuiuje se da zadateniZi nivo alfa da biste smanjili verovatnoiu (rizik) da znaiajnim kada on to niie). greiku I vrste(tj. da rezultatproglasite napravite U prilagodeni:r. svom naiiedBonferoniievog radi primenom To senajde56e prvobitni nivo alfa (obitno 0,05) broobliku, to znaii podeliti nosravnijem (sofisticiranije verziiete formule da analizakoje nameravate sprovedete iem istraZujemo sludaju, U videti u Tabachnick6c Fidell, 2007, sr.r.270). ovor-n promenljivel zato bismo0,05 podelilis:r3, 5to dajenovu vrednost tri zavisne samokada je pripadiemo smatratiznadainim alfa od 0.017.Svoierezultate prve vrste (Sig.)manja od 0,017. greSke na verovatnoia Effects, siditedo treieg skupavrednoU tabeliTestsof Between-Subiects (u ovom sluiaju, SEX).Tu su napromenljive sti u redu saimenomnezavisne vedenesve zavisnepromenliivei pripadajuii univariiacionipokazatelliF,

Naknadne analize
U gornjem primeru, nezavisna promenljiva je imala samo dva nivoa (dakle dve grupe: rnr-rikarci, Zene). Kada nezavisna promenljiva ima tri ili vi5e nivoa, neophodno je naknadnim univarijacionim analizama utvrditi koje su razlike znaiajne (da li se grupa 1 razlikuje od grupe 2, da Ii se grupa 2 razlikule od grupe 3 itd.). Jedan od nadina da se to uradi bila bi jednofaktorska ANOVA zavisnih promenljivih koje su bile znadajne u analizi MANOVA (npr. subjektivno doZivljen stres).Unutar jednofaktorske ANOVA procedure (videti 18. poglavlje), treba zahtevati naknadne testove promenliive s tri ili viSe nivoa. Kad god sprovodite viSe analiza, ne zaboravite da smanjite nivo alfa Bonferonijevim prilagodenjem.

Deo V: Statistidketehnikeza poredenjegrupa

analize rezultataMANOVA Predstavlianie


Rezultati multivarijacione analize variianse mogu se predstaviti ovako: su analizomvarijanseistraZene polne ramultivarijacionom Jednofaktorskom posu zlikeu psiholo$komraspoloienju.Upotrebljene tri zavisnepromenljive: zitivnaosecanja,negativnaosecanja i subjektivnodoZivljenstres. Nezavisna proverenesu pretpostavke o ispitivanjem promenljiva je pol. Preliminarnim bio netipi6nim tadkama, imultivarijacionim univarijacionim linearnosti, normalnosti, ozbiljnijenai multikolinearnosti; homogenostimatrica varijanse-kovarijanse, pretpostavkinije primeceno.Utvrdenaje statistidkizna6ajnarazlika ruSavanje izmedu mu5karaca i Zena u pogledu kombinacije zavisnih promenljivih, e l F ( 9 , 4 2 8 ) : 3 , 5 7 ,P : 0 , 0 1 4 ; V i l k s o v a m b d a : 0 , 9 8 ; p a r c i j a l n it a k v a d r a t zasebno,jedina rarazmotreni : 0,02. Kada su rezultatizavisnihpromenljivih znadajnost(uz po Bonferonijuprilagodennivo zlikakoja je dosegla statisti6ku stres,F (1, 430) : 8,34, p : 0,004, doZivljen alfa od 0,017) bio je subjektivno utvrdeparcijalni eta kvadral:0,02. Pregledomprosednihvrednostirezultata dozivljenog no je da su kod Zena zabelelen neznatno veci nivoi subjektivno ( s t r e s a( M : 2 7 , 4 2 ,S D : 6 , 0 8 ) n e g o k o d m u 6 k a r a c a M : 2 5 , 7 9 ,S D : 5 , 4 1 ) .

&\

i*:w

Analizakovarijanse

DodatnaveZba
Zdravstvo o Pojedinosti datotecivideti u dodatku. Darorekas podacima:sleep3ED.sav. jednofaktorskuMANOVA analizu kako biste videli da li 1. Sprovedite i pbstojepolnerazlikeza svakustavkusa skalepospanosti pridruZenih Scale).Kao zavisne and AssociatedSensations osefanja (Sleepiness tired or), lethargy (bezuolinost), promenljive, trebaie v am fatigue (zam energy (energja). (wmor),sleepy(pospanost),

Analiza kovarijanse (ANCovA) jeste proSirenje analize varijanse (razmorrene u 18. poglavlju), koje sluiiza istrazivanja razhka izmedu grupa uz sratistidko uklanjanje (kontrolu) uticaja jedne dodatne (neprekidne) remetiladke promenljive. Na tu dodatnu promenljivu (kovarijat) sumnjate da moZda utide na vrednosti zavisne promenljive. SPSSregresionim postupcirna r,rklanjavarijansu u zavisnoj promenljivoj koju prouzrokuju kovarijati, i potom na korigovane rezultate primenjuje uobidajene tehnike analize varijanse.Uklanjanjem uticaja dodatnih promenljivih, ANCOVA poveiava moi ili osetljivost F-testa, tj. poveiava verovatnoiu da 6ete otkriti razliku izmedu grupa, ako ona postoji. Analiza kovarijanse moZe biti upotrebljena u sklopu jednofaktorskih, dvofaktorskih i multivarijacionih ANOVA tehnika. U ovom poglavlju, razmofreni su postupci analize kovarijanse pridruZeni sledeiim analizama . lednofaktorska ANOVA razliditih grupa (jedna nezavisnapromenljiva, jedna zavisna promenljiva); i . dvofaktorska ANOVA razliiitih grupa (dve nezavisne promenljive, jedna zavisna promenljiva). U narednim odeljcima ukratko iu vas upoznati s pozadinom ove tehnike i njenim osnovnirn pretpostavkarna koje treba ispitati zatim sledi nekoliko uradenih primera. Pre neplodto pokrenete te analize, predlaZem da proditate uvodne odeljke u ovom poglavlju i ponovo prelistate odgovarajuia poglavlia u kolima je opisana ANOVA (1S. i 19.). Multivarijaciona ANCOVA ovde ueie biti ilustrovana. Koga to zanima, predlaZem mu knjigu dije su autorke Tabachnick i Fidell (2007).

Cemu sluZiANCOVA
ANCOVA se moZe upotrebiti za poredenje dve grupe koje se testiraju pre i posle (npr. poredenje uticaja dve razliiite intervencije,mereno u svakoj grupi pre i posle intervencija). Rezultati na testu pre intervenciie tretiraiu se kao k o v a r i j a t z a k o n r r o l r - rt,i . s t a r i s t i i k o u k l a n i a nj e p r e r h o d n o p o s t o j e c i hr a z l i k a iz.rredugrupa. zato je ANCovA vrlo korisna kada su uzorci mali ili kada su

Deo V: Statistidketehnikeza poredenjegrupa

Poglavlje22: Analizakovarijanse

uticajau uvodu uticajirazlikamali cloumereni(videtiraspravuo velidinama u Lrpeti deo knjige).U takvim okolnostima,veomauobidajenirn druitvenim (1996)preporuiujeda seupotrebedva ili tri paZljivoodanaukama,Stevens kako bi se smanjilavarijansagreike i poveiala brirnakovarijata (obeleZja), razlikeizrnedugrupa' ukoliko postoji. znadaine verovirtnoiaotkrivanjar dodeljeni grupama, i ANCOVA je podesna kada subiektinisu sludajno postoieiegrupe,npr. razrediudenika.Poito se te grupe vei su upotrebljene ANatributa (a ne samopo onom koji istraZujete), mogu razlikovatipo viSe moZeupotrebitida bi sesmaniilenekeod tih razlika.Dobro odaCOVA se brani kovarijati smanjuju remetiladki uticai razhka izmedu grupa. To svakakonije idealna situacija,poStonije moguie ukloniti uticaj svih mogreika smanjuje.Sprogudih razlika; medutim, njime se ta sistematska voderrje analizekovarijansenetaknutih ili postojeiih grupa predmet ie ovoj oblasti.Kada se nadeteu toj situ:rciii,bilo bi dobro sporenja autor:l r.r da proditateviSeo tome. Neka od tih pitanja sumarnoje obradio Stevens (1996, str.324-7).

200) podrobno i dobro obraduju ovu renlu, ukljuduju6i i nejednake uzorkt netipidne tadke, multikolinearnost, normalnost raspodele,homogenost vari ianse, linearnost, homogenost regresije i pouzdanost kovarijata. (Vei ie sam ovaj spisak statistidkog Largona dovoljan da doveka preplaii!).

Uticajtretmana na merenje kovarijata

IstraZivanje trebzr projektovati tako da se kovarijat meri pre tretmana od nosno eksperimentalne obrade kako bi se izbegao uticaj trermana na kova rijat. Ukoliko tretman utide na kovarijat, ta promena ie biti korelirana promenom u zavisnoj promenljivoj. Kada ANCovA ukloni uticaj kovarija ta, uklonide i deo uticaja rretmana i tako smanjiti verovatnoiu dobijanjr znaiajnog rezultata.

Pouzdanostkovarijata

lzbor prikladnihkovariiata
A N C O V A s e m o Z e u p o t r e b i t i z a i s t o v r e t r r e n uk o n t r o l u v i S e k o v a r i i a t a ' Medutim, njih treba paZljivo odabrati (videti Stevens,1996, str.320 iTabachnick & Fidell, 2007, str. 203,211). Prilikom identifikacije moguiih kovarijata, morate dobro poznavati teoriiu i prethodna istraZivanja sprovedena u toj oblasti. Promenljive odabrane kao kovarijati moraju biti neprekidne, pouzdano izmerene (videti 9. poglavlje) i jako korelirane sa odabranom zavisnom promenljivom. Idealno bi bilo da izaberetemali skup kovarijata koji su medusobno umereno korelirani, tako da svaki od niih jedinstveno doprinosi obja5njenju varijanse. Kovarijat mora biti izmeren pre tretmana odnosno eksperimentalne obrade kako bi se spredilo da tretman u t i i e i n a v r e d n o s r ik o v a r i j a t a .

ANCovA pretpostavlja su kovarijati izmerenibezgreike,ito je potpun da nerealnapretpostavkau dobrom delu druStvenihistraZivania. Samo de obelezja uticaj trebaukloniri, recimosrarostispitanika,mogu seizmeri iiji prilidno pouzdano;osrala obeleLja (ona koja se mere pomoiu skala)ne za dovoljavaju tu pretpostavku.Pouzdanostalatkt za merenjemoze se oo boliSati nekolikonadina: na ' Potrazite dobre i dobro validiraneskalei upitnike.Proverite li mer da ono 5to vi mislite da mere (nije dovoljno proditati samo naziv skaleproditajtei prateii prirudnik,pregledajte stavke) da li su prikladn sve i za val uzorak.

Proverite unutralnju saglasnost (to je jedna vrsra pouzdanosti) skale tako 5to iete izrac'unati njen Kronbahov pokazatelj alfa (videti 9 poglavlje). Alfa treba dtr je iznad 0,7 (bilo bi poZeljno iznad 0,8) da b se skala mogla smatrati pouzdanom.

analizikovarijanse Alternative
projekat i ANCOVA ima viSeogranidenia temeljnihpretpostavkizbog,kojih Thbachili istraZivanja podacimogu biti neprikladniza analizukovarijanse. (1996, str.327) navodeviSealternanick & Fidell (2007, str.221,)i Stevens tiva analizi kovariianse. Bilo bi dobro da istraZite te alternative i u konkretnim okolnostimaprocenitekoii je put najbolji.

Ako ste sami morali da piSetepitanja, ona treba da sr-r jasna, prikladn: i jednoznadna. Pitanja i skale odgovora treba da su prikladni za sue grupe. Pre sprovodenja glavnog istraZivan ja, obavezno ispitajte svoje pitanja pomoiu probnog (pilot) testa.

Ukoliko upotrebljavate bilo koju vrstu opreme ili merne instrumenta' ciie, obavezno proverite radi li ispravno i da li je propisno kalibrisana Proverite da li je osoba koja n-rkujerom opremom ovla5iena i obudena da je upotrebljava.

analizekovariianse Osnovnepretpostavke
Pored pretpostavki uobidajenih za svaku analizu varijanse i razmotrenih u uvodu u peti deo knjige, ANCOVA ima vi5e svojih posebnih Pretpostavki i problernatidnih pitania. U ovom poglavlju c'etro razmatrati silmo kljudne p.etpostauke na kojirna se zasniva ANCOVA. Tabachnick i Fidell (2007, str.

Ako u istraZivanju udetvuju i drugi ljudi kao opservarori ili ocenjivad ponaSanja, proverite da li su obuieni i da li svi primenjuju iste kriterijume. Medusobnu usaglaienost ocenjivada proverite probnim (pilot] testiranjem pre nego 5to predete na glavno istraZivanie.

298

Deo V: Statistieketehnikeza poredenjegrupa

Poglavlje 22: Analizakovarijanse

kovarijata Medukorelacije

Objainjenjeprimera
Za prlkazivanje jednofaktorske analize kovarijanse upotrebi6u datoteku s podacima experim3ED.sav, dostupnu na prateioj Veb lokarcijiknjige (videti str. xi). To su podaci iz fiktivne studiie o ispitivaniu uticaja dve razliiite intervencije koje studentima pomaiu da se izbore sa svojom anksioznoSiu povodom predstojeieg kr-rrsaiz st:rtistike. (Sve poiedinosti studiie videti u dodatku.) Podeljeni u dve jednake grupe, studenti su odgovorili na nekoliko pitanja, pri demu je jedna skala merila njihov strah od statistike. Potom je ledna grupa pohadala kurs matematidkih veStina, a druga je udestvovala u programu izgradnie samopouzdanja. Nakon tih intervencija, svi su ponovo dobili pre programa. Spomenuta datoteka odgovarali na ista pitanja koja sr-r podacima dostupna je na'Web lokaciji ove knjige. Ako Zelite sa izmiSljenim da pratite doleopisane postupke, pokrenite SPSS i otvorite datoteku experim3ED.sav. U ovom primeru istraZujemo uticaj kursa matematidkih veStina(grupa 1) i kursar izgradnje samopouzdanja (grupa 2) na rezultate udesnika u ispitivanju straha od statistike, pri iemu uklanjamo uticaj rezultata dobijenih na tom testu pre pohadanja kurseva. Sledepojedinosti o imenima upotrebljenih promenljivih i njihovi opisi u datoteci s podacima: Ime datoteke: experim3ED.sav Promenliive: . Vrsta poduke (grupa) 1=Matematidke veitine,2=Izgradnja samopouzdanja . Rezultati na testu kojim se ispituje strah <ldstatistike, popun;'avanom u trenutku 1 (Fost1): ukupni rezultati na istom testu popunjavanom pre intervencije. Rezultati poprimaju vrednosti u opsegu od 20 do 60. Veie vrednosti pokazuju ve6i strah od statistike. o Rezultati na testu kojim se ispituje strah od statistike, popunjavanom u trenutku 2 (Fost2): ukupni rezultati na istom testu popunjavanom nep o s r e d n op o s l e i n r e r v e n c i j e . o Rezultati na testu kojim se ispituje strah od statistike popunjavanom u trenutku 3 (Fost3): ukupni rezultati na istom resru, popunjavanom 3 n)eseca osle inrervencije. p

med'sobno korenc OU"1.Z;"odabrana,r. ko,n"rilnte bi trebalo da su iako promenljivom,ali ne i jako korelirajusa zavisnom id."lrro bi bilo 4a lirurru. oslonitesena postoieiu -"dl.rrobrro.Prilikom izboraprikladnihkovarijata, preliminarnimanaliz-ama koreu i."rr;" i prethodnaistrazivania toj oblasti. kovariizmedupredloZeni6 iaiinu veze 11. poglavlle)isiraZite i".,illrri"ii iu ,,,i kou"rijati koje sre nameravalida upotrebiteiako i^,"'. ef." urvrdite jedan ili viSenjih (videti Ste-"drrrobno korelirani (npr' r=0,80), uklonite vens,1.996,str.320).Svaklododabranihkovarijatatrebadadasvojsane doprlnosl smanlenlu mostalan doprinos; preklapanje medu nltma greike. variianse

promenljive i svakog koANCOVA pretpostavlja da ie veza izmedu zavisne Isto vaLi i za sve parove kovarijata, koliko varijara linearna (pravolinijska). smaniuje mo6 gocl da ih ima. NaruSavanie ove pretpostavke obiino_ za ukliuiivanje kovariiata iosetliivost) resta. Ne zaboravite,jedan od razloga bilo je pove6anje moii analize variianse' ali Linearnost se moze proveravati vizuelno na diiagramima rastlrranja, prorur.btto za svaku grupu (ti' svaki nivo nezavisne se to mora r-rrzrditi otkriiete krivolirriisku vezu, to se moZe popraviti transmenljive).Ukoliko iz formacijom rog kovarijata (videti B. poglavlje) ili njegovim izbacivanjem analize izbaiiti lode kovarii are, zato 5to ie transforu.r"lir..'e.sto ie lakSe iz misane prornenljive teiko protumaiiti.

i Linearnavezazavisnepromenliive kovariiata

ovo impresivnozvuii, aznati samoto dabiveza izmedukovarijataLzavY ,n. pro-"tliive trebalo da bude iednakaza svegrupe' Na diiagramuregresile to ,. ui.ii kao jednakosr nagiba regresionelinije "a svaku grupu. Nieiednaki nagibi kazuiu da postoii interakciiaizmedutog kovariiatai tretzavatavamana.Ako interakcijapostoji, onda rezultatianalizekovarijanse 1996, stt'323,331; ju, pa nju uop5te bi tiebalo sprovoditi(videtiStevens' ne Tabachnickgc pld.ll, 2007, sir.202). Postupakprovereove pretpostavke poglavlia. dat je u primerimau nastervku

Homogenostnagibaregresiie

Kratakpregledjednofaktorske analizekovarijanse

ANCOVA Jednofaktorska
U ovom odeljku, proii iemo korak po korak kroz postupak jednofaktorske analize kovarijanie. Jednofaktorrka nNCOVA obuhvata jednu nezavisnu, kategorijsku prornenljivu (sa dva ili viSe nivoa ili uslova), iednu zavisnu neprekidnu promenljivu i jedan ili viSeneprekidnih kovariiata. Ova tehnika se 3"r,o .rporrebljava za vrednovanje uticaja intervenciie ili eksperimentalne obrade, rato jto uklanja uticaj rezultata ispitivanja dobiienih pre intervencije'

Primer istraiivaikog pitanja: Postoji li znataina razllka u rezultarima ispitivanja straha od statistike grupe koja je pohadala kurs matematiikih veitina (grupa 1) i grupe sa kursa izgradnje samopouzdzrnja(grupa 2), kada se ukloni uticaj nlihovih poietnih odgovor:r na istom testr.r?

300

Deo V: Statistidke tehnike za poredenje grupa

$l
I

Poglavlje 22'. Analizakovarijanse

301

Starramtreba:Najmanietri promenliive: o jednakategorijska promenliivasa dva ili visenivoa (grupa1/ nezavisna grupa2); o jedna neprekidnazavisnapromenljiva (rezultati udesnikapri ispitimereniu trenutku 2); vanju strahaod statistike r jedanili viSeneprekidnihkovariiata (rezultatiuiesnika pri ispitivanju mereniu trenutku 1). strahaod staristike na Sta sepostiie: ANCOVA kazuieda li serezultatiispitivanjadve g1-rpe u sprovedenom trenutku 2 znatajno razlikuiu nakon strah od statistike pre na studenata testusprovedenom uklanjanjauticajarezultata(odgovora) (kurseva obuke). intervencija jednofaktorske analizevaripfetpostavke Sve Pretpostavke: uobidajene prve proveriti.Dodatnepretjanse(videtiuvod u peti deo kniige).Niih treba posravke analizekovarijanse(videti niihov opis dat u prethodnom delu poglavlja): obrade; odnosnoeksperimentalne 1. kovarilat semeri pre intervencije pouzdanokoliko je to 2. kovarijat se meri bez grejke (ili baremonoliko uopite moguie); korelirani; 3. kovariiati nisu iako medusobno promenljivei kovarijatapostoji linearanodnos za sve 4. izmeduzavisne grupe (linearnost); promenljivejednak je za svegrupe 5. odnos izmedu kovariiatai zavisne linije). (homogenost nagibaregresione Neparametarskaalternativa:Ne postoji-

Pretpostavka 2: pouzdanost kovarijata


I ova pretpostavka nameie odgov:rrajuii naiin projektovania istraZivanja,a znati da treba izabrati najpouzdanije dostupne merne alatke. Ako u istraZivanju nameravate da koristite neko psihometrijsko merilo ili skalu, proverite njenu unutraSnju saglasnosr (medusobnu saglasnost stavki koje ie sadinjavaju) izraiunavan;'em Kronbahovog pokazatelja alfa (pomoiu SPSS -ove procedure Reliability, videti 9. poglavlje). Poito sam podatke za ilustraciju ove tehnike izmislila, ne mogu da proverim pouzdanost ispitivanja srraha od statistike. Da su to stvarni podaci, proverila bih da li je Kronbahov a l f a b a r e m 0 , 7 0 ( b i l o b i p o Z e l j n od a j e 0 , 8 0 ) .

Pretpostavka 3: korelacije izmedu kovarijata

viSekovarijata,proveriteda nisu prejako medusobno Kada upotrebljavate procedura Correlarion, korelirani (r=0,8 i viSe). Tome sluZi SPSS-ova podrobno opisanau 11. poglavlfu.PoStoja imam samo jedan kovariiat, u ovom primeru to ne moram da radim.

Pretpostavka 4: li nearnost

Pretpostavka linearnomodnosuizmeduzavisne o promenljivei kovarijata, za svegrupe, moZe se proveriti na viSenadina.U sledeiempostupku pokaza6uvam iedanbrz nadin.

Postupakza proverulinearnostiza sve grupe

Pre nego 5to podnete proveru posebnih pretpostavki na kojima se temelji ANCOVA, morate proveriti zadovoljenost pretpostavki na kojima se zasniva obidna jednofaktorska analiza varijanse (normalnost raspodele, homogenost varijanse). Pre nego (to nastavite sa ovim poglavliem, trebalo bi da proditate uvod u peti deo knjige i 18. poglavlle. Tu gradu ovde neiu ponailiati; tat otriiemo samo dodatne pretpostavke analize kovariianse' navedene u kratkom pregledu.

Proverapretpostavki

Pretpostavka 1: merenie kovariiata


Ova pretpostavka nalaLeda se kovariiat izmeri pre poietka_tretmana odnosno eksperirnentalneobrade. Zadovoljenost ove pretpostavke ne proverava se statistidki, nego tako morate projektovati istraZivanje i sve istraZivadke postupke. Eto zaStoie vaZno planirati studiju tek onda kada dobro upoznate rtatistiik. tehnike koie nameravate da upotrebite'

Da bistepratili ovajprimer, experim3ED.sav. otvorite datoteku podacima s Prvi korak 1. Otvorite pa meniGraphs,izaberite njemu u stavku LegacyDialogs, pritisni te Scatter/Dot. 2. Pritisnite opcijuSimple Scatter.Pritisnite dugmeDefine. (u 3. U poljeY axis stavite promenljivu ovomsludaju, strah statistike od zavisnu izmeren trenutku fost2). u 2, (npr. 1, 4. U poljeX axis stavite izmeren trenutku u kovarijat strahod statistike fostl). je (npr.grupa/group) stavite u poljeSet 5. Pritrsnite promenljivu nezavisnu i Markers by. 6. Pritisnite (odnosno dugmePaste da biste komandu u OK snimili Syntax Editor). Postupak ovu generi5e komandu: GRAPH WITH /SCATTERPLOT(BIVAR):fost1 fost2 BY group /MISSING:LISTWISE

uE(,

v . urdl.ttiLtuKE

tct tl llAe zd PUI Eucl uu vl uPd

lavlje2?: rT9r Pog "1I9y_!9!:9


naru5ena. Kada otkriiete krivolinijski odnos, uzmite neki drugi kovarijat ili pokuiajte da transformiSerepostojeci (videti 8. poglavlje), pa ponovo nacrtrrjte dijagram rasturanja i proverite da li 1epoboljian.

Drugi korak 1. Kada je dijagram rasturanjanacrtan i prikazan u prvom planu, dvaput ga pritisniteda biste otvoriliprozorChart Editor. Add Fit line at Subgroups. Na 2. Otvoritemeni Elements i u njemu izaberite najboljeodgovarajupodacimasvakeod linijekoje dilagramuce se prikazati grupa.Ja sam ih na donjoj slici izmenilada bi bile jasnije (linijujedne grupe a nacrtalasam isprekidano), izmenilasam i markere(videtiuputstvaza modijagramau 7. poglavlju). difikovanje Close. 3. Otvoritemeni File i u njemu izaberite Evo kako izgledamojdijagram rasturanja.
type of class
O A maths skills conlidence DUrlolng

Pretpostavka5: homogenostregresionihnagiba
Poslednja pretpostavka (homogenost regresionih nagiba) odnosi se na vezu izmedu kovarijata i zavisne promenljive u svim grupama. Proveravate da nema interakcije izmedu kovarijata i tretmana odnosno eksperimentalne o['rrade. Zadovoljenost ove pretpostavke moZe se proveriti na viSe nadina. Vizuelno, moie se pogledati dijagram rasturanja zavisne promenljive u ftrnkciji kovarijata, nacrtan prilikom ispitivanja pretposravke 4 (videti gore). Imaju li te dve linije (koje u ovoj studiji odgovaraju dvema grupama) slidne nagibe? U gornjem primeru linije su vrlo slidne, pa izgleda da ova prerpostavka nije naruiena. Da su linije bile primetno razlidito usmerene,zakliuiili bismo da postoji interakcija izmedu kovarijata i tretmana (kao 5to se vidi po razlici medrr grupama). To bi znadilo da je ova pretpostavka naruiena. Ova pretpostavka se moZe proveriti i statistidki umesto grafidki. To znadi da bismo izradunali interakciju tretmana i kovarijata i njenu statistidku znatajnost. Kada je interakcija znaiajna na nivou alfa od 0,05, pretpostavka je naru5ena. Sada iemo izraiunati tu interakciju.

AO

o .E o
(E

ol

aa a
40

/a a

o ao a

" ,/'
a/t
a6

Postupakproverehomogenostiregresionihnagiba
1. Otvorite meniAnalyze, izaberite njemu u stavku GeneralLinearModel,pa pritisnite Univariate. (npr. prebacite 2. U poljeDependent promenljivu strahod Variables zavisnu statistike izmeren trenutku skraceno u 2, fost2). (npr. 3. U poljeFixedFactorprebacite grupisanja vrnezavisnu promenljivu tj. stu poduke, group). skraceno (npr. 4. U poljeCovariate u prebacite izmeren trekovarijat strahod statistike nutku1, skraceno fostl). 5. Pritisnite dugmeModel.Pritisnite opcijuCustom. 6. U poljuBuild Termstrebada je izabrana lnteraction. opci.ia (group)i zatimje pritiskom dugmesa 7.Pritisnite nezavisnu promenljivu na prebacite poljeModel. strelicom u preba(fost.l) zatimga pritiskom dugmesa strelicom 8. Pritisnite kovarijat i na cite u poljeModel. (group)na levojstrani(u odellku 9. Ponovopritisnite promenljivu nezavisnu pritisnite zadrLii Factorsand Covariates). Kadaje ta promenljiva izabrana, (fost1). i na te tasterCtrl na tastaturi,zatimpritisnite kovarijat Pritiskom dugprebacite u poljeModelna desnojstrani. ga me sa strelicom

o o
(E 3 5

ao

{:'
a a

o,

f,,
aL ao

R Sq Linear= 0.766 R Sq Linear= 0,725

35

40

45

50

fear of stats timel

Kako vam izgleda rirspodela rezultata svake grupe? Da li vam odnos izmedu zavisne promenljive i kovarijata, u svakoj grupi, lidi na linearan (pravolinijski)? Najgore bi bilo da se pokaZe jasar-rkrivolinijski odnos. U gornjem primeru odnos je jasno linearan, pa pretposfavka linearnosti nije

304

Deo V: Statistidketehnikeza poredenjegrupa

Poglavlje22: Analizakovarijanse

305

10.Sada bi u polju Model trebalo da pise ime nezavisnepromenljive (group); ime kovarijata(Fost1); ijos jedan red u obliku: kovarijat* nezavisnapromenljiva(group*fost ). 1 11. To poslednjeje interakcija koju proveravamo. 12. Pritisnitecontinue i zatim oK (odnosno dugme Paste da biste komandu snimiliu Syntax Editod. PostupakgeneriSe ovu komandu:

Postupakza jednofaktorsku analizukovarijanse

UNIANOVAfost2 BY group WITH fost'l /METHOD: SSTYPE(3) : : /INTERCEPT INCLUDE/CRITERIA ALPHA(,O5) : groupfostl fostl*group /DESIGN . Evoi rezultata postupka. tog
Testsof Between-Subjects Effects

nt Variable fear ol statstimez : Source


Corrected Model lntercept GROUP FOSTl GBOUPFOSTl Erol Iotal lorrected Total

TypelllSum of Squares
577,689 3,877 ,846 538,706 ,409 1 9 ' 1 , 81 1 42957,000 769,500

df

Mean Square 3 1 1 '1 1

sis
,000 ,475 ,738 ,000 6 ,81 ,525 , 11 5

192,563 3,477 ,846 538,706 ,409 7,377

26,102

73,022 ,055

1. Otvorite meniAnalyze, stavku GeneralLinearModel,pa izaberite njemu u pritisnite nivariate. U 2. U poljeDependent variabtesstavite zavisnu promenljivu strahod sta(npr. tistike izmeren trenutku skraceno u 2, fost2). 3. U poljeFixedFactorstavite nezavisnu promenljivu promenljivu tj. grupisanja (npr. vrstapoduke, skraceno group). 4. U poljeCovariatestaviteodabrani (npr.strahod statistike kovarijat izmeren u trenutku skraceno 1, fost'l ). 5. Pritisnite dugmelModel. oderjku U specify Modelpritisnite opcijuFuil Fac_ torial.Pritisnite Continue. 6. Pritisnite dugmeOptions. 7.Pri vrhu,u odeljkuEstimatedMarginarMeans pritisnite nezavisnu pro(group). menljivu 8. Pritiskom strelicu na je prebacite u poljeDisplayMeansfor.Tako zadali ste da se izraduna srednjavrednostzavisnepromenljive svakojgrupi,uz u uklanjanje uticajakovarijata. 9. u donjem deluokvira dijalog za options izaberite opcijeDescriptive statistics, Estimatesof effect size i Homogeneitytests. 10. Pritisnite continue i zatimoK (odnosno dugmepaste da bistekomandu snimili SyntaxEditor). u Postupak generi5e komandu; ovu UNIANOVA fost2 BY group WITH fostl /METHOD: SSTYPE(3) / I N T E R C E P T I: N C L U D E /EMM EANS: TRBLES(group) :M W|TH(fost1 EAN) : /PRINT DESCRIPTIVE ETASO HOMOGENETTY /CRITERIA:ALPHA(,Ob) /DESIGN: fostlgroup .

26 30

a R s q u a r e d= , 7 5 1( A d j u s t e d R s q u a r e d= , 7 2 2 )

U gornjoj izlaznoj tabeli, zanima nas samo znadajnost interakcije, tj. red Group*Fost1. Ostale rezultate slobodno zanemarite. Kada je pripadni broj u koloni Sig. manji od ili jednak 0,05, interakcija je statistiiki znatajna, a pretpostavka narulena. Naravno, to u ovoj situaciji ne l.elimo. Odgovarala bi nam verovatnoia ueia od 0,05. U gornjem primeru, Sig. (tj. verovatnoia) iznosi 0,816, 5to je mnogo iznad graniine vrednosti 0,05. Pretpostavka o homogenosti regresionih nagiba nije naruiena. To podrLava nad raniji zakljudak, dobijen pregledom dijagrama rasturanja za svaku grupu. Po5to smo time zavriili proveru pretpostavki, nastavljamo analizu kovarijanse u istraZivanju razlika izmedu grupa.

306

grupa tehnlkeza poreoen1e Deo V: Statrstidke

,l&

Poglavlle22: y/ r

tog postupka' U nastavkusu rezultati UnivariateAnalYsisof Variance


Btween"Subjects Factors
Vaiue Label
N

Tumadenie rezultatajednofaktorskeanalize kovarijanse


ANCOVA daje mnogo rezulrara, pa iemo ih tumaditi korak po korak. r Proverite da li su pojedinosti u tabeli Descriptive Statisticstadne. . U tabeli Levene'sTest of Equality of Error Variances proverite da li ie naruiena pretpostavka o jednakosti varijanse. Trebala bi nam verovatno6a Sig. veiar od 0,05. Kada je tir vrednost manja od 0,05 (stoga i znadajna), to znadi da varijanse nisu jedn:rke i da je pretpostavka narulena. U ovom sludaju pretpostavka nije naruiena, zato 5to Sig. izn o s i 0 , 7 1 , 5 t o j e m n o g o v i S eo d g r a n i i n i h 0 , 0 5 .
N

type of class

1 2

maths skills contrdence hilildrnn

15

Statistics DescriPtive Varlable(earof slals llme2 DeDendenl


tvoc of class malnsskrlls

building 2 confidence Total

Moan Jt,o, 37.33 37,50

Std Dcvration 4.515 5,876 5,151

15 15 30

Levene'sTeEt of Equalityof Error variancesa fear oi siatstrme2 VaIIabler Dependenl

ffi a Design:Intercept+fost1{grouP

vanableis equatacrossgroups dependent

Tests ot Between-Subjects Elfects fcaf oi stalstime2 Varrable. Dependent

,750 ,018 ,750 .027

iRTo**o

= R -zso (Adiuslcd Squarcd ,732)

EstimatedMarginal Means
type of class OocndentVariablc fcar of stats timc2
Mean

of class

1 mathsskrlls buildinq 2 confidence

Sld. Eror b9u 37,926" 690 37.0744

idelce I ltsval, C,onf 95a", ower Bound I UooerEound 36.512 38 4BB 35,659

,Lio||ow|ngVa|UeS'learo'stalstime1=40,17

dati su u tabeli Test of BetweenGlavni rezultati analizekovarijanse Effects. IstraZujemo li segrupeznadajno da Subjects razlikuju po vred(npr.strahaod statistike prornenljive nosti zavisne izmerenog trenutu ku 2). Pronadite red sa imenom nezavisnepromenljive (group) i proditajtebroj u odgovarajuioj6elijikolone Sig.Ako je broj u toj ieliii manji od 0,05 (odnosnood zadatognivoa verovatnode alfa), grupese U razlikuju znadajno. ovom primeru,ta verovatnoiaiznosi0,39, 5toje viSe 0,05; dakle,nai rezultatnife znaiajan.Kada seukloni uticaj reod zultata ispitivanjastrahaod statistikeobavljenogpre intervenciie, ne postoji znaiajna razllka u rezultatima osoba u grupi koja je udila matematiakevedtinei osoba iz grupe za izgradnju samopouzdanja. Trebalobi razmotritii veliiinu uticaja,koju pokazuje parcijalnietakva(Partial Eta Squared;objainjenje velidineuticaja videti u uvodu u drat je, peri deo knjige).U ovom sludaju, vrednostiznosi samo0,027 (Sto ta prema Koenovim smernicama 1988, mali uticaj). Taj broj kazujei iz prokoji deo varijanseu zavisnojpromenljivoj objadnjava nezavisna menljiva.MnoZenjem 100 pretvoritetaj parcijalnietakvadratu prosa U centualnuvrednost(pomerite decimalniz rezza dva mestaudesno). ovom primeru,uspelismo da objasnimosamo2,7 procenata varijanse. red U prikazanojtabelimoZeseoditatijo5 i uticaj kovarijata.Pronadite sa imenom kovarijata(npr.strah od statistike izmerenu trenufku 1, ti. FOSTl)i proditajtebrol u odgovarajuiojielili kolone Sig.On kazuje da li postoji znaiajna veza izmedu kovarijata i zavisnepromenliive, kada se ukloni uticaj nezavisne promenljive (group). U redu Fostl (na5eg kovarijata),verovatnoia Sig. iznosi 0,000 (ito zapravoznadr manjeod 0,0005).To je manjeod 0,05, pa je nai kovarijat znata1an.U promenljivoj stvari, on je objasnio75 procenatavarijanseu zzrvisnoj (parcijalnieta kvadrat od 0,75 pomnoZen 100). sa U poslednjojtabeli rezultata (Estimated marginal means)ANCOVA dajekorigovanesrednje promenljiveza svakugrupu. vrednostizavisne 'Korigovane'znaii da je uticaj kovarijatastatistidki uklonjen.

grupa Deo V: Statistidketehnikeza poredenje

i'g z?.4191 rgY:ltgllavlje Pos


Primer koji 6e ovde biti predstavljen proiirenje je onoga datog u prethodnom odeljku o jednofakrorskoj analizi kovarijanse. Tamo sam istraZivala koja intervencija (poduka u matematickim ve5tinama ili izgradnia samopouzdanja) delotvornije smanjuje strah studenata od statistike. Utvrdila sam da izmedu tih grupa nema znadajne razlike. Recimo da sam prilikom daljeg prouiavanja literature u toj oblasti naiSla na istraZivanja iz kojih sledi da postoji razlika u reagovanju muSkaraca i Lena na razne intervencije. Ponekad se u literaturi ta dodatna promenljiva (npr. pol) naziva moderatorom) zato 5to moderira (modifikuje) uticaj druge nezavisne promenljive. Moderatorske promenljive su iesto promenljive individualne razliiitosti, obeleZja individua koja utidu na njihov odgovor na eksperimentalnu obradu ili uslov tretmana. Kada jednofaktorska ANCOVA dA neznadajan rezultat, trebalo bi razmotriti moguie moderatorske promenljive. IstraZivanja postaju veoma zanimljiva kada istraZivad naleti na (ili sistematski istraZuje) moderatorske promenljive koje doprinose objainjavanju zaito neki istraZivadidobijaju statistidki znaiajne rezultate, a drugi ne. U sopstvenom istraZivanju uvek uzmite u obzir faktore kao 5to su pol i starost, zato 5to oni mogu znatno da utidu na rezukate. Studije sprovedene na uzorku mladih studenata univerziteta desto nije moguie uopdtiti tako da vaLe za Sire (i starije) uzorke populacije. IstraZivanja sprovedena na uzorku muikaraca katkada daju sasvim drugadije rezultate kada se ponove na uzorku Zena. Pouka je da prilikom projektovanja istraZivanja treba razmotriti mogu6e moderatorske promenljive i, gde je prikladno, ukljuditi ih u studiju.

kovariianse Rezultate jednofaktorske analize

Iize nie Predstavlja rezultata iednofaktorskeana kovariianse mogli biste predstaviti ovako:
uporedenaje delotvornostdvaju interanalizomkovarijanse Jednofaktorskom ' v r" I rv rq vEe nu cqi j aI n raI mr er Jn'j e n ivh ""- ' u n l i u u n l u s t r a h a i s p i tra-n+ ik a o d s traoti il is t im ae . Noe z as nio n a p r o v l l ll i k v s ^ - Xlzim odnosno ve5tinama' a l n o (podukau matematidkimr n e r"ntliuu je bilavrsta intervencije strahaod statiispitivanja dine rezultati a i.;;;i"j; samopouzdanja), zav'rsnu stikeobav|jenognakonzavr5etkaintervencija'Kaokovarijatuana|iziupotrestrahaod statistikesprovedenogpre intervencija. ispitivanja rezulta'ti Lii""i o nor"" je proverama utvrdenoda nisu naru5enepretpostavke Preliminarntm nagibai homogenostiregresionih no*og"no"ti varijansi' linearnosti, malnosti, uklanjanjauticaja rezultata kovar[ata. Nakon statistidkog fouraano"ti merenja utvrdenoje da strahaod statistke obavljenogpre intervencija' ispitivanja nemaznadajneraz|ikeizmedutedvegrupeurezu|tatimaispitivanjastrahaod ( '27):0'76' p: o'39' parcijalni sprovedenogfoste inte'veniiit' f statistike je jaka veza izmedu rezultata ispitivanjastraha eta kvadrai : 0,03. Utvrdena eta sto pokazujeparcijalni oJ statistikesprovedenogpre i postu intervencija, kvadratod 0,75,

U p r i k a z r e z u l t a t a o v e a n a l i z e t r e b a l o b i u k l j u d i t i i t a b e l u s a isko- n j i m red promenliiva(trenutak2) rezultatag,,,pu' Ako su zavisna vrednostima vrednosti bi navestisrednje varijat (trenutak1) -;;;;i ;" istoi skali,trebalo (videti proceduraDescriptives u trenutku 1 i trenutku 2. Niih 6e izradunati 6. poglavlie). naveditenekorigovanu Ukoliko ie kovariiat meren na drugaiiioi.1kal.i' vrednost i korigovanu.sredniu srednjuvrednost1i ,i",td"'d"o od'tt'p-n"je) vrednostprodisrednju oarrupu,,i;i";t grupe'Nekorigovanu(i standardno (iz koie ie StatiJics.Korigovanusrednjuvrednost Descriptive i"lr" ., ,"U"fi tnb.ii EstimatedMarginal .t uticaj kovaril"ta stutistiiki uklonien) proditajte i gilo ti dobro da navedete bioj sluiajevau svakojgrupi' Means.

primera ObiaSnjenje
U dolenavedenom primeru koristim iste podatke kao u prethodnom odeljku, ali uz jednu dodatnu nezavisnu promenljivu (pol/gender: 1-muikarcilmale, 2=ienelfemale). Tako dobijam priliku da prodirim analizu i saznam da li pol kao moderatorska promenljiva utiie na delotvornost ta dva programa. Zanima me da li postoji znatajan uticaj interakcije izmedu pola udesnika i vrste intervencije. MoZda muSkarci imaju viSekoristi od poduke u matematidkim veStinama, a i.ene od program a izgradnje samopouzdanja. Upozorenje: uzorak upotrebljen za ilustraciju ovog primera zaista ;'evrlo mali, narodito kada se podeli na kategorije nezavisnih promenljivih (pol udesnikai vrsta intervencije).Ukoliko ovu tehniku upotrebljavate u sopstvenom istraZivanju, uloZite ozbiljan napor da dobijete sveukupno mnogo veiu datoteku s podacima, sa znadajnim brojem sludajevau svakoj kategoriji svake nezavisnepromenljive. Ako Zelite da pratite opisane postupke, pokrenite SPSSi otvorite datoteku experim3ED.sav, dostupnu na prateioi \Web lokaciji knjige.

kroz postupakdvofaktorske U ovom odeljku, proii 6emo korak po korak ana|izekovarijanse.Duofukto,skaANCoVAobuhvatadvenezavisne'katenenivoa ili uslova),iednu zavrsnu (sa po dva.ili.viSe ;;rrou. promenljive Pre nego Sto kovarijata. i iedan ili viSe.neprekidnih ;;;l,d",ipromenljivu, dvobi ia dobro prouiite standardnu sa nastavite ovim ot&;i;;,it"unr" to u 19' poglaProditaite faktorsku analizuvariiansei njenepretpostavke. vliu knjige.

ANCOVA Dvofaktorska

310

grupa Deo V: Statistidketehnikeza poreden.ie

Poslavljezz.4lulggr9y",ll9!!9

311

dva programa Primer istraiivadkogpitania:Da li pol utiie na delotvornost ,rnu.rj",rju straha ispitanika od statistike?Ima li tazlike u rezulnamenjena muikaraca iLena,dobijenimposleinispitivanjastrahaod statistike tatin-ra (tj. pohadanjaprograma obuke), po tome kako su reagovalina tervencije samopouzdanja? program izgradnie 'programuienja matematiikih veitina i promenliive: fi" vam treba:Naimanlecetiri nivoa (pol: Ir4/ sa prornenljive po dva ili viSe o dve kategorijske nezavisne samopouzdania); 2; grupa,matematiikeveltine/izgradnia na . jednaneprekidnazavisnapromenljiva(rezultatiudesnika testukoji- r. ispitujestrah od statistike, mereniu trenutku 2); . jedanili viSeneprekidnihkovarijata (rezultatiuiesnika na testukojim mereniu trenutku 1)' seispitujestrah od statistike, ANCOVA uklanja uticai kovarijatai zatim obavljauobi6aStasepostiZe: sledeie: ienu dvoiakrorskuanalizuvariia'se kolom saznajemo
a a a

Kratak pregled dvofaktorske analize kovarijanse

postoji li znadajan zasebanuticai prve nezavisnepromenljive (grupa); postoji li znaiajan zaseban uricaj druge nezavisnepromenljive (pol); i postoji li znadaina interakciia izmedu njih'

dvofaktorskeanalizevarijanpretpostavke Sve Pretpostavke: uobidajene Niih treba prve provariianse). homogenost raspodele, se (npr.n<lrmalnost veriti (videtiuvod u peti deo kniige). kovarijanse:Videti njihov opis i postupke Dodatne pretpostavke analiz.e u prethodnomdelu poglavlja,posveienomjednoza njihovu p.ou.ru date kovari ianse. faktorskoi anaLizi Neparametarskaalternativa:Ne postoii.

dugmeModel.U odeljku 5. Pritisnite opcijuFull FacSpecifyModelpritisnite torial.Pritisnite Continue. dugmeOptions. 6. Pritisnite . Pri vrhu,u odeljku EstimatedMarginalMeans pritisnite odabrane dve (npr.pol/sex, promenljive grupa/group). nezavisne Pritiskom strelicu na prebacite u poljeDisplaymeansfor. ih . Pritisnite (npr. dlaninterakcije group*sex). dodatni Prebacite u to polje. ga da srednja vrednost Takoste zadali se izraduna zavisne promenrjive svau koj grupi,iz kojeje uklonjen uticajtog kovarijata . U donjem delu okviraza dijalog Options izaberiteopcije Descriptive statistics, Estimates of etfect size i Homogeneity tests. pritisnite Continue. 7.Pritisnite dugmePlots. . lzaberite nezavisnu (npr. promenljivu group) prebacite u poljeHoprvu je i rizontal. promenljiva bitiprikazana horizontalne dijagrama. Ta ce duZ ose . Pritisnite (npr.sex) i prebacite u polje promenljivu je drugu nezavisnu SeparateLines. promenljiva bitiprikazana Ta ce razliditim linijama svaza Kugrupu. . Pritisnite Add. 8. Pritisnite Continuei zatimOK (odnosno dugmePaste da bistekomandu snimili SyntaxEditor). u generiSe komandu: Postupak ovu UNIANOVA fost2 BY groupsex WITH fostl /METHOD: SSTYPE(3) / I N T E R C E P T I: N C L U D E /PLOT: PROFILE( group*sex ) :MEAN) /EMM EANS: tnBLES(group) WITH(fost1 : :M /EMMEANS TABLES(sex) WITH(fost1 EAN) /E MM EANS : TABLES(sex*group) WITH(fost :M EAN) 1 : /PRINT DESCRIPTIVE ETASO HOMOGENEITY /CRITERIA:ALPHA(,05) /DESIGN: fostl groupsexgroup"sex .

Postupakza dvofaktorskuanalizu kovariianse


GeneralLinearModel,pa stavku u izaberite njemu meniAnalyze, 1. Otvorite pritisnite nivariate. U (npr. promenljivu strahod zavisnu prebacite 2. U poljeDependentVariables fost2). 2, u izmeren trenutku skraceno statistike (npr.pollsex; grupisanja promenljive promenljive tj. dve 3. Pritisnite nezavisne poljeFixedFactor' ih Prebacite u grupa/group). izme(npr.strahod statistike kovarijate 4. U poljeCovariatestaviteodabrane fostl ). 1 renu trenutku , skraceno

312

Deo V: Statistidketehnikeza poredenjegrupa


2. sex DependentVariable:fear of stats trme2

Poglavlje22: Analizakovarijanse

313

opisanog postupka' Evo i rezultata AnalYsisof Variance Univariate

95o/. Confldence

lnterual

sex Dscriotive Statistics Varlablefear of statstrme2 Dependent tvpc ol class


1 maths skrlls I lrlatc 2 female Mcan Std. Dcvration N I 7 15

Mean
JO,UUY-

Std. Error 4 t6

Lower Bound
J | ,Uad 36,261

37.242:a

476

Uooer Bound 38,989 38.222

qql
1 male 2 female Total

a. Covarlales appearing in the model are evaluated at the iollowing values fear of stats time'l = 40.17 3. sex . type of class DependentVariable:fear of stats time2 95% ConfidenceInterual Lower Bound Upper Bound

2 confidence building

1 male 2 female Total

3t.25 38.'14 3 7. 6 / 40,57 34,50 37.33

5.491 3,436 4 515 4.781 5.B76

7 B
l5
l3

Total

male 2 female Total

38.80 36,20 3750

s,596 4.475 5.151

sex
I I t

tvoe of class 2 confidence buildrnq 1 malhs skills 2 coniidence buildinq

Mean 39,4854

Std.Eror
,b4t)

30
2 female

,693
.696 .644

Levene'sTest of Equalityot Error Variancesa Variablefear of stalstime2 Oeoendent


Sro dt2 112 3 rs varlabl cqualacrossgroups of Tcststhc nullhypothcsrs lhe errorvarrancc thc dependcnl thal ' sex +group+sex+group a. Desrgn: Intercepl+fosl1 F dfl
2.2lJ4

39,5173 34.9664

35,202 38.058 38,083 33,639

37,862 40,912 40,950 36.294

a- Covariales appearing in the model are evaluated at the followingvaluesr fear of stats timel = 40,17

Estimated Marginal Means fearof statstime2 of


SEX Partial Eta

Tests ot Between-Sub.iectsEffects
Dependent Variable feal of stats tlme2

male female

Type lll Sum Source


gorrectff

df

I\.4eanSouare

Sio UUU

lvtoo ouo,/ zu1 Interpt 4,137 fostl 1 545,299 group 1 4,739 1 sex 4.242 'l gro0p" sex 104.966 25 Error 42,772 Total 30 42957,OOO to CorrectedTolal 769,500 = = R a. R Squared .892(Adlusted Squared ,875)

171 ,682 4,137 545,299 4,733 4.202 104.966 3.311

51,854 1.250 164.698 1,431 1,269 3'1.703

.2:74 .000 ,243 .000

,048 ,86B .054 .048 .559

.o o o Esa
(E

'4,
=
E ct 37

EstimatedMarginalMeans
1. type of class Dependent Vanable fear of stals trme2
95o/" Conhdence Inlerval ivpe ol class

o
(g ^^

E .Eo o o uJ
I ower Bound
J/,UCJ

mathsskrJls 2 confidence bL

'l

Mean 5E,024' 37 .2264

Std. Error
47?

lJooer Bound

38.1 7 9 36,255 .471 a. Covanales appeaing in the model are evaluated al lhe follolving values: fear of stats timel = 40,1 7

314

Deo V: Statistidketehnikeza poredenjegrupa

Poglavlje22: Analizakovarijanse

315

analizekovarijanse rezultatadvofaktorske Tumadenie


ANCOVA daje mnogo rezultata, pa iemo ih tumaditi korak po korak. . Proverire da li su brojevi u tabeli Descriptive Statistics taini (npr. broj sluiajeva u svakoj grupi, srednje vrednosti rezultata grupa). . U tabeli Levene's Test of Equality of Error Variances proverite da li je naruiena pretpostavka o jednakosti varijanse. Trebala bi nam verovatno6a Sig. veda od 0,05. Kada je ta vrednost manja od 0,05 (stoga i znadajna), to znati da varijanse nisu jednake i da je pretpostavka naruiena. U ovom sludaju pretpostavka nije naruiena, zato 5to Sig. izn o s i 0 , 1 1 , 5 t o j e v i S eo d g r a n i d n i h 0 , 0 5 . . Glavni rezultati analize kovariianse dati su u tabeli Test of BetweenSubjects Effects. Zanima nas da li postoji znatajan zaseban uticaj ijedne nezavisne promenljive (grupa ili pola) i da li je interakcija izmedu njih znadajna. Od najveieg interesa je interakcija, pa iemo nju prvu proveriti. Kada je interakcija znaialna, dva zasebna uticaja nisu vaZna, poito se uticaj jedne nezavisnepromenljive menja u zavisnosti od nivoa druge. Pronadite red sa imenom interakcije (u ovom sludaju, groupo sex). i proditajte broj u odgovaraju6oj deliji kolone Sig. Ako je broj u toj 6eliji manji od 0,05 (odnosno od zadatog nivoa verovatnoie alfa), interakcija je zna(ajna. U ovom primeru, ta verovatnoda iznosi 0,000 (to treba shvatiti kao man;'eod 0,0005), 5to je mnogo manje i od 0,05 i od 0,01; dakle, na5 rezultat je statistiiki veoma zna(aian. Ovako zna(a1an uticaj interakcije navodi na pomisao da muSkarci drugadije reaguju na ta dva programa od Zena. Zasebni uticaji obeleZja Group i Sex nisu statistidki zna(ajni (Group: p=0,24; Sex:p=Q,)/ ). Ne moie se reii da je jedna intervencija bolja od druge, poito je jedna bolja za muSkarce,a druga za i.ene. Ne moZe se reii da ,,intervencija viSe koristi muikarcima", poSto to vaLi samo za jednu intervenciju, a za onu drugu vaii suprotno. . Treba razmotriti i velidinu uticaja, iiji je pokazatelj parcijalni eta kvadrat (objaSnjenjevelidine uticaja videti u uvodu u peti deo knjige). U ovom sludaju, ta veliiina iznosi 0,56 (5to je veliki uticaj, prema Koenovim smernicama iz 1988). Taj broj kazuje i koji deo varijanse u zavisnoj promenljivoj objaSnjava nezavisna promenljiva. MnoZenjem sa 100 pretvorite taj parcijalni eta kvadrat u procentualnu vrednost (pomerite decimalni zarezza dva mesta udesno). U ovom primeru, uspeli smo da objasnimo dak 56 procenata varijanse.

U toj tabeli se moZe oditati io! i uticai kovarijata. Pronadite red sa imenom kovarijata (npr. strah od sratistike izmeren u trenutku 1, tj. FOST1)i proditajtebroj u odgovarajuioj ieliji kolone Sig. On kazuie da li postoji znadajna veza izmedu kovarijata i zavisne promenljive. kada se ukloni uticaj nezavisne promenljive (group). U redu Fostl (naieg kovarijata) pi5e da verovarnoia Sig. iznosi 0,000 (5to zaptavo znadi manje od 0,0005). To je manje od 0,05, pa je na5 kovarijat znaeajan. U stvari, on je objasnio dak B7 procenata varijanse u zavisnoj pro_ menljivoj (parcijalni eta kvadrat od 0,87 pomnoZen sa 100). U odeljku Estimated marginal means ANCOVA daje korigovane sred_ nje vrednosti zavisne promenljive za svaku grupu, date za svaku nezavisnu promenljivu zasebno i potom zajedno.'Korigovane' znadi da je uticaj kovarijata statistidki uklonjen. PoSto je uticaj interakcije znatajan, najzanimljivija je treia (poslednja) tabela rezultata zajednidkog uticaja dve nezavisnepromenljive, naslovljena 3. sex'r type of class. Kao neobavezan dodatak,zatraLrla sam da se nacrta dijagram korigovanih srednjih vrednosti rezultata ispitivanja straha od statistike, zasebno za muikarce i Zene i za obe intervencije. (Ne brinite ukoliko se va5 dijagram razlikuje od prikazanog: naknadno sam modifikovala dilagram da bi se lakSeditao kada se oditampa. Uputstva za modifikovanje dijagrama videti u 7. poglavlju.) Na ovom dijagramu jasno se vidi da postoji interakcija izmedu te dve nezavisne promenljive. Za mulkarce, izmeren strah je bio najmanji nakon poduke iz maremaridkih veStina. Kod Zena, strah je bio najmanji nakon izgradnje njihovog samopouzdanja. Rezultati jasno ukazuju na to da muikarci i Zene razlltito reaguju na sprovedene intervencije i da prilikom projektovanja intervencija, npr. programa obuke, morate voditi raduna o polu udesnika. Upozorenje: ne uzbudujte se mnogo kada dobijete zna(ajanrezultat. Morate stalno imati u vidu cilj analize. Primera radi, ovi rezultati ne kazuju da je kurs iz matematiikih veitina koristio suim muikarcima, niti da ie izgradnja samopouzdanja koristila suim i.enama. Ne zaboravite, poredimo prosednerezultate grupe kao celine. Uprosedavanjem rezultata za celu grupu, neizbeZnogubimo deo informacija o pojedincima. Prilikom vrednovanja programa treba razmotriti dodatne analize da bi se istraZilo koliko je ljudi kojima su koristili, u odnosu na broj onih kolima su 'Sretili'. Premda se nadamo da intervencije namenjene da pomognu ljudima nijednom udesniku neie naikoditi, ponekad se to ipak dogada. U oblasti upravljanja stresom, neka istraZivanja su pokazala neoiekivano poveianie nivoa anksioznosti udesnika nakon odredenih vrsta trermana (npr. treninga o p u i t a n j a / r e l a k s a c r j e )U t a k v o i s i t u a c i i i t r e b a u r v r d i r i z a i t o s e t o d e s i l o n e . kim osobama i prepoznati dodatne moderatorske promenliive.

316

Deo V: Statistidketehnikeza poredenjegrupa

rezultatadvofaktorskeanalizekovarijanse Predstavljanje
Rezultati ove analize mogu se predstaviti ovako: je razliditih grupa uporedena delotvornost dva proAnalizom2 sa 2 kovarijanse i grama obuke namenjena smanjivanju strahamu5karaca iena od statistike. (podukau matematidkim promenljive ve5tibile su vrsta intervencije Nezavisne Zavisnupromenljivu i samopouzdanja) pol u6esnika. nama,odnosno izgradnja programa dobijeninakonzavr5etka ispitivanja strahaod statistike dine rezultati (u za indiu upotrebljen uklanjanje intervencija trenutku2). Kao kovarijat analizi, ispitivanja strahaod statistike dobleni koriSceni rezultati su vidualnih razlika, pre intervencija. je proverama utvrdenoda nisu naru5enepretpostavke noro Preliminarnim nagibai homogenostiregresionih linearnosti, homogenostivarijansi, malnosti, uklanjanja uticajarezultata pouzdanosti Nakon statistidkog merenjakovarijata. (u ispitivanja strahaod statistikedobijenihpre intervencija trenutku 1), (1,25) :31 ,Z p < 0,0005, je F uticajinterakcije, utvrdeno da postojiznadajan eta i da je taj uticaj velik (parcijalni kvadrat: 0,56). Nijedanod zasebnihuti, c a j a n i j e b i o z n a d a j a np r o g r a m :F ( 1, 2 5 ) : 1, 4 3 , p : 0 , 2 4 ; p o l : F ( 1, 2 5 ) : drugadijereaguju 1,27,p: O,27. Ovaj rezultatnavodina pomisaoda muSkarci na te dve vrste intervencija Zena.Strah mu5karacaod statistikevi5e se od veStina, u matematidkih smanjionakon udestvovanja programusavladavanja dok je 2enamavi6e koristioprogram izgradnjesamopouzdanja.

Dodatak
Pojedinosti o datotekama S podacima
ovaj dodatak sadrii informacijeo Sest datotekas podacima,dostupnihna prateioj Web lokaciji knjige (pojedinosti rome videti na str.xi): o 1. survey3ED.sav 2. error3ED.sav 3. experim3ED.sav 4. depress3ED.sav 5. sleep3ED.sav 6. staffsurvey3ED.sav Prveietiri datoteke slui,e praienje postupakaopisanih u raznim poglaza vljima ove knjige.Poslednje (sleep3ED.sav dve i staffsurvey3ED.sav) dodatne su datoteke za veLbanje, s podacima iz raznih naudnih disciplina. Sleep3ED.sav sadrZi podatke zdravstvenei medicinske prirode, dok staffsurvey3ED.sav sadrZipodatke relevantne poslovno okruZenje. Na za kraju nekih poglavljadatesu preporuieneveZbe podacimaiz tih datoteka. s Da bistemogli korisriti te datotekes podacima,morateposetitinavedenu \7eb lokaciju i, prateii uputstva na ekranu, preuzetiih nzrdvrsti disk, CD ili USB.Zatim bi trebaloda pokrenete SPSSotvoriteonu datotekus podacima i koju nameravate koristite. Takve datotekemogu da se otvore samo u da SPSS-u. ovom dodatku je za svakudatotekudat Sifarnik,sa svim pojediU nostimao promenljivama prate6imuputstvimaza Sifrovanje. i

U prikaz rezulrataove analizetrebalo bi ukljuiiti i tabelu sa srednjim promenljiva(trenutak2) i kovarijat (tregrupa.Ako su zzrvisna vrednostima srednje vrednostiu trenlrtku nutak 1) merenina istoj skali,trebalobi navesti 1 i trenutku 2. Njih 6e izraiunati procedura Descriptives(videti 6. poglavlje).Ukoliko je kovarijat merenna drugaiijoj skali,navedite nekorigovanu (i standardno i korigovanusrednjuvrednost(i srednjuvrednost odstupanje) greiku) za obegrupe.Nekorigovanusrednjuvrednostproditajte standardnu u tabeliDescriptive Korigovanusrednjuvrednost(iz koje je uticaj Statistics. kovarijatastatistidkiuklonjen)proditajteu tabeli EstimatedMarginal Meu ans.Bilo bi dobro da navedete broj sludajeva svakojgrupi. i

Survey3ED.sav
Ovo su stvarni podaci, saLetrizjedne studije koju su sproveli moii postdiplomci psihologije obrazovanja. Studiia je trebalo da istraZi dinioce koji utidu na psiholo5ko prilagodenje i opite raspoloZenje ispitanika. Pripadajuia anketa je ot'ruhvatalarazne validirane skale za merenje konstrukata, za koje bi se po obimnoj literaturi o stresu i njegovom prevazilai,eniu moglo smatrati da utidu na subjektian doZivliaj stresa.Pomoiu tih skala mere se samopo5tovanje, optimizam, subjektivno doZivljen stepen samokontrole, tj. upravljanja sopstvenin-riivotom, subjektivno doZivljen stres, pozifivna i

318

o Dodatak:Pojedinosti datotekamas podacima

o Dodatak: Pojedinosti datotekamas podacima

319

Bila je tu i jedna skala za merenie negarivna ose6anjai zadovoljstvo Zivoton-r. sklonosti liudi da se predstave u povoljnom ili druitveno poZelinom svetlu. Anketa je podeljena pripadnicima opite populacije u Melburnu i okolnim okruzima Australije. Konirdno je dobijen uzorak sa 439 osoba, od toga 42 procenra muikaraca i 58 procenata Zen:l, starosti od 18 do 82 godine (srednja vrednost=374). ,

t e i k o z a s p u , d a l i s e l a k o b u d e ) i u t i c a j u t i h p r o b l e m a n a r a z n e a s p e k t en j i hovih Zivota (rad, voZnju, odnose s Zivotnim partnerimzr). Uzorak je imao 271 ispitanika (55 procenara i.ena,45 procenata muikaraca) srarosti od 1B do 84 godine (srednja vrednost-44 god).

Staffsurvey3ED.sav
stvarni podaci, saieti iz studije sprovedene radi istraZivanja stepena zztd,ovoljstva osoblja jedne obrazovne ustanove sa ograncima u viie mesta po Australiji. osoblje je popunilo krarak anoniman upitnik (dat u nasravku dodatka), u kojem su dali svoja miiljenja o raznim aspektima organizacije i tretmana kojem su bili podvrgnuti kao zaposleni.

Error3ED.sav
datoteke survey3ED.sav, Podaciu ovoj datotecidobijenisu modifikovanjem kole trebaotkriti postupcirna obtako ito su u nju namernoubaienegreSke itd. jaSnjenim 5. poglavlju.ViSeo njenimpromenljivama videti u opisudau toteke survey3ED.sav.

Experim3ED.sav
Ovo je skup izmiSljenih podatak:r, naprarvljen d:r bi se dobilo neito prikladno za ilustraciju statistidkih tehnika kao 5to su t-test za ponovljena merenja i jednofaktorska ANOVA ponovljenih merenjir. Taj skup podataka upuiuje na fiktivno istraZivanje uticaja dve razlidite intervencije koje pomaiu studentima da se izbore sa sopstvenom anksioznoSiu u vezi s predstojeiim kursom iz statistike. Podeljeni u dve jednake grupe, studenti su (u trenutku 1) popunili nekoliko testova. To su bili testovi za ispitivanje straha od statistike (Fear of Statistics), samopouzdanja u vezi s polaganjem ispita iz sttrtistike(Confidence in Coping with Startistics)depresije(Depression).Potom je jedna od tih grupa i (grupa 1) pohadala vi5edasovni kurs matematiakih veitina; druga grupa (grupa 2) udestvovalaje u programu izgradnje sarnopouzdanja u polaganje ispita iz stzrtistike. Nakon zavrSetka oba programa (u trenutku 2) opet su popunjavali iste testovekao pre programa, i ponovo tri mesecakasnije (u trenutku 3). Bile su izmerene i niihove performanse na ispitu iz sratistike.

Depress3ED.sav
Ova datotekaje priloZenaza prikazivanjeodredenihtehnika u 16. poglavlju. Obuhvatanekoliko klluinih promenljivihiz jednestvarnestudije,koju je jedan od mojih postdiplomaca sproveoisrraiujuii tinioce koji utiiu na opSte raspoloZenje prvorotki. SadrZi rezulrate dobijenena viSerazliiitih psiholoSkih skalaprolektovanih merenje za (pojedinosti videti u 16. depresije poglavlju,o rneri podudaranjakapa).

Sleep3ED.sav
Stvarni podaci, saLetiiz studije sprovedene radi istrazivanja rasprosrranjenosti i uticaja problema sa spavanjem na razne rrspekreLivota. Univerzitetsko osoblje iz Melburna u Australiji popunilo je upitnik s pitanjima o broju sati no6nog sna koje uspevaju da ostvare, problemima sa spavanjem (da li

Dodatak:Pojedinostio datotekamas podacima

o Dodatak:Poiedinosti datotekamas podacima

za Deo A: materijali survey3ED.sav


o Pojedinosti skalamakoje obuhvatasurvey3ED.sav
Skale su navedene redom kojim se pojavljuju u anketi. Skala Life Orientation Test Skala optimizma ili Zivotne orijentaciie (iest staul<il Referenca S c h e i e rM . F . & C a r v e r ,C . S .( 1 9 8 5 ) . , Optimism, coping and health: An assessment and implications of g e n e r ai z e do u t c o n r e x p e c t a n c i e s . l e Health Psychology,4, 219-47. Scheier; M.F., Carver,C.S. & Bridges, M.\)(/.( 1994). Distinguishing optimism from neuroticism (and trait anxiety,self-mastery and self-esteem): A re-evaluationof the Life Orientation Test.Journal of Personality and Social Psychr>logy, 67, 6,1063-78. P e a r l i n ,L . & S c h o o l e rC . ( 1 9 7 1 1 ) .h e , T structure of coping. tournal of Ilealth and Social Behauior 19.2-21. 'Warson, D., Clark, L.A. & Tellegen, A. ( 1 9 8 8 ) .D e v e l o p m e n a n d v a l i d a t i o n t of brief measures positive and of negativeaffect: the PANAS scales. Journal of Personality and Social Psychology, 5 4, 1063-7 0. Diener, 8., Emmons, R.A., Larson, R.J. & G r i f f i n , S . ( 1 9 8 5 ) .T h e S a t i s f a c t i o n with Life scale. Journal of Personality A s s e s s n t e n4.9 . 7 1 - 6 . t Cohen, S., Kamarck, T. & Mermelstein, R . ( 1 9 8 3 ) .A g l o b a l m e a s u r o f e perceived stress. Journttl of Health and Social Behauior,24, 38 5-96. M. (1965). Societydnd the Rosenberg, ad o Iescent seIfim age. Princeton, NJ: PrincetonUniversity Press.

Social Desirability Scale Crowne, D.P. & Marlowe, P. (1960). A new scaleof social desirability Skala za merenjesklonosti lf udi da independentof psychochopathology. se predstaveu druitveno poZeljnomsvetlu (deselstauki) Journal of Consulting Psychology,24, 349-54. S t r a h a n , . & G e r b a s i , . ( 1 9 7 2 ) .S h o r t , R K homogeneous version of the Marlowe-Crowne SocialDesirability Scale.Journal of Clinical Psychology, 28,191-3. PerceivedControl of Internal StatesScale(PCOISS) Skala subjektivno doZivljene sarnokontroleunutrainjih stanja (osantnaest stauki\ Pallant,J. (2000). Developmentand validation of a scalero measure perceivedcontrol of internal states. .[ournal of Personality Assessntent, 7 5. 2. 308-37.

Mastery Scale Skala subjektivnogoseiaja upravljanja sopstvenimZivotom (sedamstauki) Positive and Negative Affect Scale (PANAS) Skala pozitivnih i negativnih oseianja (duadesetstauki)

Satisfaction with Life Scale Skala zadovoljsrvaiivotom (pet stauki) PerceivedStressScale S k a l as u b j e k t i v n o o Z i v l j e n o g d stresa (deselstat,ki) Self-esteem Scale Skala sarnopoStovanja (desetstauki)

322

Dodatak:Pojedinostio datotekamas podacima

Dodatak: Pojedinosti o dttot"kama s pffi

323

Sifarnik za surveY3ED.sav
Puno ime promenljive Identifikacioni broi Pol subjekta Starostsubiekta Bradno stanje Ime promenliive u SPSS-u id
SEX

Uputstvo za Sifrovanie identifikacioni broj subjekta Z=zene 1=muSkarci, u godinama 2=stalan Partner' 1=nevenaan(a), 3=Zivi s partnerom, 4=Prvi Put v e n d a n ( a )5 - p o n o v o v e n d a n ( a ) , , 6=Zivi odvojeno od suPruZnika' 7 --razv eden(a 8=udovac/ ), udovica l=da,2=ne S 1=osnovna kola srednjeSkole 2=deo 3=celasrednjaSkola 4=vi5a Skola ili dodatna obuka 5=dodiplomskestudije na univerzitetu n st 6=postdiplomskeudile a univerzitetu

Skala pozitivnih i negativnihoseianja (PANAS) Skala zadovoljstva Zivotom Skala subjektivno doZivljenogstresa Skala samopouzdanja Marlowe-Crowne skala za merenie sklonosti ljudi da se predstave u druitveno poZeljnomsvetlu Skala subjektivno doZivljene samokontrole stania unLrtraSn,ih (PCOTSS)

pn1 do pn20

1=vrlo malo, 5=izuzetnomnogo

lifsatl do lifsatS pssl do pss10 sestl do sest10 m1 do m10

1-nimalo se ne slaZem 7-potpuno se slaZem 1-nikada, 5=vrlo desto 1=nimalo se ne slaZem 4-potpuno se slaZem 1=taino, 2=netadno

age marital

Dete NajviSazavriena Skola

child educ

pc1do pc18

l = n i m a l os e n e s l a Z e m , s=potpuno se slaZem

Glavni izvor stresa

source

1- radno mesto, 2=suPruZnikiil partner,3=liubavni odnosi, 4=deca,5=pofodica, stanie/bolest' 6=zdravstveno uopite, 8 =finansiisk<r 7 =Liv<>t stanje,9=nedostatakslobodnog vfemena 1 = d a ,2 = n e broj popuienih cigareta sedmidno 1 = n i m a l os e n e s l a Z e m , 5-potpuno se slaZem 1 = n i m a l os e n e s l a Z e m , 4=potpuno se slaZem

Puiai Broj popuSenih cigaretasedmiino Skala optimizma Skala subjektivnog oseiaja upravlianja sopstvenimZivotom

smoke smokenum op1 do op6 mastl do mastT

324

Dodatak:Pojedinostio datotekamas podacima

Dodatak:Poiedinosti datotekamas podacima o

325

survey3ED.sov dololeke koie no rezuhofi skolomo sudeo Ukupni


P u n oi m e promenljive
Ukupanoptrmtzam

Kopijo upihiko upotreblienog survey3ED.sov u dototeci


Na sledecimstranicama navelasam samo deo upitnikaupotrebljenog priza kupljanje podataka datoteci Na u survey3ED.sav. prvojstranici demografska su pitanja, (6 zatimtest optimizma livolne orijentacije stavki)i skalapozitivnih / i (20 stavki). spiskuu prethodnom negativnih osecanja U delu dodatkadate su sve pojedinosti referencama kojihsu preuzete o iz skalekori5cene upitniku. u

lme promenljive Uputstvoza Sifrovanje u SPSS-u


toPtlm obrnuti stavkeop2, op4, op6 sabrativrednostiod op1 do op6 raspon od 6 do 30 obrnuti stavkemast1, mast3, mast4, mast6, mastT sabrati vrednosti od mast l do mastT raspon od 7 do 28 tposaff sabrativrednosti pn1, pn4, pn6, pn7, png, p n 1 2 ,p n 1 3 ,p n 1 5 ,p n 1 7 p n 1 8 , rasoon od 10 do 50 sabrativrednosti pn2, pn3, pn5, pnB, pn10, p n 11 , p n l 4 , p n 16 , p n 19 , p n 2 0 raspon od 1 O do 50 sabrati sve vrednosti od lifsatl do lifsat5 raspon 5 do 35 obrnuti stavkepsp4, pssS, pss7,pssS sabrati sve vrednosti pssl do pss.l 0 raspon od I 0 do 50 obrnuti stavke sest3, sestS, sest7, sest9, sestl 0 sabratisve vrednostiod sestl do sestl 0 raspon od 10 do 40 na obrnuti stavkem6 do m10 (re3ifrovati tadno:1, netadno:0) sabratisve vrednostiod m'l do m10 rasoon od 0 do 10 obrnuti stavke pc1 , pc2, pc7, pc l 1, pc1 5, pc'l 6 sabratisve vrednostiod pc1 do pc1 8 rasoon od 1 8 do 90 zbog malog broja sludajeva u svakoj od tih grupa, kategorijeOsnovna Skolai Deo srednje Skolere6ifrovane u jednu grupu: su 1:osnovna ili deo srednjeSkole 2:cela srednjaSkola 3:vi5a Skolaili dodatna obuka 4:dodiplomske studijena univerzitetu 5:postdiplomske studijena univerzitetu 1:1 B-29 god, 2:30-44 god, 3:45+ god.

Ukupan subjektivni osecaj upravljanja sopstvenim Zivotom Ukupna pozitivna osecanja Ukupna negativna osecanja

Upilnik
O muSki fl 2enski (oznaditeodgovarajuce polje\ (u godinama) 2. Starost:_ (oznaiite odgovarajucepolje) 3. VaSbradni status: fl 1:nevendan(a) D 2:stalni partner D 3:Zivim s partnerom a 4:prvi put vendan(a) 0 b:ponovo vendan(a) tr 6:Zivim odvojenood supru2nika D 7:razveden(a) D 8:udovac/udovica Pol: 4. lmate li dece koja trenutnoZives vama? Dda A ne \oznaiite odgovarajuce polje) 5. Koju najviSu Skolu ste zavrsili? (oznaiite potje pored najviie ikote koju ste zavriilil ll 1:osnovna Skola D 2:deo srednje Skole D 3:cela srednjaSkola O 4:vi5a Skolaili dodatna obuka D S:dodiplomske studije na univerzitetu n 6:postdiplomske studije na univerzitetu 6. Koji su glavniizvoristresa u va5emZivotu? Da li pu5ite? Dda J na (oznaiite odgovarajuce polje) Ako odgovoritesa da, kolikocigaretapopuSitesedmi6no? '1.

tnegaff

Ukupno zadovoljstvo tlifesat Zivotom Ukupan sub.jektivno tpstress doZivljenstres Ukupno samopouzdanje

tslfest

Ukupnasklonosti osobe da se predstavi u druitveno poZeljnom svetlu

tmarlow

Ukupna subjektivno tpcoiss doiivljenasamokontrola sopstvenih unutra$njih stanja Nove obrazovne kategorije educ2

Starosnagrupa, 3 kategorije

agegp3

326

Dodatak:Pojedinostio datotekamas podacrma

Dodatak:Pojedinosti datotekamas podacima o

327

procitaite sledece iskaze i razmislite koliko se slazete ili ne sla2ete sa svakim od prema datoi skali, naibolie pokazuie ,1i. i'.*a svakog iskaza napiiite broi koii, vaie mi6lienje. 'l potpuno se slaZem 5 4 3 2 nimalo se ne slaiem obidno ocekujemda ce mi se desiti ono najbolje. vremenima nesigurnim i. --U 2. =-- Ako i5ta moZeda mi krene po zlu, krenuce' Uvek sam optimistakada je u pitanju moja buducnost' 3. -menr u prilog, nikada ne odekujemda ce se stvarirazvijati 4. _Gotovo 5'-_sveusvemu,odekujemdacemisedesitivi5edobrognegoloseg. Retko odekujemda ce mi se desiti ne5to dobro' 6. Carver& Bridges'1994' lzvor:Scheier, Za svaku stavku ova skalase sastoji od reei koie opisuiu razna stanja i osecania' tokom nekoliko posledniih sedmicanazna,ite do koje mere ste se tako osecali Na tiniju pored svake stavke upiiite broi od 1 do 5'
vrlo malo ili nimalo 12 1 .-zatnteresovano 2.-uzrvlano 3.-prestravljeno 4.-ponosno 5.-posramljeno 6.-odluno 7.-aktivno

Deo B: materijali experim3ED.sav za


zo iifornik experim3ED.sov
P u n oi m e promenljive
broj ldentifikacioni Pol subjekta Starost sub.jekta Grupa

lme Duie opisnoime Uputstvoza Sifrovanje promenljive promenljive u SPSS-u u SPSS-u


id sex a9e group id
SEX

identif ikacionibroj subjekta 1:mu5karci, 2:2ene u godinama 1:matematidke veStine, 2:izgr adnla samopouzdanja

age type of class

Testza ispitivanje fost l strahaod statistike u trenutku 1

malo

umereno 3
8.-ucveljeno 9.-snaZno 10.-odbojno 1 |.-razdrailjivo 12.-nadahnuto 13.-pazljivo

prilidno 45

izuzetnomnogo 15.-uzbudeno 16.-kaokrivac 17.-oduSevljeno 18.-dilo 19.-nervozno 20.-usPlahireno


Vera u ovladavanje confl statistrkom u trenutku1

fear of stats time 1 Rezultatina testu kojim se ispitujestrah od statistike, popunjavanom trenutku1. u Opseg moguCih vrednostiod 2O do 60. Vece vrednosti pokazuju veci strah od statistike. confidencetimel Rezultatiispitivanjavere u ovta, davanje statistikom,dobijeni u trenutku 1. Opseg mogudih vrednosti od 10 do 40. Vece vrednosti pokazuju vece samopouzdanje. depression timel Rezultatimerenja na skali depresije,dobijeniu trenutku1. Opseg mogucih vrednostiod 20 do 60. Vece vrednosti pokazuju vecu depresiju.

14.

Depresija u trenutku1

depressl

1988. Clark& Tellegen, /zvor: Watson,


Test za rspitivanje fost2 slraha od statistike u trenutku2

Verau ovladavanje conf2 statistikom u trenutku 2

Depresija u trenutku 2

fear of stats time2 Rezultatina testu kojim se ispituje strah od statistike popunjavanom trenutku2. u Opseg mogucihvrednostiod 20 do 60. Vece vrednosti pokazuju veci strah od statistike. confidencetime2 Rezultatiispitivanja vere u ovla_ davanje statistikom, dobijeni u trenutku2. Opseg mogucih vrednostiod 10 do 40. Vece vrednostipokazujuvece samopouzdanje. depressiontime2 Rezultatj merenjana skali depresije,dobijeniu trenutku2. Opseg mogucih vrednosti od 20 do 6O. Vece vrednostipokazuiu

depress2

328

Dodatak:Pojedinostio datotekamas Podactma

il

o Dodatak:Poiedinosti datotekamas podacima

329

P u n oi m e promenljive

DuZeopisno ime Uputstvoza Sifrovanie lme promenliive promenliive u SPSS-u u SPSS-u


fear of stats timeS Rezultatina testu kojim se strah od statistike isPitule u poPunjavanom trenutku3. Opseg mogucihvrednostiod 20 do 60. Vece vrednosti Pokazuju veci strah od statistike' vere u ovlaispitivanja con{idencetime3 Rezultati davanje statistikom,dobijeni u trenutku3. OPseg mogucih vreonostiod 1 0 do 40. Vece vrednosti Pokazujuvece samoPouzdanie. merenjana skali depressiontime3 Rezultati dobiieniu trenutku3' dePresije, OPseg mogucihvrednostiod 20 do 60. Vece vrednosti Pokazuju vecu dePresiju. exam Rezultatina ispitu iz statistike' OPseg mogucih vrednosti 0-100.

Deo C: materijaliza staffsurvey3ED.sav


zo osobllo slovke} Ankelo ispilivonie {odobrone
Starost: A isPod 20 O21 do30 ff 31 do 40 a41do50 3 preko 50 god. DuZina zaposlenja u ovoi organizaciji (u godinama):Zaposlen: t-l stalno O privremeno

Test za isPitivanje fost3 straha od statistike u trenutku3

Verau ovladavanjeconfS statistikom 3 u trenutku

Pomocu sledecih skala, za svaki od navedenih aspekata ocenite svoj stepen slaganja s njim i njegovu vainost. Slaganje: 1:nimalo, 2:malo, 3:umereno, 4: mnogo, S:veoma mnogo 4: S:izuzet3:umereno va2no, veomavaZno, VaZnost:1:nimalo, 2:malo vaZno, no va2no Slaganje VaZnost
1. 2. 3. 4. 5. 6. 7. 8. 9. Da li je jasno Sta se od vas odekujena radnom mestu? koji su Dobili ste na radnom mestu svu opremu i materijal potrebni da svoj posao radite efikasno? Da li vas organizacijaaiurno obave5tavao razvoju i promenama?

Depresija u trenutku3

depress3

Rezultati na isPitu iz statistike

exam

1234 5 12345 1234 5

12345 12345 12345 12345 12345 12345 12345 12345 12345 12345

kada dobro uradite 1 2 3 4 5 Da li od organizacile dobijatepriznanje oosao? Da li vas direktor ili Sef podstidu na profesionalnirazvoj na radnom mestu? Smatrate li da se va5e mi5ljenjeuvaiava u organizaciji? Smatrate li da organizacijashvata koliko je va5 posao vaZan? Smatrateli da su va5e kolege na poslu posvecenetome da dobro rade svoj posao? Da li su va$ rad i njegovirezultati ocenjivaniili bili razmatrani poslednjihSest meseci? u

12345 12345 12345 12345 12345 1234 5

10. Da li ste tokom poslednjegodine dana imali prilikuda se usavr5avate poslu/radnommestu? na

preporudili Da fi biste ovu organizaciju drugimakao dobro mesto za rad? DDa DNe

330

Dodatak:Pojedinostio datotekamas Podacima

&
Opis promenliive
P6 stepen slaganja

Dodatak: Pojedinosti o datotekama s podacima

331

zu iifornik sloffsurveY3ed.sov
Opis promenliive
broi ldentifikacioni Mesto PrebivaliSta zaposlencg Starost zaPoslenog

lme promenljive Uputstvoza Sifrovanie u SPSS-u


06a 06imp '|:nimalo, 2:malo, 3:umereno, 4: mnogo, 5:vrlo mnogo 1:nimalo, 2:malo vaino, 3:umereno valno, 4: veoma va2no,5:izuzetno vaZno 1:nimalo, 2:malo, 3:umereno, 4: mnogo, s:vrlo mnogo 1:nimalo, 2:malo va2no,3:umereno vaino,4: veoma vaZno,S:izuzetno vaino 1:nimalo, 2:malo, 3:umereno, 4: mnogo, S:vrlo mnogo 1:nimalo, 2:malo vaino, 3:umereno vaino,4: veoma vaZno,S:izuzetno vaino 'l :nimalo, 2:malo, 3:umereno, 4: mnogo, s:vrlo mnogo 1:nimalo, 2:malo vaZno,3:umereno va2no,4: veoma vaZno,S:izuzetno vaZno 1:nimalo, 2:malo, 3:umereno, 4: mnogo, S:vrlo mnogo 1:nimalo, 2:malo va2no,3:umereno valno,4: veoma vaZno,S:izuzetno vaZno O:ne, 1:da

lme promenljive Uputstvoza 5ifrovanje u SPSS-u


id city age subjekta ikacionibro.i ldentif Svakom mestu boravi5tadodeljen .ie odreden broi 1:ispod 20 2:21 do 30 3:31 do 40 4:41 do 50 5:preko 50 god. Broj godina radnog staia u organizaciii (staZkraci od 1 godine pisati decimalno, npr. 6 meseci:0,S godina) 1:stalno zaposlen, !:privremeno zaposlen 1:nimalo, 2:malo, 3:umereno' 4: mnogo, s:vrlo mnogo 1:nimalo, 2:malo va2no,3:umereno vaZno,4: veoma vaZno,5:izuzetno vaZno 'l :nimalo, 2:malo, 3:umereno, 4: mnogo, 5:vrlo mnogo 1:nimalo, 2:malo vaino, 3:umereno vaZno,4: veoma vaZno,S:izuzetno vazno

P6 stepen vaZnosti

P7 stePenslaganja P7 stepen vaZnosti

Q7a OTimp

P8 stepen slaganja P8 stepen vainosti

OBa OSimp

Broj godina radnog staZa serytce u organizaciji Status zaposlenog Pl stepen slaganja P1 stepen vaZnosti

employstatus 01 a Ol imp

P9 stepen slaganja P9 stepen vaZnosti

09a 09imp

P10 stepen slaganja P1 0 stepen vainosti

Ol Oa 01 Oimp

P2 stepen slaganja P2 stepen vainosti

02a O2imp

Preporuka

recommend

P3 stepen slagan.ia P3 stepen vainosti

O3a 03imp

1:nimalo, 2:malo, 3:umereno, 4: mnogo, s:vrlo mnogo 1:nimalo, 2:malo vaino, 3:umereno valno,4: veoma va2no,S:izuzetno vaino 1:nimalo, 2:malo, 3:umereno, 4: mnogo, s:vrlo mnogo 'l:nimalo, 2:malo vaino, 3:umereno vaino, 4: veoma vaino, S:izuzetno va2no 1:nimalo, 2:malo, 3:umereno, 4: mnogo, S:vrlo mnogo 3:umereno 1:nimalo, 2:malo vaZno, va2no,4: veoma vaZno,S:izuzetno vaZno

Promenliive koje se izradunavaju Ukuoan reaultat skali na


zadovoljstvaosoblja DuZinaradnog staZa u (3 organizaciji grupe) Log transformacija duiine radnog staZa Starost zaposlenog reSifrovana 4 grupe u Servicegp3 logservice agerecooe 1 : 1 B d o 3 0 g o d i n a ,2 : 3 1 d o 4 0 godina,3:41 do 50 godina, 4:50+ godina 1 { i l i: 2 g o d i n e ,2 : 3 d o 5 g o d i n a , 3:6+ godina

totsatis

Veci iznos pokazuje vece zadovoljstvo

P4 stepen slaganja P4 stepen vaZnostl

O4a 04imp

P5 stePenslaganla P5 stepen vainostl

05a 05imp

332

o Dodatak:Pojedinosti datotekamas podacima

Dodatak: Pojedinosti o datotekama s podacima

333

za Deo D: materiiali sleep3ED.sav


Sifarnikza sleep3ED.sav
Opis promenljive
ldentifikacionibroj Pol Starost Bradni status

Opis promenljive
Zadovoljnikolidinomsna?

lme promenljive u SPSS-u satsleep qualslp stressmo medhelp problem rmpactl impact2 impact3 impact4

Uputstvo za Sifrovanje nezadovoljan,10:u velikoj meri zadovoljan 1:vrlo loS, 2:log, 3:pristojan, 4:dobar, 5:vrlo dobar, 6:izvrstan 1:nimalo, 1 O:izuzetnomnogo 'l:da, 2:ne 'l:veoma

lme promenljive Uputstvoza Sifrovanje u SPSS-u


id sex age mantal O:)enski, 1:mu6ki u godinama 1:nevendan(a),2: vendan(a)i2ivi s partnerom, 3:razveden (a), 4:udovac/udovica 1:osnovna, 2:srednja, 3:zanat, 4:dodiplomske studije, g:postdiplomske studije uKg ucm 1:vrlo slabo,1 O:vrlo dobro 1:vrio slaba,1O:vrlo dobra 1:veoma mr$av(a),10:veoma debeo(la) 1:da, 2:ne broj cigaretadnevno bro.jpica na dan broj pica na dan Prosedan broj sati sna svake noii radnog dana Prosedan broj sati sna svake noci neradnogdana Broj sati sna potreban da nema osecanja pospanosti 1:da,2:ne 1:da,2:ne 1:da,2:ne 1:da,2:ne 1:da,2:ne 1:da,2:ne

Ocenite kvalitetsvog sna Ocenite nivo svog stresa tokom proSlogmeseca Pijetepiluleza spavanje? lmate li problemasa snom? Ocenite uticaj problemasa snom na raspolo2enje Ocenite uticaj problemasa snom na nivo energije Ocenite uticaj problemasa snom na koncentraciju Ocenite uticaj problema sa snom na pamcenje

1:da,2:ne -l:nimalo, 1O:izuzetnomnogo 'I:nimalo, 1O:izuzetnomnogo 1:nimalo, 1O:izuzetnomnogo 1:nimalo, 1 O:izuzetnomnogo 1:nimalo, 1O:izuzetnomnogo 'I:nimalo, 1O:izuzetnomnogo 1:nimalo, 1O:izuzetnomnogo 1:da,2:ne

NajviSazavrSenaSkola

edlevel

TeZina(kg) Vsina (cm) Ocenite svoje zdravlje

weight height healthrate

Ocenite svojufizidkukondiciju fitrate Ocenite svoju trenutnuteZinu weightrate Da li pu6ite? Kolikocigaretadnevno? pica Kolikoalkoholnih dnevno? Kolikokofeinskih pica dnevno? Sati sna/noc radnog dana Sati sna/noc neradnogdana Koliko sati sna smatrate potrebnim? TeSkozaspete? Lako se budite nocu? Budite se nocu? Radite nocnu smenu? Uvek se lako budite? smoke smoKenum alcochol caffeine hourwnit hourwend hourneed trubslep trubstay wakenite niteshift liteslp

Ocenite uticaj problemasa impactS snom na zadovoljstvoZivotom Ocenite uticaj problemasa impact6 snom na opste raspolozenje Ocenite uticaj problema sa snom na ljubavne veze De5ava vam se da u snu prestanete da diSete? Nemirno spavate? Jeste li ikada zaspali za volanom tokom voinje? restlss drvsleep impactT

1:da, 2:ne 'l:da,2:ne

Epworthova skala pospanosti ess

Ukupan iznos na ESS skali (od O:malo do 24:velika dnevna pospanost) Ukupan iznos na HADS skali (od 0:nema anksioznosti anksioznosti 21:velika do anksioznost) Ukupan iznos na HADS skali depresije(od 0:nema depresije do 21:velika depresija) 1:nimalo, 1O:izuzetnomnogo

HADS skala anksioznosti

anxrety

HADS skala depresije

oepress

Budite se dili radnim danom? refreshd

Kolikonaporaste utro6ili tokom proSlesedmice?

fatigue

334

o Dodatak:Pojedinosti datotekamas podacima

o Dodatak: Pojedinosti dtt"tekatu s pod

Opis promenljive

lme promenljive Uputstvoza 5ifrovanje u SPSS-u


1:nimalo, 1 O:izuzetnomnogo 1:nimalo, I O:izuzetnomnogo 1:nimalo, 10:izuzetno mnogo 1:nimalo, 10:izuzetno mnogo

Deo E: materiializa depressSED'sav pomo6u datotekedepress3ED'sav


J ie . pogtuvlju pokazalasam kako se u it-tdt' dva merila depresije uzorku sastavlietlo*.'#0..'pod.ra",u"j" da li zeneidentifikovane da.se utvrdi ,rJ_ ,a o.rtnatalnih z.r-,u.citl ie bio na skali EPDSjednakotako klasifikuiei skalaDASSDepres[]. a.o*rirne sion (DASS-DeP)' samosu mali deo stvarnihrezultataispodaciu datotecr depress3ED.sav Scale(EPDS: .irivania svakeZe'e na skali EdinburghPostnatalDepression ti.", Anxiety and Stress 1987)i na skali Depression, ii.fa"" 6< Sagovsky, Lovibond & Lovibond,1995\. Rezultatisu klasifikovani ;;i;, (DASS-Dep: za svakuskalu.Tako su dou skladus preporuienimgraniinim vrednostima s EPDSgp2) vrednostima0 (nile detrfi.". a*'promenliive lbeSSdepgp2, i oresivna) 1 (dePresivna)'

tokom lethargy Kolikoste bili letargidni pro5lesedmice? Kolikoste bili umornitokom proSlesedmice? Kolikoste bili pospanitokom pro5lesedmice? Koliko vam je nedostajalo energije tokom pro$le sedmice? Lako se budite nocu, reSifrovano rovano Teiko zaspite, reSif rovano Kvalitetsna, reSif skala Sleepinessand AssociatedSensations (skalapospanosti i pridruienih osecanja) Broj cigareta dnevno, re6ifrovanu 3 grupe Starost, reSifrovana u 3 grupe lmate li problemasa snom, re6ifrovano 0/l u

tired sreepy energy

stayslprec getsleprec qualsleeprec totsas

0:ne, 1:da O:ne,1:da 1:vrlo lo5, lo5, 2:pristojan, 3:dobar, 4:vrlo dobar, 5:izvrstan Ukupan iznosna skali SASS (S:mala pospanost,50:izuzetno velika pospanost) 1{:5, 2:6-15, 3:16+

cigsgp3 agegp3 probsleeprec

1d:37god, 2:38-50god, 3:51+ godina 0:ne, "l:da

Preporudena literatura

Ovo su neki od dlanakai knjiga koji su mi bili najkorisniji u istraZivaniu i naslovalmnogi se aiuriraju svakih nastavi.TraLitenova izdanjanavedenih samih po temama,madaje u mnogimaobradenekolikogodina.Razvrstala preporudujem oznadeni zvezdicom. su no viSetema.Naslovi koje najviSe Proj ektovanie istraiiv ania Bowling, A. (1997). Researchmethods in health: Inuestigatingbealth and Buckingham:Open University Press. health seruices. in "'Boyce, (2003).Market research practice.Boston:McGraw-Hill. J. "Cone, J., & Foster,S. (1993). Dissertationsand theses from start to finish. '$Tashington: Association. American Psychological Methods and design(Sth in Goodwin, C.I. Q007). Research psycbology: edn).New York: John \filey. in Polgar,S.,Thomas,S.A. (2000).Introduction to researcb the healthsci(4th edn).Edinburgh:Churchill Livingstone. ences (3rd edn). C. methodsfor the behauioral sciences Stangor, (2006).Researcb Boston: Houghton Mifflin. Projektovanjeupitnika (5th edn).Crows Nest:Al. in "De Vaus,D.A. (2002) Swrueys socialresearch len & Unwin. Izbor i konstrukciia mernih skala Psychology, constructionJowrnalof Counseling . Dawis, R. V. (1987).Scale 34,481489. DeVellis, R. F. (2003). Scale deuelopment:Tbeory and applications (2nd edn).ThousandOaks, California:Sage. in Gable,R. K., &'Wolf, M. B. (1,993).Instrument deuelopment the affectiue domain: Measuringattitudesand ualuesin corporateand scbool settings' Boston:Kluwer Academic. Kline, P. (1986).A handbookof test construction New York: Methuen. 'Wrightsman, of L. S. (Eds).Measures perso' P. Robinson,J. P.,Shaver, R., 6a attitudes.Hillsdale, NJ: AcademicPress. nality and socialpsychological

Preporudena literatura

D. "'srreiner, L., & Norman, G. R. (2003). Healtb measurcment scales: A practical guide to their deuelopmentand use (3rd edn). oxford: oxfoJ UniversityPress. Osnovi statistike cooper, D. R., & schindler,p. S. (2003). Business research methods(gth edn).Boston: McGraw-Hill. Everirt, B. s. (7996). Making sense statisticsin psychology:A secondleuel of course. Oxford: Oxford Universitypress. F.J., & wallnau, L.B. (20071.statistics the bebat,ioral "'cravetrer, for sci_ (7th edn).Belmonr,CA: Wadsworth. ences Norman, G. R., & Streiner, L. (2000). Biostatistics: D. The bare essentials (2nd edn).Hamilton:B.C. DeckerInc. Pagano,R. R. (1998). understanding statistics in the behauioral sciences (5th edn).PacificGrove,CA: Brooks/Cole. {-Peat, resettrcb: handbook of qrantitatiuente_ J. Q001). Health science A thods.Sydney: Allen & Unwin. Raymondo, J. C. (1999). Statisticalttnalysisin the behauioralsciences. Boston: Mccraw- Hill College. Runyon, R. P.,Colem"r: A., & pittenger, J. (2000) Fundamentals D. . of I. behauioral statistics (9th edn).BostoniMcGraw_Hill. smitlrson,M. (2000). statistics witb confidence.London: sage. Napredni kurs statistike Hair, J. F., Black, V. C., Babin, 8.J., Anderson,R. E. & Ththam, R. L. (2006)' Multiuarittte data analvsis (6th edn). upper saddle River, NJ: Pearson Education. stevens, Q996). Applied multiuariatestatistics tbe socialsciences J. (3rd for edn).Mahwah, NJ: LawrenceErlbaurn. '-Tabachnick, B. G., & Fidell,L. s. (2007) IJsingmultiuariate . statistics (Sth edn).Boston:Pearson Education. Pripremaizveitajao istraZivaniu AT::i.."I Psychological Association (200r ). publicationManttal (5th edn). ril/ashington: psychologiczrl American Association. Mclnerney D.M. (2001). publisbingyour psycborogy researcl2. crows Nesr: Allen & Unwin. Tho.nras, s.A. (2000). How to turite health sciences papers,dissertations and theses. Edinburgli:Churchill Livinqstone.

Bibliografija

Multiple regression: Testingand interpreAiken, L.S. & West,S.G. (1991,). ting interactiozs.Newbury Park, CA: Sage. Association(2001).Publicationmanwal(5th edn). Psychologic:rl Americzrn Association. AmericanPsychological Washington: Bartlett, M.S. (1954). A note on the multiplying factors for various chi Society,l5(Series approximations. sqrrare lournal of the RoyalStatistical B),296-8. assumptiozs.Newbury Park, Berry, W'.D.(1,993).Understandingregression CA: Sage. Bowling, A. (1997). Researchmethods in health: Inuestigatinghealtb and Buckingham:Open University Press. bealth seruices. (2nd edn). Buckingham:Open University (2001). Measwring disease Press. sca(20041.Measuringhealth:A reuiew of quality of life measurement Buckingham: Press. /es. Open University Boyce, (2003).Market research practice.Boston:McGraw-Hill. in J. Briggs,S.R. 6. Cheek,J.M. (1986). The role of factor analysisin the development:rnd evaluationof personalityscales. !ournal of Personality, -54,10648. Catell,R.B. (1966).The scree testfor numberof factors.MuhiuariateBeha1. uioral Researcb, 245-7 6. of (2001).Exploratoryanalysis the Choi, N., Fuqua,D. 6. N. Griffin, B.X7. self of scales perceived efstructureof scores from the multidimensional 6'L, Measurement, 47 5-89. ficacy.Educational tmd Psychological Cohen, J. \f. (198S). Statisticalpower analysisfor the behauioralsciences (2nd edn).Hillsdale,NJ: LawrenceErlbaum Associates. anaCohen,J. & Cohen,P. (1983).Applied mtiltiple regression/correlation (2nd edn).New York: Erlbaum. lysisfor the behauinral sciences of R. A Cohen,S.,Kamarck,T. & Mermelstein. (19U3). global measure perof Hectlthand SocialBehauior,24,385-96' ceivedstress. Jcturnal and tbeses Cone,J. & Foster, (1993).Dissertations S. from start to finisb. Associ:rtion. \Tashington: AmericanPsychological

340

Bibliografija

Bibliiografrja

341

P.S. research Cooper,D.R. & Schindler, (2003).Business methods(8th edn). Boston:McGraw-Hill. R. Cox, J.L., Holden,J.M., Sagovsky, (1987).Detecion of postnataldepresof EdinburghPostnatal Depression sion. Developntent the 1O-item Scale. 150,782-6. Br I Psychiatry, Crowne,D.P. & Marlowe, D. (1960).A new scaleof socialdesirability independentof psychopathology. Jowrnal of ConsuhingPsycbolog!,24, 349-54. (2nd edn). Iloston: Daniel, \7. (1990). Applied nonparametric statistics P'WS-Kent. Dawis, R.V. (1987).Scaleconstruction. Psychology, Journal of Cownseling 34, 481.-9. . (5th edn).Crows Nest:AlDe Vaus,D.A. (2002) Surueys socialresearch in len 6c Unwin. DeVellis,R.F. (2003). Scaledeuelopment: Theory and applications(2nd edn).ThousandOaks, California:Sage. Diener,E., Emmons,R.A., Larson,R.J. & Griffin, S. (1985).The Satisfaction with Life scale. Assessment, 49,71-6. Journal of Personality Everitt,B.S.(1996).Mal<ing sense statistics psychology: secondleuel of in A course. Oxford: Oxford UniversityPress. Fox, J. [99I). Regression diagnostics. Newbury Park, CA: Sage. Gable,R.K. & Wolf, M.B. (1,993). Instrumentdeuelopment the affectiue in domain: Measuringdttitudesand ualuesin corporateand school settings. Boston:Kluwer Academic. Glass,G.V.,Peckham, P.D.& Sanders, of J.R. (1972).Consequences failure to meetthe assumptions underlying useof analysis variance the of and covariance. Reuiewof EducationalResearch, 237-88. 42, Goodwin, C.J. Q007). Researcb psychology:Methods and design(5th in edn).New York: John Wiley. (lorsuch,R.L. (1983).Factoranalysis. Hillsdale,NJ: Erlbaum. cravetter, F.J.sa wallnau, L.B. (2004). statistics the behauioralsciences for (6th edn).Belmont,CA: Vadsworth. Greene, & d'oliveira, M. (1999).Learning to usestatisticaltests psyin J. chology(2nd edn).Buckingham: Open UniversityPress. Hair,J.E, Black,'W.C., Babin,B.J., Anderson, R.E. & Tatham,R.L. (2006). Multiuariate data analysis (6th edn). Upper Saddle River, NJ: pearson Edr-rcation. Harris,R.J.(1994). peaANovA: An analysis uariance primer.Irasca,Ill: of cock. Hayes, N. (2000). Doittg psychologicalresearch:Gathering and analysing data. Buckitrgham:Open University press. Horn, J.L. (1965).A rationaleand test for the number of factorsin factor analysis. syc <tmett'i 3 0, 17c)-B . P h ka, S

Hosmer, D.\7. & Lemeshow,S. (2000). Applied logistic regression.New York:'Wiley. Hubbard, R. & Allen, S.J.(1987).An empiricalcomparisonof alternative methodsfor principal componentextraction.Journal of Bttsiness Researcb.15.173-90. generartion H. Little Jiffy. Psycbometrika, 5, 401Kaiser, (1970).A second 3 15. (1974).An index of factoritrl simplicity. Psychometrika,39,31-6. . Keppel,G. & Zedeck,S. (1989) Data analysis research designs: Analysis for of uarianceand multiple regressiort/correlatkm approacbes.New York: Freeman. (2004).Designand analysis: researcber's a handbook \4th edn).New York: Prentice Hall. Kline, P. (1986).A handbookof testconstruction New York: Methuen. Klirre, T.J.B. (2005). Psychologicaltesting: A practical al)proach to design and eualuatioz. ThousandOaks: Sage. (1995).Manual for the Deltression Lovibond, S.H. E Lovibond,P.F. Anxie(2nd edn).Sydney: ty Stress Psychology Foundationof Australia. Scales Norman, G.R. & Streiner,D.L. (2000). Biostatistics: Tbe bare essentials (2nd edn).Hamilton: B.C. DeckerInc. tbeory.New York: McGraw-Hill. Nunnally,J.O. (1978).Psychometric Pagano, R.R. (1998). Understandingstatistics in tbe behauioral sciences (5th edn).PacificGrove,CA: Brooks/Cole. perceiPallant, (2000).Development and validationof a scaleto measure J. Assessment,75,2, ved control of internal states. of Personality Journal 308-37. Pavot,'W., Diener,8., Colvin, C.R. & Sandvik,E. (199I). Furthervalidationof with Life scale: Evidence the crossmethodconvergence for the Satisfaction Assessment, 57,149-61'. of wellbeingmeasures. Journal of Personality L. of Pearlin, EcSchooler, (1978).The structure coping. C. !owrnal of Health and SocialBehauior,19,2-21. Peat,J. (2001). Healtb science research: handbook of quantitatiuemeA thods.Sydney: Allen 6c Unwin. Pett, M.A., Lackey,N.R. & Sullivan,J.J. (2003). Making senseof factor analysis:the use of factor analysisfor instrument deuelopmentin health ThousandOaks: Sage. careresearcl2. BoRaymondo, J.C. (1999). Statisticalanalysisin the behauioralsciences. ston: McGraw-Hill College. of L.S.(eds). Measures ltersonaP.R.6a Wrightsman, Robinson, Shaver, J.P., attitudes.Hillsdale,NJ: AcademicPress. lity and socialpsychological self-image. Princeton'NJ: and the adolescent Rosenberg, (1965). Sctciety M. Princeton UniversityPress.

Bibliografija

of D.J. (2000).Fundamentals BeRunyon,R.P.,Coleman,K.A. & Pittenger, (9th edn).Boston:McGraw-Hill. hauioralStatistics M.F. 8a Carver,C.S. (1985). Optimism, coping and health:An asScheier, Health outcomeexpectancies. and implicationsof generalized sessment 4, . Psychology, 21.9-47 M.F., Carver,C.S. 6c Bridges,M.W. (1994). DistinguishingoptiScheier, and mism from neuroticism(and trait anxiety,self-mastery, self-esteem): A re-evaluationof the Life Orientation Test.lournal of Personalityand SocialPsychology,57, 6, 1.063-78. Siegel, & Castellan,N. (1988). Nonparametricstatistics S. for tbe beha(2nd edn).New York: McGraw-Hill. uioral sciences Sage. with confidence.London: M. Smithson, (2000).Statistics (3rd ed). sciences methodsfor the behauioral C. Stangor, (2006). Research Boston:Houghton Mifflin. (3rd Stevens, 0,996). Applied mubiuariate statisticsfor the social sciences J. edn).Mahwah, NJ: LawrenceErlbaum. perfectionism scalerevisited: Stober, (1998).The Frost multidimensional J. more perfect with four (insteadof six) dimensions.Personalityand Indi24, 481.-9 1.. uidual D ifferences, versionof the MarShort,homogeneous R. Stralran, & Gerbasi,K. (1.972). of Clinical Psychology, lowe-Crowne Social Desirability Scale. lournal 28,191-3. A scales: prac. D.L. & Norman, G.R. (2003) Heahb measurement Streiner, and use (3rd edn). Oxford: Oxford Uniguide to their deuelopment tical versityPress. Tabachnick,B.G. & Fidell, L.S. (2007). tJsingmubiuariatestatistics(5th Education. edn).Boston:Pearson Thurstone,L.L. (1947). Mwltiple factor analysis.Chicago: University of ChicagoPress. Watkins, M.\f. (2000). Monte Carlo PCA for parallel analysis [computer PA: Ed 6c PsychAssociates. softwarel.StateCollege, 'Watson, and validation A. D., Clark, L.A. & Tellegen, (1988).Development positive and negativeaffect: the PANAS scales. of of brief measures lour54,1.063-70. and SocialPsychology, nal of Personality 'Wright, In R.E. (1995) Logistic regression. L.G. Grimm & P. R. Yarnold (eds). Reading and wnderstandingmwltiuariate statistics.'Washington, Association. Chapter7. DC: AmericanPsychological \7.F. (1986). Comparisonof five rulesfor determiZwick, !7.R. & Velicer, Bulletin, 99, ning the number of componentsto retain. Psychological 432-42.

SpisakterminakoriScenih kniizi u
oznaka tipa ANOVA repeated file extension datoteke ponovljenih medsures posrepeno merenla stepwise ANOYA pravougaoni skewness box plot asimetriia dijagram,kutijasti dijagram, grafikon grapb, chart, plc.tt dijagram dijagram rasturania scatterPlot pilot poZeljan socially desirable probni druitveno promenljiva uariable response odgovor proradunskatabela spreadsheet two-way dvofaktorska ANOVA remetiladka confounding analizavariianse promenljiva uariable faktorska teZina factor loading recoding redifrovanje grafikon, dijagram graph, chart, plot je case sludaj izdvajan faktora factor extraction mecln pxuot srednjavrednost izveden jednofaktorska mean inter-item srednjavrednost one-way ANOVA korelacijeizmedu correlation analiza varijanse stavki eigenualue karakteristidna standard standardno vrednost deuiation odstupanje, mixed betweenkombinovana -within subjects standardna analiza varijanse devijacija ANOYA degree of stepenslobode kutijasti dijagram, box plot pravougaoni freedom, df stubidasti dijagram bar graPh dijagram codebook Sifarnik squdre root kvadratni koren indeDendentt-test nezavisnih line grapb linijski dijagram -samplest-test uzoraka multiuariate multivarijaciona bar graPh trakasti dijagram analysis of analiza varijanse total score uariance, ukupan rezultat MANOVA matched Pairs upareni subjekti post-hctctest naknadni test interactioneffect uticajinterakcije outlier netipiina taika effect size velidina uticaja specificity odredenost zapisniika datoteka iournal sensitiuity osetljivost sum of squares zbir kvadrata

Indeks

Napomena: imena SPPS procedura i okvira za dijalog ispisanasu podebliano 't naltztt glavnih komponenara (PCA), 181-183 analiza kovarijanse, 107, 11,7,29 5-316 analiz.avarijanse dvofaktorska razliditih grupa,'107, 261-268 jednofaktorska ponovljenih merenja. 254-259 jednofakrorskarazliiitih grupa, | 1-5, 246-254 kombinovana (ponovljenihmerenja razliiitih grupa), I07, tI6, 271.-279 multivarijaciona, 1.07,117, 28 1.-29 4 pretpostavke, 205-207 ANCOVA. Videti analiza kovarijanse ANOVA. Videti analita varijrnse asimetrijaraspoclelc, 50 5[], Bartletov test sferidnostl,183, 187, 19| beta (standardizovani regresioni) koeficijenti, 161-162, 164 bibliografija, 339-342 binarna logistic:ka regresija,169-1 80 Boksov test jednakostimatnca kovarijanse,273, 277, 288,29'l Bonferonijevoprilagodenje,208, 231,
)\A )R) )q')

iiSienje podataka, 45-.52 Data Editor, prozor, 18 Data Reduction, 187 datoteke s podacima koriSiene u primerima, 317-335 modifikovanje, 36 otvaranje, 16 pravljenje,2742 snimanie, 6 1 definisanjepromenljivih, 3 1-35 delimiina korelacija, 704, L1,4,l2I, 129, 146-148 delimiini eta kvadrar. Videti velittna uticaia dliagrami,6T-82 prevoia,792 rasturanja, 74-77 sredniih vrednosti,250 DirectOblimin, 185, 188 diskriminacionaanaliza, 105 diskriminacionavalidnost, 7 dorada diiagrama, 79-80 dorada podataka, 83-96 duia opisna inrena pronrenljivih,33 dvofaktorska analiza varijanse, 706-107, 116,261-269 eta kvudrat. Videri veliiirra uricaja Excel datoteke, konverzija u format SPSS-a, 36-39 exp(B) kolidnici verovatnode prediktora, 173,178-179 experim3ED.sav, 8, 327-328 31 Explore, 60-62

Chart Editor,prozor,20,79-80 C-lassi fication,tabela,| 77 Compare Mcans,226,236, 240,247, 252 Compute, 87-89 Factor, 187 Correlare, 133,146 ( l o x & S n c l R S q u a r ep s c u d o p o k r z r r c l j fakror l {
v c l r i r n cr r r a k v e d r a t ) , 1 7 7

i z d v a j a n j e1 8 3 - j U 4 ,

346

lndeks

Indeks
koeficijentdetcrminacije,1 3.5-l 36 koeficijentikontrasra tj. porcdcniagrupa' 252-254 Koenov pokazatelj d, 209, 238 kolidr-rikverovatnoie, 17 8-1.79 Kolmogorov-Smirnov,test za verifikaciju hipotcza,62 ncpararnetarskih 6, kombinovana analizavariianse,107, 1,1 271-279 konvcrgentnavalidnost, 7 1 korclacija, 04, 113-114, 122-127, NagelkerkeR Square(pseudopokazatelj _ vrednosti r na kvadrat), I 77 r.raknadni (post-hoc)tesrovi, i06, 208-209, 23.t, 233, 246_257, 267 . n c d o s t a i u i p o d a c i ,5 9 , 8 7 , 1 2 6 - 1 2 7 , I 3 4 , i

347

rktorska analiza potvrdna, 181 L81-202 istraZivaika. 10-5,121, i, koeficiicnt,220-221 8-10 ormat odgov<lra, r r c q u c n c i e s ,6 , 5 6 , 9 1 4 :ridmanov test,23 1-233 .-lcneralLincar Model , L04, 252-25 5 ' 3 2 6 3 , 2 73 , 2 8 9 , . 1 0 3 , 1 0 - 5 ,1 0 qreika I v rsre' 207-208, 24 5, 281-282, 293 ;reika II vrste, 207-208 Help,mcni, 21,23-24 hi-kvadrat tcst kvalitcta podudaranja, 215-217 1 lri-kvadrattcst nczavisnosti, 12, 217-221 52,68-69 tristograrn, homogenostmatrlca jansc,28-3,288, varijanse-kovari

210-2r1

r29-r48
korclacioni koeficijcnti izmedu grupa promenllivih, 137-139 dve grupe, 1-i9-140 porederrja korigovana ki>relacijastavke i ukupnog rezultata,100 korigovano R kvadrat, 161 k o s a r o t a c i j a ,1 8 5 kovarijati, 288, 29 6-298 Kramerov pokazateliV, 221 kriterijum diiagrama prevoia, 184 Kronbahov koeficijent alfa, 6, 97-l0l Kruskal-Volisov test, 229-231 l:rmbda. Videti Y tlksov lambda l-evencovtest, 206, 237-238, 249, 26 5-266, 277, 29 1-292, 307, 31.4 lincarna korelacija, 129 linearnost,126, 130, 1 52, I59. 187, 283, 286,298,300-30r linijski di;agrami. 7 1-7 4 logistiika rcgrcsija, 1,21-122, 169-1 80 1.59-l 60, Mahalanobisovaudaljer.rost, 284-286 rnaksimalnirezultati, 48 Man-Vitrrijev U test, 224-226 M A N O V A . V r d c r im u l t i v e r i i e c i o n a analiz:rvarijansc 5 medijana, 7-58 minimalni rezultati, 4tl r.noi testa, 4, 207-201), 29 5, 298 modifikovanje datotcke s podacima,-36 Moklijcv test sferiinosti, 257, 277 multikolincarnost i singularnost,1-51, 1.58-1 9, 1.70, 72, 283, 288,297 1 5 Multiplc Comparisons,tabeh rczultata, 249-250,267 107, multivarijacionaanaliza varij:rnse, 1'17,281-294 rnultivariiacionanormalnost, 284

nepararnetarskestatistidke tehnike, g9, 't 71,_112,213_234 rreprekidne promenljive,57, lO9 netipidnetaike, 4.5,S -J, 62, 79, 123, 132, 7sz, 1 s9_160, 170. 187, 284, 286 nezavisna promenljiva, 109 nezavisniuzorci, t-fest,235-239 nezavrsnost opservacija,125, 205-206 Normal Q-Q, dijagram normalne verovatnoce, 52 normalna raspodela,62, 89, 206 obrtanje negativnoformulisanih stavki, 85_86 ogranidenopseg rezultata,12.3 okviri za drjalog, 22-23 Omnibus Tests of Model Coefficients, zbirni pokazateljikvaliteta koeficijenata mod,ela,776 one-way ANOVA, 247,252 opcije SPSS-a, 28-31 opisni statistiiki pokazatelji, 49, S5-66 ortogonalna rotacija, l8-i osetliivosri odredenosr,172, ,t77,223 otvaraniepostojeie datoteke s podacima, 76-17 otvorena pitanja, 8-9,'l 3-I4 paralelna analiz,a,184, 192-193 parametarske tehnike, 891,1, 1-112, 1

pravougaoni dijagrami, 77-7 9 prerneitaniepostojeiih pronrcnljivih, 37 priprema upitnika, 7-10 projektovanjestudije, 3-10 pronalaZenjegreiaka u datoreci s podacima, 49-51 R kvadrat, 161-162, 166-167 Recode, 85, 94-9-5 r e n r e r i h i k ep r o r n e n l j i v e5 , 1 4 5 , Repeared Measures,27.) rezidua_li (odstupanja,greike), 152,

159_l5r

29',|
283, 2U8 homogcnostregresije, homogenostrcgresionihnagiba, 298,

303-304
homogenost varijansc,126, I29, I52, 159, 206,249,266,277,297 Hosmer-Lemeshow,pokazateli kvaliteta podudaranja, 176-177 imena promenljivih 12-13, 32, 38 ispravljanje greSaka datotecis podacima, u 49-51 izbor odgiovarajuiihmernih skala, -5-7 izbor prikladnih statistiikih tehnika,

saiet prikaz sludajeva, 51 SelectCases,41-42 skupovi, 42 sleep3EI).saq 18-3 19, 332-334 3 sninranjedatoteke s podacima, 16 snimanjerezultata, 18-19 Sort Cases, 40 sortiraniedatoteke s podacima,40 spajanjedatoteka, 39-40 Spirmanova korelacija ranga, 125, 129,
r J.)

103-1 20 izborpromenljiv 22-23 th,


izmena SPSS-ovihopciia, 28-29 izraiunavanjeukupnih rezultata,84-88 jednofaktorskir lizir varijanse,106, 1 15, ana 245-260 Kajzer-Mcjer-Olkinovpokazatelj a d e k v a t n o s tu z o r k a , 1 8 3 , 1 8 7 , 1 9 1 i Kajzerov kriterijurn, 184, I92 k n n o n s k ak o r c l a c i l a ,1 0 5 kapa, mera slaganja,221-223 karakteristic=ne vredn<>sti.84, 188, 1 192-194 kategorijskepromcnljive, I 09 123-124 karuzalnost, KMO. Vi deti Kaizer-Mejer-Olkinov pokazateljadekvatnostiuzorka

203_206,2t3

Pirsonov koeficijent linearne korclacije, _1 1.0 1.21,- 129 44 4, 127, PivotThbleEditor,20 planirana poredenja, 208-209, 5, 24 25I_2.t4 podela datoteke podacima grupc,41 s na podela ncprekidne promenljive grupe, u 92-93 pokretanje SPSS-a, 1-5 poludelinriini koeficijenti korelacije, 162 poredcnje korelacionih koeficijenata dve grupe, 39-140 1 pouzclancrst, 97-101 6-7,
pravljenjedatoteke s poclacima,t/-{? pravljenjenove (praznc)datoteke za podatkc, lT

Split File, 41 spljoitenost raspodele, 58 SPSS-oviprozori, lT sredny'a vrednost, 57-58 srednja vrednosr izratunata bez gornjih i donjih .5% sluiajeva (Trimmed Meanl,61-62 Staffsurvey3ED.sav,3 19, 329-331 standardizovani koeficijenti regresiie, 161 standardno odsrupanje, .1.5-58 strukturno modelovanje,10.5 stu biiasri dijagr ami, 69-7 I survey3ED.sa 3 17-3 1. 320-326 v, 8, Syntax Editor,20-21 Sefeovtest, 209 Sifarnik, 11-74, 322-323, 332-3 34 Sifrovanje odgovora, 13 itampanje rezultata, l9-20 t-te:^tovi, 106, 23 5-244 nezavisnihuzoraka, 235-239 pretpostavke, 205-207 uparenih uz.oraka.239-243 Tolerance,pokazatelj,158, 170 Transform, 8-t, 87-89, 92 transformacijapodataka, gg_91 rranstornracqa promcnljivih, g3_9.5

348

lndeks

traZenjcgreiaka u datotcci s podacima, 4649 Tukejev test zaista znaiaine razliiitosti (HSD),209,247 uklanjanjc jednog sluiaja, 36 uklanjanjepromenliive, 37 umetanjepromenliivc, 37 umetanjesluiaja, 37 unoienje podataka, 35 podataka u Excclu' 36-39 uno5enje 6-7, 97, 101 unutralnja sagiasnost, upareni uzorci, t-test, 1 15, 239-243 uticaji interak clic, 261', 266 uvoz dijagrama u Wordove dokumente, 80-8 1 validnost, 5, 7 validnost konstrukta, 7 validnost kriterijuma, 7 validnost sadrLaja,T Variable Vieq 31-32 Varimax rotacija, 185, 198-199 velidina uticaia dvofaktorska analiza v arlianse,267 jednofaktorsk analizavarijansc a razliiitih grupa, 250

jcdnofaktorsk a analiza vari janse ponovljenih merenia,2.59 multivarijacionaanalizavarijanse,293 statistiikctehnike,220, neparametarske t-test nezavisnih uzoraka, 238-239 t-test uparenih uzoraka, 242 uvod,209-2'1.0 Vicwer, prozor, 1,7-18 Vilkoksonov test ranga, 227-228 Vilksov lambda, 258, 277 opcija, podela neprekidne Visual Bir.rning, promenljive na gr:upe,92-93 regresija,104, 11'4,1'2'l', viSestruka

226 228,231.295 , ,

r49-\68 1' 5 hijerarhijska,0,'l'63-1'67


p o s t e p e n a1 5 0 - 1 5 1 , 63 standardna,150, 1-54-1 vremenska stabilnost (pouzdanost) skale, 6 vrste promenljivih (atribut Typel, 32 Web lokacija, ix z a s e b n u t i c a i i ,1 0 7 , 2 6 1 , 2 6 6 , 2 7 3 , 2 7 8 , i 31.4-31.5 23 zatvaranjeSPSS-a, praktiina u odnosu na znadajnost, statistiiku, 124

You might also like