SPSS za psihologe i pedagoge

1

SPSS za psihologe i pedagoge

Predgovor Ovaj tekst koji je pred Vama, pokušaće da Vas uvede u osnovne primjene statističkih procedura u okviru statističkog programa SPSS. Danas se svi statistički poslovi obavljaju primjenom više ili manje složenih kompjuterskih programa, te smo mi pokušali da uvedemo čitaoca u svijet kvantitativne analize podataka u praksi, kroz jednostavan “ korak-po-korak” pristup korištenja statističkih analiza i programa SPSS. Svako poglavlje smo pokušali da ilustrujemo praktičnim primjerom, tako da je čitaocima lakše da savladaju logiku metodologije i statistike u konkretnom slučaju. Svako poglavlje koje se bavi određenom statističkom operacijom koncipirano je tako da prvo pruži uvid, u najkraćim crtama, u matematičku pozadinu operacije, a nakon toga i u primjenu operacije kroz primjer u SPSS-u. Knjiga je zasnovana je kako na višegodišnjim iskustvima autora u radu sa praktičnim statističkim problemima, tako i sa uvidom u edukativne potrebe studenata društvenih nauka. Namijenjena je prvenstveno studentima socijalnih nauka, kao štu su psihologija, sociologija, pedagogija i socijalni rad, ali mogu je koristiti i profesionalci koji nemaju iskustva u radu sa statističkim programima. Iako postoji i drugi programi za statističke analize, mi smo se odlučili za SPSS iz prostog razloga jer je najrasprostranjeniji i najdostupniji paket ne samo kod nas – već i u svijetu, ali logika rada je toliko slična u većini programa, da su znanja potpuno prenosiva. Treba napomenuti da knjiga ne pretenduje da bude udžbenik iz statistike, već da posluži kao vodič za primijenjenu statistiku. Za detaljniji uvid u statistiku kao nauku (bar onaj dio koji je obuhvaćen ovim priručnikom), preporučujemo Vam da obratite pažnju na osnovne udžbenike kao što su “Statistika za psihologe” Čedomira Dragičevića i “Osnovne statističke metode za nematematičare” Borisa Petza. Što se tiče daljeg usavršavanja u baratanju statističkim programom SPSS preporučujemo udžbenik “Statistika u psihologiji - priručnik” Lazara Tenjovića.

UVOD
1

SPSS za psihologe i pedagoge

2

O psihološkim istraživanjima U istraživanjima u psihologiji, kao i u ostalim društvenim naukama, se nastoji operisati sa što je moguće više objektivnih i mjerljivih činjenica. Takvo nastojanje, koje se ostvaruje kroz primjenu i pridržavanje metodoloških standarda u istraživanjima, omogućava razvoj nauke na empirijski dobijenim, provjerljivim, podacima. Iz toga proizlazi da psihologija kroz metodološki korektna istraživanja ostvaruje dvostruku korist. Kao prvo, mogućnost stalnog razvoja i kumulacije psiholoških saznanja baziranih na empirijskim podacima i argumentima koje oni pružaju. I kao drugo, mogućnost primjene sofisticiranih statističkih metoda u razmatranju velikog broja fenomena i njihovih međusobnih odnosa. Stoga je potpuno jasno zašto se insistira na poštivanju metodoloških načela u psihološkim istraživanjima. Kroz svakodnevni život ljudi se susreću sa brojnim psihološkim pojavama. Opažaju ih, interpretiraju i o njima donose zaključke i sudove. Takva saznanja se nazivaju zdravorazumskim. Iako ponekad interesantna, obuhvatna ili prihvatljiva, zdravorazumska znanja su mnogo češće površna i diskutabilna. Kako nisu naučno zasnovana, njihova glavna karakteristika ostaje nepouzdanost. Naučna znanja, sa druge strane, bazirana su na korektnim empirijskim istraživanjima. Takva saznanja imaju daleko veću naučnu težinu i značaj u rasvjetljavanju fenomena kojima se psihologija bavi. Stoga je bitno poznavati aspekte istraživanja koji ih čine naučnim. Todorović (1995) kao osnovne karakteristike naučnih istraživanja navodi: 1) sistematičnost – ova kakakteristika se odnosi na prijeku potrebu da istraživanje bude sistematski osmišljeno, pripremljeno, sprovedeno i obrađeno. Drugim riječima, neophodno je da potpuno precizno bude određen predmet ispitivanja, uslovi i način ispitivanja, uzorak ispitanika i način obrade dobijenih podataka. 2) objektivnost – svako istraživanje započinje sa određenom pretpostavkom istraživača. Pri njenoj provjeri neophodno je potpuno objektivno razmatranje činjenica. To znači da ni u kom slučaju nije dozvoljen razvoj takve istraživačke strategije koja će omogućiti rezultate koje sam istraživač zbog nečeg favorizuje. 3) kumulativnost – ogromna većina istraživanja u psihologiji danas je bazirana na postojećim saznanjima (vrlo su rijetka područja koja su u istraživačkom smislu tabula rasa). Iz toga slijedi da je istraživačima omogućeno da na osnovu radova pređašnjih autora i rezultata koji su iz njih proizašli, obuhvatnije i preciznije ispita određenu pojavu. Istovremeno se time nameće i zahtjev da se istraživač podrobno uputi u postojeća saznanja o onome što istražuje. 4) temeljnost - zaključci doneseni na osnovu malog broja slučajeva se ne mogu pohvaliti svojom pouzdanosti. Naučna saznanja zato počivaju na većem broju slučajeva (npr, većem broju osoba, više ponavljanja istraživanja,...). 5) kontrolisanost – Sa obzirom na to da na svaku pojavu djeluje veliki broj faktora, neophodno je poznavanje tih faktora i odnosa kojkoje oni ostvaruju (kako sa mjerenom pojavom, tako i međusobnog). Veći stepen kontrole nad uslovima u kojima se istraživanje sprovodi, jasno omogućava i veći stepen preciznosti dobijenih podataka i povjerenja u njim.

2

SPSS za psihologe i pedagoge 6)

3

7) 8) 9)

preciznost – nezaobilazna stavka ukoliko istraživač želi da njegovo istraživanje bude naučno. Da bi se izbjegli nerazumijevanje, neprovjerljivost istraživanja i nerječitost rezultata nužno je da pojmovi sa kojima se barata, uslovi u kojima se istraživanje sprovodi, hipoteze koje se razmatraju i rezultati koji proizlaze iz istraživanja budu što preciznije izrečeni. logičnost – kao osobina istraživanja odnosi se na zahtjev da se prate logička i pravila naučnog istraživanja. kritičnost – sva istraživanja i sistemi znanja koji na njima počivaju podliježu kritičkom razmatranju. Ukoliko prođu sistematske kritike i opstanu mogu se uzeti kao prihvatljiva. obrađenost – U razmatranju podataka dobijenih istraživanjem primjenjuju se različiti postupci. Ova osobina naučnih istraživanja se odnosi na upućenost istraživača u matematičke i statističke metode obrade podataka i primjenu onih koji odgovaraju datom istraživanju.

Klasifikacije naučnih istraživanja počivaju na karakteristikama samih istraživanja prema kojima se ona međusobom razlikuju. Izraženost ili stepen prisustva različitih osobina istraživanja predstavlja osnovu na kojoj ih autori razlikovuju i klasifikuju. Odmah treba istaći da ne postoji opšta saglasnost kada se radi o klasifikaciji istraživanja. Insistiranje na pojedinim kriterijima ili broj kriterijuma na osnovu kojih je moguće izvršiti klasifikaciju naučnih istraživanja se značajno razlikuju među različitim autorima (Todorović 1995, Halmi, 1999, Baker 1994,). Zato je neophodno prije upuštanja u svrstavanje istraživanja u neku od mogućih klasa navesti na osnovu čega (koje karakteristike istraživanja) je svrstavanje bazirano. Neki od kriterija prema kojima se istraživanja klasifikuju su: a) Prema uslovima u kojima se sprovode istraživanja se mogu podijeliti na terenska (prirodna) i laboratorijska. Terenska istraživanja se sprovode u prirodnim uslovima, gdje istraživač najčešće nema nikakvu kontrolu nad uslovima u kojima se istraživanje odvija. Laboratorijska se, pak, odlikuju visokim stepenom kontrole nad uslovima istraživanja. Vrše se u opremljenim laboratorijama što pruža mogućnost razmatranja i manipulacije velikim brojem faktora bitnih za istraživanje. b) Prema stepenu kontrole mogu biti eksperimentalna i neeksperimentalna (deskriptivna). Eksperimentalna istraživanja imaju veći stepen kontrole, što proizlazi iz mogućnosti manipulacije varijablama i uslovima istraživanja. Neeksperimentalna istraživanja karakteriše znatno manji stepen kontrole i minimalna ili čak gotovo nikakva kontrola nad varijablama i uslovima istraživanja. Sljedstveno tome, istraživanja eksperimentalnog tipa su preciznija i omogućavaju pouzdanije zaključke. c) Ako je namjena istraživanja ono čime se rukovodimo pri klasifikaciji tada razlikujemo: bazična (temeljna, fundamentalna) istraživanja, aplikativna (primijenjena, akciona) i evaluativna (procjenjivačka) istraživanja. Namjena bazičnih istraživanja je unapređenje i razvoj naučnih saznanja, pri čemu je pragmatički aspekt istraživanja potpuno nebitan. Sa druge strane aplikativna istraživanja su orjentisana otkrivanju mogućnosti da se riješe neki praktični

3

jedna od mogućnosti izražavanja intenziteta zemljotresa je preko Merkalijeve skale. Iz takve činjenice. Imajući u vidu definiciju mjerenja koju je dao (Campbell. Tu se zaključivanje o nečijim intelektualnim sposobnostima zasniva na uspješnosti u rješavanju problema i snalaženju u datim situacijama. a to je indirektnost mjerenja. proizlazi osnovna karakteristika mjerenja u psihologiji. replikativna su ponavljanje ranije izvedenih istraživanja dok su parametarska istraživanja usmjerena na pojave koje su u određenoj mjeri istražene uz nastojanje da se pojedini aspekti date pojave detaljnije ispitaju. ne dešava se da su mjerna jedinica i predmet mjerenja isto svojstvo određenih vrijednosti (predmet mjerenja sa varijabilnom vrijednosti svojstva i mjerna jedinica kao precizno definisana vrijednost datog svojstva). O nivoima mjerenja (tipovima podataka) Podatke koji se u istraživanjima razmatraju mogu se skupiti putem posmatranja. I konačno evaluativna istraživanja bave se procjenom najrazličitijih efekata neke pojave. slijedi da je za mjerenje u psihologiji potrebno utvrditi pravilan i postojan odnos vrijednosti različitih svojstava. Budući da se ova knjiga prvenstveno bavi analizama podataka. U okviru kvantitativnih istraživanja se primijenjuju matematički i statistički principi mjerenja i modeli koji se koriste u prirodnim naukama. N. (Emanuel J Mason & William J. Indirektni tip mjerenja se u psihološkoj praksi svakodnevno susreće pri mjerenju inteligencije. U kvalitativnim istraživanjima se susrećemo sa opažanjima. 1997). nema mjesta mišljenju da korektna mjerenja i valjana istraživanja nije moguće sprovesti u psihologiji.. saglasno sa metodološkim načelima i samim tim primjenjivo u istraživanjima. Temperatura vazduha se izražava prema broju Celzijusevih stepeni koji je rezultat skupljanja ili širenja žive. utiscima i interpretacijama koji su znatno teži za objektivno analiziranje i mjerenje. mjerenje predstavlja pridruživanje brojeva pojavama ili svojstvima prema precizno određenim pravilima. Da bi psihološka istraživanja mogla obezbijediti kvantitativne podatke nužno je da za pojave koje su predmet interesovanja postoji mjerni instrument za koji je istraživač siguran da mjeri ono čemu je namijenjen. upitnika. Takvo će mjerenje biti korektno. Npr. d) Sa obzirom na cilj istraživanja mogu se razlikovati eksplorativna. U okviru kvantitativnog istraživanje prikupljenim 4 .1953). Iako se iz navedenog može zaključiti suprotno. Ovo je vrlo bitno zbog same činjenice da u psihologiji ne postoji mjerni instrument čija je mjerna jedinica precizno definisana vrijednost svojstva koje se mjeri. e) Klasifikacija prema vrsti podataka sa kojima u istraživanju operišemo. Eksplorativna se istraživanja odnose na prva ispitivanja nekog fenomena. Drugim riječima. Ovakav tip mjerenja je vrlo čest (razlog je u nevelikom broju svojstava koja se neposredno mogu svesti na mjerila koja posjeduju mjereno svojstvo). Bramble. da zaključivanje o vrijednosti jednog donosimo preko vrijednosti drugog svojstva. replikativna i parametarska istraživanja. intervjua ili eksperimenta. našu pažnju ćemo usmjeriti na kvantitativna istraživanja i podatke koje dobijamo iz njih. To je podjela istraživanja na kvantitativna i kvalitativna. je za ovu knjigu najzgodnija. koja u stvari pokazuje stepen promjene zemljišta i oštećenja objekata u području epicentra.SPSS za psihologe i pedagoge 4 problemi.

Najviši učenik će biti na početku reda a dalje sve niži do posljednjeg u nizu. da je razmak između 17 i 18 jednak onome između 108 i 109). što je opet neodvojivo vezano za vrstu skale sa koje podaci potiču. recimo. Intervalni nivo Podaci sa intervalnih skala nam govore nešto o veličini svojstva koje je predmet mjerenja (npr. Tako označavanje neke vrijednosti sa 0 ne znači odsustvo mjerenog svojstva. 5 . a time neposredno određuje i statističke metode i postupke koje možemo koristiti. ali manje od 5). To daje mogućnost rangovanja dobijenih vrijednosti po nekom kriterijumu. možemo izvršti sljedeće pridruživanje: numeričku vrijednost 1 pridružiti muškom polu. već njenu vrijednost na kojoj voda prelazi u led. Operacija primjenjiva na ovom nivou mjerenja je rangovanje (odreživanje redosljeda na osnovu poreženja slučajeva prema vrijednosti svojstva). Stoga ćemo ukratko predstaviti postojeće nivoe mjerenja. Npr. odnosno. Recimo da nastavnik na času fizičkog reda učenike po visini. Nula je na ovim skalama arbitrarna. Znači u radu sa podacima dobijenim sa ordinalne skale ne raspolažemo je informacija o količini mjerenog svojstva u pojedinačnim slučajevima. kao ni vrijednosti razlike između pojedinačnih mjera. uslovljava karakteristike numeričkih podataka koje dobijamo. a od statističkih postupaka se koriste percentili. Stoga je za u okviru statističkog razmatranja vrlo bitno da znamo sa koje skale potiču podaci. Tako recimo golman ima na leđima broj jedan a centarfor (najčešće) broj devet. Npr. To nikako ne označava da je centarfor za osam jedinica ili devet puta bolji igrač od golmana. da je 4 veće od 3.SPSS za psihologe i pedagoge 5 podacima se prema određenim pravilima pridružuju odgovarajući brojevi. Ordinalni nivo Ordinalne skale omogućavaju međusobna poređenje pojedinačnih vrijednosti svojstva koje je predmet mjerenja. tip skale koja je primjenjena. temperatura od 0 Celzijusovih stepeni ne znači nepostojanje temperature. a statistički postupci koji se mogu primijeniti na podatke sa nominalne skale su: prebrojavanje. Značenje tih brojeva zavisi od karakteristika samih podataka. Međutim ono što ne može znati je stvarna visina bilo kog od učenika i kolika je razlika u visini između pojedinih učenika. Nominalni nivo Brojčane vrijednosti sa ove skale nisu ništa drugo do zamjena za neki naziv. utvrđivanje koeficijenta kontigencije i Φ koeficijenta (kao koeficijenata korelacije) i utvrditi koeficijent razdiobe. potpuno je svejedno). Ukoliko pogledamo igrače nekog fudbalskog tima primijetićemo da se oni međusobno razlikuju prema brojevima na svojim dresovima. rang-korelacija i kao mjera centralne tendencije medijana. Osnovna operacija koja se primijenjuje na podatke je klasifikacija. Znači. već samo pokazuje pozicije ovih igrača u timu. a vrijednost 2 ženskom (može i obrnuto. U ovom slučaju nastavnik će bez problema moći da uporedi koji je učenik viši od drugog (ili drugih). (Radi potpunijeg prikazivanja karakteristika pojedinih skala u prilozima se nalaze i karakteristike brojeva koje je pri razvijanju definicije mjerenja naveo Campbell (1953). To znači da skale ovog nivoa mjerenja imaju tačno definisanu mjernu jedinicu na osnovu koje je moguće precizno utvrđivanje razlika između pojedinih mjera (izraženo preko broja mjernih jedinica). Takođe nam govore o tome da je razlika izmedju brojčanih vrijednosti jednaka (npr. Ono što je osnovni nedostatak intervalnih skala je nedostatak prirodne (apsolutne nule). nivo mjerenja. pol ispitanika. kada određujemo vrijednosti za. odnosno dogovorom određena.

gdje nula kao broj označava nepostojanje svojstva koje je predmet mjerenja itd. Primjer ovog nivo mjerenja potrošnja goriva izražena u broju litara po pređenim kilometrima. Unapređenje u odnosu na skale intervalnog nivoa se ogleda u mogućnosti da se odnos dvije mjere može izraziti količnikom (prema tome je skala razmjere i dobila ime). Za razliku od prethodnog nivoa mjerenja ovdje je postoji mogućnosti pridruživanja nulte tačke.) navode ova četiri nivoa mjerenja. Bukvić. Mason at al. 1999. Levin & Fox.SPSS za psihologe i pedagoge 6 Najpoznati primjer primjene intervalnih skala u psihologiji imamo pri mjerenje koeficijenta inteligencije. 1994. broj studenata II godine psihologije koji su dali uslov u junu. Baker. izuzimajući nultu tačku.. Na osnovu primjera se može zaključiti da se ovakvim mjerenjem dobijaju određene vrijednosti atributa koje su različite od nule. masa. Takav nivo mjerenja imamo kod pitanja “koliko dugo radite” ili “koliko imate prijatelja”. Neki osnovni pojmovi istraživanja u psihologiji Varijabla 6 . uz dodatak realne nule. Međutim pored njih postoje i drugi nivoi mjerenja. Primjeri mjerenja na ovom nivou su: broj zapamćenih besmislenih slogova. Obično su to podaci kojima se opisuju fizičke pojave: vrijeme. Aditivni nivo Pridruživanje brojeva osobinama koje su predmet mjerenja se na aditivnom nivou mjerenja ostvaruje tako da svojstva brojeva odražavaju istovrsna svojstva atributa. a to je jedan prebrojani element. 1986. Osnovna karakteristika skala razmjere je ta da je mjerna jedinica precizno određena vrijednost svojstva koje se mjeri. Na ovom nivou mjerenja dozvojene su sve numeričke operacije peracije i odgovarajući statistici izuzimajući razmatranje odnosa proporcija vrijednosti mjera toga što one ne predstavljaju apsolutnu vrijednost samih mjera. Nivo razmjere (racio) Racio skala (skala realnih brojeva) ima sve osobine intervalne skale. 1997 Halmi.. prostorne dimenzije. Prednost u odnosu na nivo razmjereje u tome da skale ovog nivoa imaju prirodnu mjernu jedinicu. Apsolutni nivo Dodjeljivanje brojeva pojedinačnim slučajevima se vrše tako da svojstva brojeva odražavaju istovrsna svojstva atributa. Kao oznake za vrijednosti svojstava koja se mjere brojevi se na ovom nivou mjerenja upotrebljavaju u svom potpunom značenju. što uglavnom zadovoljava akademske potrebe studenata. 1997. To znači da pri razmatranju odnosa dvaju mjera koje potiču sa skale razmjere možemo reći koja je od mjera veća i za koliko jedinica. Svi statistički postupci su primjenjivi na ovom nivou mjerenja jer između korištenih brojeva i svojstava koje oni označavaju postoji potpuna saglasnost Mjerenja u psihologiji ne dostižu ovaj nivo. Tako Fajgelj (2003) pored navedenih kao nivoe mjerenja predstavlja: Log-intervalni nivo Mjerenje na ovom nivou se zasniva na dodjeljivanju brojeva objektima tako da se razlomci između vrijednosti svojstva odražavaju preko razlomaka brojeva.. Mnogi autori metodoloških i statističkih udžbenika i priručnika (Dragičević.

Precizne definicije. Metod sinonima – Kod primjene ovog metoda definisanja određen termin se tumači na osnovu ekvivalentnog izraza koji bi trebao biti najrazumljiviji datoj sredini. objašnjavamo na osnovu nečega za šta ne znamo da li stvarno njeno svojstvo. Pojavu objašnjava na osnovu provjerenih i dokazanih činjenica. Neke od metoda definisanja navodi Bukvić (1988): 1. 2003). Operacionalno definisanje – Najeksploatisaniji metod definisanja varijabli u empirijskoj psihologiji. kao i stepena njegovog prisustva. osobe. Sintetički metod – Definisanje svojstva prema ovom metodu obuhvata ukazivanje na permanentne i nužne odnose definisanog svojstva sa nekim grugim svojstvom. Nepridržavanjem pravila definisanja pojmova. provjera i mjerenja. davanjem novih imena odveć poznatom. vrste varijabli Indikator Indikator je znak u ispoljavanju varijable na osnovu čijeg prisustva. U tom smislu varijablu preciznije možemo definisati kao rezultat mjerenja nekog psihološkog svojstva na uzorku ispitanika – svojstvo objekta. Često se primjenjuje u psihologiji. stanja. Time ukazujemo da se radi o nečem nepotpunom i neprovjerenom što ne treba uzimati zdravo za gotovo. oblika i uslova ispoljavanja. Sam termin je preuzet iz statistike i puni naziv je slučajna varijabla. međutim ovaj termin se prije odnosi na određenu vrijednost bilo koje varijable. ali i neprovjerenih pretpostavki. dolazi do stvaranja konfuzije u nauci. 2. Sinonimi koji se koriste su pokazatelj i znak varijable. zaključujemo o postojanju određene varijable. Označavanjem neke pojave hipotetičkim konstruktom mi je. Prevelik broj pojmova se međusobno prepliće ili sukobljava. pojave. omogućavaju preglednost u polju naučnih saznanja. uz nemogućnost njihovih poređenja. Sam metod definisanja varijabli može da bude različit. Pod slučajnom varijablom se podrazumijeva pravilo ili funkcija koja svakom ishodu u uzorku pridružuje jednu vrijednost (Fajgelj. koje može uzeti ma koju vrijednost iz određenog skupa vrijednosti (Ristić. Pored ovog termina kao sininom se koristi termin promjenjiva. navodeći pri tome kako se one opažaju. Mjerenje jedne varijable pretpostavlja poznavanje karakteristika varijable. Operacionalnim definicaijama se upućuje na vidljive strane varijabli.SPSS za psihologe i pedagoge 7 U psihologiji varijablu često definišemo kao psihološko svojstvo koje je predmet mjerenja. izazivaju i mjere. 3. 4. Iz tog razloga u psihologiji je najzastupljenije operacionalno definisanje. procesa. nastanak i razvoj. koje preko vidljivih strana varijabli omogućava njihovo precizno određivanje. događaja i dr. Drugim riječima prije istraživanja nužno je precizno definisati varijable koje namjeravamo mjeriti. proizvoljnim davanjem naziva pojavama. Genetički metod – U ovom slučaju aspekti svojstva na koje se ukazuje su njeno porijeklo. bez obzira na primijenjenu metodu. On predstavlja nepotpun naučni pojam. Nerijetko se kao sinonim za varijablu se koristi i termin varijat. u stvari. vrste indikatora i njihove karakteristike 7 . Insistiranje na preciznom određenju pojmova dovelo je do uvođenja pojma hipotetički kinstrukt. 1983).

zakrivljenja itd. mi u stvari testiramo istraživačke hipoteze. Nivoi značajnosti pri statističkom zaključivanju i tipovi statističkih grešaka Svaki put kad radimo statističke testove. To su mjere poput frekvencija. da podaci budu normalno raspodijeljeni.01” (što znači da su vjerovatnoće da pogriješimo kad tvrdimo da postoje statističke značajnosti 5% ili 1%).05 i 0. i treba im dati prednost ukoliko nam podaci dozvoljavaju. Za vjerovatnoće manje od od ovih vrijednosti kažemo: “statistički značajno na nivou 0. pak. Parametrijski testovi se rade nad podacima koji zadovoljavaju sljedeće kriterijume: 1. ???????????????????vrste ajtema?????????????????????? razlike indikator . 2. da donosimo zaključke u vezi sa dobijenim podacima. da podaci budu sa intervalne ili racio skale i 2. Da bi ovo rezimiranje i zaključivanje očuvalo suštinu originalnih pojava (što je i smisao statistike) moramo se potruditi da izaberemo odgovarajuće statističke postupke koji će nam najbolje poslužiti. Statistika zaključivanja – obuhvata procedure kojimja izvlačimo određene zaključke iz naših podataka. Pri izboru ovih mjera treba voditi računa o tipu podataka kojim raspolažemo (npr.SPSS za psihologe i pedagoge Ajtem (stavka. Razlikujemo dvije grupe statističkih operacija: 1. a statistička operacija će nas dovesti do nekog pokazatelja koji će nam reći da li se naša hipoteza pokazala ispravnom ili ne. imamo dvije vrste statističkih testova. Ovaj pokazatelj (rezultat statističkog testa) će nam to reći sa nekim stepenom statističke vjerovatnoće – uobičajeno su to nivoi 0. takođe. ne možemo računati prosjek iz varijable “pol”). procenata. čestica) Jedna tvrdnja ili pitanje u testu. možemo razlikovati dvije vrste hipoteza: nulta hipoteza (označava se sa H0) sadrži tvrdnju o nepostojanju statističke značajnosti pojave nađene na uzorku. Neparametrijski testovi se rade na podacima koji ne mogu da zadovolje ove kriterijume. To mogu biti hipoteze o povezanosti nekih pojava ili razlikama u izraženosti nekih pojava. Deskriptivna statistika – obuhvata procedure kojima opisujemo podatke. Uopšteno.01. U okviru procedura statistike zaključivanja. gdje je n = redni broj hipoteze) i one govore o nekakvim potvrdnim pretpostavkama koje donosimo. Parametrijski testovi imaju veću “snagu” (precizniji su) u odnosu na neparametrijske. 8 .ajtem od varijable do ajtema 8 O vrstama statističkih analiza Često treba da rezimiramo velike količine podataka da bismo imali nekakav uvid u njihovu prirodu. prosjeka. dok afirmativnih hipoteza može biti više (označavaju se sa Hn.05” ili “0. ili. U okviru ovih procedura testiramo određene hipoteze koje smo postavili. odstupanja.

001). U zavisnosti od toga koje statističke procedure su nam potrebne.05. SPSS programski paket Programski paket SPSS čini više zasebnih modula (dijelova programa).to tvrdimo sa 95% sigurnosti.. budući da se svaki modul zasebno kupuje. U skladu sa prethodnom pričom o nivoima značajnosti. kad se ispituju lijekovi koji imaju potencijalno opasne prateće pojave.. istraživači ispituju lijek koji se primjenjuje na dotad neizlječivim bolesnicima. jer u takvim situacijama čak i 50% vjerovatnoće dejstva takvog lijeka govori o vjerovatnoći da se spasi 50% ljudskih života koji su bili suočeni sa izvjesnom skorom smrti.01. Greška tipa II (greška beta tipa). ". Šematski prikazano. Mi ćemo se ovdje dotaći upotrebe svakog od modula programskog paketa SPSS 11.10). koja se naziva i "greška alfa tipa".01 (1% nivo značajnosti).postoji 5% vjerovatnoće da pogriješimo kad tvrdimo da .. jer u slučaju pogreške u zaključivanju mogu dovesti do fatalnih posljedica.o postojanju značajne razlike između pojava.05 (ili 5% nivo) i p=0. ali to je rizik koji prihvatamo u statistici. nastaje kad donosimo zaključak o statističkoj značajnosti pojave (npr. ili strožijim (npr. ili značajne korelacije). Kad.. odredićemo i koje module ćemo moći priuštiti. kad odbacujemo tvrdnju o značajnosti pojave a ona u stvari postoji. i da nas ništa ne sprečava da se služimo blažim kriterijumima (npr. oni se odlučuju za blaže kriterijume značajnosti. Pri tom se uglavnom koristimo nivoima značajnosti p=0. Treba reći da su ova dva nivoa značajnosti sasvim arbitrarno prihvaćena. p=0.SPSS za psihologe i pedagoge 9 Prilikom primjene statističkih testova. Ti nivoi značajnosti se interpretiraju kao: ". U stvarnosti. Ove granice su ustanovljene da bi se ujednačili kriterijumi prilikom donošenja odluka.5. " Isto važi i za nivo značajnosti p=0. jer podrazumijeva veću sigurnost kod određenih tvrdnji. kriterijumi sigurnosti se moraju povećati na najviši nivo.. Nivo značajnosti od p=0. nastaje u obrnutom slučaju. obično se koristimo terminom "nivo značajnosti" kad govorimo o nekim granicama statističke značajnosti. na primjer. 9 . govori se o dva tipa grešaka pri generalizaciji statističkih zaključaka sa uzorka na populaciju.. nivo značajnosti postavljamo u zavisnosti od toga kakva je priroda pojave koju ispitujemo i značajnosti zaključka koji donosimo. p=0. a sve navedeno o čemu budemo govorili može se upotrijebiti za sve verzije programa. součavamo se sa mogućnošću da načinimo neku od navedenih grešaka. a ona u stvari ne postoji.01 je strožiji od nivoa p=0. pri donošenju statističkih zaključaka.. odnosno ". Greška tipa I. S druge strane. tipovi grešaka izgledaju ovako: Donesena odluka Prihvaćena afirmativna hipoteza Prihvaćena nulta hipoteza Stanje u populaciji Nulta hipoteza ispravna Greška tipa I (alfa) Ispravna odluka Afirmativna hipoteza ispravna Ispravna odluka Greška tipa II (beta) Svaki put kad donosimo odluku na osnovu nekog od postavljenih kriterijuma značajnosti. a takođe i da bi se istraživačima olakšalo donošenje statističkih odluka..

ali s druge strane. u našim objašnjenjima. mogu se obaviti kroz meni Edit/Options. i to će nam biti više nego dovoljno. ili “ručno” – korištenjem posebnog programskog jezika u okviru procedure koja se zove Syntax. Tim rješenjem nisu bili zadovoljni dvojica autora iz Beograda (psiholozi G. zadržati na predviđenim funkcijama.Knežević i K. praktično je moguće programiranjem u Syntaxu napraviti drugačije verzije gotovo svih statističkih operacija predviđenih u SPSS-u.Momirović). Mi ćemo se.SPSS za psihologe i pedagoge 10 počevši od verzije 8 pa naviše. pogotovo kad su u pitanju napredne statističke procedure1.sps”. Podešavanja svih opcija programa. U SPSS-u svaku proceduru možemo obaviti na dva načina: pomoću biranja opcija putem menija. budući da se proceduralno vrlo malo razlikuju (više su u pitanju "kozmetičke" izmjene). omogućava i programiranje novih statističkih procedura koje nisu predviđene u osnovnom paketu SPSS-a. 10 . u velikoj mjeri je obiman i komplikovan da to prevazilazi okvire naših zanimanja i zahtijeva zaseban udžbenik. Syntax omogućava mnogo veću fleksibilnost od korištenja već ponuđenih opcija. u SPSS-u nije predviđena mogućnost da se radi statistička procedura kanonička korelaciona analiza već je ponuđena samo u obliku potprograma koji možemo naći u SPSS-ovom direktorijumu pod nazivom “Canonical correlation. te su napravili sopstvenu verziju potprograma uz pomoć kojeg se ta procedura može obaviti. 1 Tako na primjer. Slično tome. do najsitnijih detalja.

ispod njega Toolbar (traka sa alatkama) . i drugi.dugmad sa skraćenicama za naredbe koje možemo izvršiti i uz pomoć gornjih menija.od File do Help. 11 . analiza podataka. Za početak.SPSS za psihologe i pedagoge 11 Rad sa programom U radu sa SPSS-om postoje tri glavna područja: unošenje podataka. Nakon startovanja programa SPSS sačekaće vas uvodni ekran koji možete vidjeti na slici. i pregled dobijenih rezultata. a donji dio je rezervisan za unošenje podataka. Uočimo da u donjem lijevom uglu postoje dva jezička: jedan na kome piše Data View (pregled podataka). tj matrica za unošenje i manipulaciju podacima. na kojem piše Variable View (pregled varijabli). uočimo da je izgled programa karakterističan za sve Windows programe: u gornjem dijelu ekrana postoji niz menija . To je takozvani Data Editor.

uz pomoć kompjutera možemo ta računanja i transformacije obaviti kasnije i bez gubitaka podataka. Znači.). program ne pravi pitanja. ukoliko se ispitanici nisu potpisivali. Taj papir treba da nam je u blizini. Specifičnosti kompjuterske obrade Kompjuterska obrada ima neke specifičnosti koje je potrebno poštovati. onda kodiramo tako da odgovoru koji izražava najveći stepen dajemo najveći broj (može i obrnuto. Ukoliko radimo sa nekom skalom procjene koja ima više tvrdnji sa kojima ispitanik pokazuje slaganje ili neslaganje.SPSS za psihologe i pedagoge 12 Priprema podataka za unošenje i obradu Kodiranje Da bismo prešli na unošenje podataka. 12 . takodje. Iako u projektovanju našeg instrumenta pitanja nazivamo ajtemima. Korisno je i numerisati sve upitnike koje smo upotrebljavali. označiti brojčanim oznakama.varijablu zbira tačnih odgovora. a grupe ajtema varijablama. ali će nam biti nelogičnije u pregledu obradjenih podataka). Kodiranje vršimo tako što svakom od ponudjenih odgovora dodijelimo neku brojčanu vrijednost. onda je poželjno da pregledamo sve odgovore i kategorišemo ih u nekoliko kategorija koje ćemo. tako da imamo i pojedinačne i zbirne podatke. test itd. Kodni plan možemo napraviti tako što ćemo uzeti jedan nepopunjen primjerak upitnika koji smo koristili. Ovakvi postupci su mogući. Ili ako imamo test znanja možemo odmah sabrati tačne odgovore i onda sve te podatke staviti u samo jednu varijablu . Ako imamo pitanja otvorenog tipa. i na njemu označiti sve varijable (naziv varijable može imati samo 8 slova odnosno brojeva) i sve moguće kodne vrijednosti varijabli. Ako radimo sa skalama procjene. da bi kasnije mogli lakše da vršimo ispravke ako pogriješimo pri unošenju podataka. kompjuterski program tretira svaku unijetu kolonu u matricu podataka kao varijablu. Štaviše. ali se ne preporučuju. svako pitanje ćemo označiti nekim imenom i to ćemo nazivati varijablom. možemo odmah sabrati brojčane oznake i te zbirne podatke za čitavu skalu unositi u samo jednu varijablu koja nam govori o izraženosti nekog stava. tako da imamo brzi uvid u kodni proces dok ga ne zapamtimo. prvo moramo da kodiramo instrument koji smo koristili (upitnik. budući da time u daljoj obradi gubimo podatke o tome kako su ispitanici odgovarali na pojedinačne odgovore.

program će nam automatski upisati pretpostavljene osobine varijable u ostale kolone. dok nam String daje za pravo da pišemo slovne sadržaje. datumskih ili novčanih podataka. možemo u kućicu Decimal Places da upišemo 0. a kolone opisuju karakteristike varijabli. ovdje (u matrici varijabli) redovi označavaju varijable (u matrici podataka redovi su slučajevi).SPSS za psihologe i pedagoge 13 Definisanje varijabli Kada otvorimo program SPSS naći ćemo se pred praznom tabelom podataka. Izgled ekrana će se promijeniti i dobićemo sljedeći prozor: Za razliku od matrice za unošenje podataka. ili ako sadrži samo cjelobrojne podatke. Za početak ćemo definisati sve varijable koje imamo. ali mi bez problema možemo da ih izmijenimo. Ime može sadržavati slova i brojeve.brojčani oblik. Vidjećemo da svaki red počinje sa brojevima. Jednostavno treba kliknuti na praznu ćeliju koju želimo da definišemo i odredimo željene osobine. Kad završimo sa upisivanjem imena varijable. Ako je varijabla kategorička. Opcije Width (cijeli brojevi) i Decimal Places (decimalna mjesta) definišu širinu kolone koju upotrebljavamo. a svaka kolona oznakom "var". Sljedeća osobinaje Type i tu možemo da biramo izmedju više tipova podataka koje varijabla sadrži: za nas najzanimljiviji i uglavnom ćemo taj oblik koristiti Numeric . SPSS podrazumijeva da svaki red sadrži podatke o pojedinom ispitaniku (slučaju). U koloni gdje piše Name upisujemo ime varijable. Ostali tipovi definišu neke posebne varijante matematičkih. i neke znakove interpunkcije (razmak se ne može upotrebiti) i ne smije biti duže od 8 znakova. a u kolonama se nalaze vrijednosti varijabli. To radimo tako što odaberemo Variable View jezičak u donjem lijevom uglu glavnog prozora za unos podataka. 13 .

vrijednost i njen opis bivaju ubačene donji prozorčić i tako oslobadjamo prostor za definisanje nove vrijednosti na isti način. Drugi način je Range of missing values. koji nam omogućava da definišemo najnižu (Low) i najvišu (High) vrijednost raspona koji će se tretirati kao nevaljani podatak (odnosno. Ovo je veoma korisna opcija kad imamo veliki broj varijabli kojima moramo smišljati kratka imene. a pod Value Label unosimo naziv te vrijednosti (npr. Range plus one discrete missing value predstavlja kombinaciju prve dve spomenute opcije.SPSS za psihologe i pedagoge 14 Labels nam daje mogućnost da upišemo duži opis varijable (mogu se upisati i čitave rečenice). Opis varijable će nam kasnije dati ideju o tome šta sadrže vrijednosti naše varijable ukoliko zaboravimo. Ukoliko želimo da ubacimo varijablu izmedju dve već definisane varijable.kako će biti prikazana na ekranu. Sad ćemo vidjeti da ime naše nove varijable stoji u zaglavlju prve kolone matrice podataka. a dugme Remove da odstranimo neželjene vrijednosti i oznake. desno ili centralno) kolone za unos podataka . i time ćemo otići na matricu podataka. kliknemo (desnim dugmetom miša) na ime varijable ispred koje hoćemo da ubacimo novu varijablu. te vrijednosti ćemo vidjeti u tabeli podataka ali se neće obradjivati. U kolonu Value definišemo kod (brojčanu oznaku koju unosimo kao jednu od vrijednosti varijable). Dugme Change omogućava da mijenjamo već definisane vrijednosti i oznake. Svaku sljedeću varijablu možemo definisati na sličan način: treba da odemo na Variable View prikaz (dole lijevo odaberemo) i definišemo osobine varijabli kako je već opisano. Dalji postupak definisanja se odvija kako je na prethodnim stranicama opisano. Onda pritisnemo dugme Add. 14 . i odabremo opciju Insert Variable. U kolonama Columns i Align odredjujemo širinu (u brojčanim podacima) i poravnanje (lijevo. Kad definišemo prvu varijablu. Znači. Posljednja kolona ima naziv Measure i tu određujemo nivo podataka koji unosimo: Scale (brojčani podaci). Ordinal (ordinalni/rangovani podaci) i Nominal (nominalni/kategorički podaci). Opcija Missing nam otvara mogućnosti da odredimo koje unijete vrijednosti neće biti uzimane u obzir pri obradi podataka. možemo kliknuti na Data View u donjem lijevom uglu ekrana. Value je brojčana vrijednost koju ćemo unositi. neće se tretirati u obradi). u potpunosti se slažem ako smo kodirali neku skalu procjene). Opcija Discrete Missing Values nam omogućava da unesemo pojedinačne vrijednosti (3 kućice za 3 vrijednosti).

ispitanicima ili upitnicima. odnosno po slučajevima. po tabeli se možemo slobodno kretati uz pomoć kursorskih strelica. ili Tab pa da se pomjerite na sljedeću ćeliju (sljedeću varijablu). Podatke unosimo po redovima. tasterom Enter (na dole). uz pomoć strelica ili miša.ponovo ćete unositi izvjesnu količinu podataka (onoliko koliko ste ih unijeli od prošlog snimanja fajla). Uvoz u SPSS tih podataka opisan je na drugom mjestu. Sve verzije Windows operativnih sistema imaju instaliran jednostavan program za kreiranje tekstualnih datoteka. dovoljno je da pritisnete strelicu desno. Unošenje podataka u Notepad-u Podatke možemo unositi i uz pomoć drugih programa. koji se zove Notepad. 15 . Počinjemo sa prvim ispitanikom i prvom varijablom. Izgled Notepad-a po otvaranju: Prednost Notepad-a jeste njegova jednostavnost i rasprostranjenost – može se naći na svakom kompjuteru sa instaliranim Windows-ima. Onda se vratite na početak. jer u slučaju da nestane struje ili se kompjuter "zaglavi" . i obrađivali. Možemo ga pronaći ukoliko idemo na Start/Programs/Accessories meni Windows-a. i ovdje ćemo opisati samo unošenje podataka u okviru programa SPSS. tasterom Tab (jedno polje u desno). i predjete na novi red.SPSS za psihologe i pedagoge 15 Unošenje podataka Podatke možemo unositi u okviru različitih programa i na različite načine. Inače. Preporuka: redovno snimajte unijete podatke. Tako radite sve dok ne stignete do posljednje definisane varijable desno. Kad unesete prvu vrijednost. dakle prva prazna ćelija u gornjem lijevom uglu tabele (matrice) podataka. da bismo ih naknadno uvezli u SPSS.

tabela podataka može izgledati otprilike ovako: gdje imamo unesene podatke o ocjenama deset učenika neke škole na prvom i drugom tromjesečju. Nakon što otvorimo SPSS. Time osiguravamo fiksnu širinu kolona. i dolazimo do prozora za odabir datoteke: 16 . 01. Novije verzije SPSS-a imaju jednostavan postupak za uvoz ovakvih podataka. U prvoj i drugoj koloni nam se nalazi redni broj učenika. 02 itd. Ukoliko varijabla sadrži dvocifrene brojeve. Svaki red predstavlja jedan upitnik. 003 itd. Između grupa varijabli koje unosimo zgodno je da stavimo jednu praznu kolonu. što nam olakšava neke stvari. tako da imamo jednostavan vizuelni uvid u tačnost količine unesenih podataka: ukoliko na kraju unošenja jedne grupe varijabli vidimo da imamo brojku više ili manje od predviđenih – možemo odmah izvršiti provjeru podataka. a svaka kolona (ili više kolona) može da predstavlja varijablu. Sljedeći korak nam je uvoz ovako kreirane baze podataka u SPSS. a ukoliko ima trocifrene. onda: 001. onda ih treba pissti u formatu: 00. a narednih devet su ocjene na drugom tromjesečju. sljedećih devet kolona su nam devet ocjena na prvom. Pri unošenju. 002. Podatke snimimo kao običnu tekstualnu datoteku.SPSS za psihologe i pedagoge 16 Podatke u Notepad unosimo jednostavno kao redove brojeva. idemo na meni File/Open/Data..

txt) tip. a pod Files of type: odaberemo tip datote – u našem slučaju to je Text (*.SPSS za psihologe i pedagoge 17 Pod Look in: odaberemo direktorijum gdje smo snimili datoteku. potvrdimo sa Next. Selektujemo datoteku i kliknemo na Open i otvara nam se procedura koja nas kroz šest koraka vodi kroz uvoz podataka: Tu možemo ostaviti sve kako jeste. i dolazimo do sljedećeg koraka: 17 .

Pošto nismo još definisali imena varijabli. i idemo na četvrti korak: 18 .SPSS za psihologe i pedagoge 18 U drugom koraku treba da selektujemo kućicu Fixed width. Kroz treće pitanje treba da odredimo koliko podataka uvozimo. i tu treba da ostane selektovano All of the cases. te i u drugoj kućici ostaje upisano 1. Kliknemo na Next. Takođe. jer mi uvozimo sve podatke. rekli smo da svaki red predstavlja jedan upitnik (odnosno jednog ispitanika). Potvrdimo sa Next. odgovor na pitanje “Are variable names included at the top of your file?” će biti No. jer smo unosili podatke tako da broj kolona bide fiksan. u prvoj kućici ostaje upisano 1. i dolazimo do trećeg koraka: Pošto smo podatke unosili počevši sa prvim redom.

potvrdimo sa Next i idemo na peti korak: U petom koraku imamo jednostavan u to kako će izgledati podaci u SPSS-u. jednostavno se vratimo na prethodni korak sa Back. Na slici možemo vidjeti kako smo mi to učinili. Ukoliko smo nešto pogriješili. a to ćemo učiniti tako što kliknemo na prostor između dvije kolone brojeva i pojaviće se crna linija na tom mjestu. ili nam se ne sviđa. i idemo na poslednji korak: 19 .SPSS za psihologe i pedagoge 19 Ovde treba da definišemo koje kolone će predstavljati varijable. Ako smo zadovoljni ishodom potvrdimo sa Next. Kad definišemo sve linije koje dijele varijable.

i treba da sve ostavimo kako jeste. Po završetku imamo podatke u SPSS-u: Budući da vidimo kako imena varijabli nisu definisana. i definisati imena varijabli i tipove podataka kako je to već ranije opisano: 20 . i potvrdimo sa Finish.SPSS za psihologe i pedagoge 20 Šesti korak je formalan. možemo otići na Variable View. već samo pišu oznake v1 do v19.

i imamo gotovu bazu podataka u SPSS-u.sav).SPSS za psihologe i pedagoge 21 Kad završimo definisanje ovako uvezene baze podataka. ostalo je još da snimimo sve to pod nekim imenom kao SPSS-ov fajl (tip *. 21 .

Ako za primjer uzmemo isti slučaj upisivanja ocjena kod učenika na prvom i drugom tromjesečju. Prva kolona (A) će nam biti varijabla sa rednim brojem ispitanika. Nakon što otvorimo Excel. Zbog toga ćemo opisati postupak unošenja podataka i pomoću ovog programa. ali time se nećemo baviti na ovom mjestu. 22 . i tako dalje. Excel je sposoban i za brojne matematičke i statističke procedure. odlučićemo da odmah definišemo i imena naših varijabli tako da prvi red kolone nosi ime varijable. a slova kolone: Sve podatke možemo upisivati u tabelu počevši sa prvom ćelijom tabele koja je označena sa podebljanim kvadratom (A1). Druga kolona (B) će biti varijabla u kojoj će se nalaziti ocjena iz prvog predmeta na prvom polugodištu (nazvaćemo je oc1t1). i u našim uslovima se nalazi instaliran na skoro svim kompjuterima u okviru paketa Microsoft Office.SPSS za psihologe i pedagoge Unošenje podataka u Microsoft Excel-u 22 Microsoft Excel je još jedan program koji je široko zastupljen. naći ćemo se pred velikom praznom tabelom kod koje brojevi označavaju redove.

Sljedeći korak je da te podatke uvezemo u SPSS. tabela će izgledati ovako: 23 Podatke. i dolazimo do sljedećeg dijalog prozora: Pod opcijom Files of type odaberemo Excel tip fajlova.SPSS za psihologe i pedagoge Kad završimo sa unošenjem podataka. Dolazimo do sljedećeg dijalog prozora: 23 . U SPSS-u idemo na meni File/Open/Data.xls). kliknemo na fajl ocjene. snimimo (možemo mu dati ime ocjene. i potvrdimo sa Open. naravno.

SPSS za psihologe i pedagoge 24 Ovdje sve treba da ostavimo kako jeste. Potvrdimo sa OK. a to znači da program iščitava imena varijabli iz prvog reda. a automatski prepoznaje i količinu unesenih podataka. i imamo podatke unesene u SPSS: Ostaje još da snimimo podatke pod odgovarajućim imenom. i možemo da radimo sa podacima kao i sa drugim podacima unesenim u okviru SPSS-a. 24 .

Access. . koristićemo Save As. Što 25 . ali i u većini novih programa za obradu teksta (Word 97 i noviji) txt .sve sem grafikona se eksportuje Charts Only . Ukoliko nismo ranije odredili ime i tip fajla.bez grafikona Otvaranje datoteka Pod otvaranjem datoteka u SPSS-u podrazumijeva se svako otvaranje ili uvoz baza podataka koji su kreirani bilo u okviru samog SPSS-a. Kad izaberemo ovu opciju dobićemo prozor gotovo identičan onom sa Open opcijom: pod "Save in" odredićemo direktorijum u koji snimamo. i "Selected Objects" ako želimo da eksportujemo samo selektovane objekte. komandnih programa).snimanje podataka. a pod "Files of type" odredićemo tip fajla. Pod "Export What" možemo izabrati "All Objects" ukoliko želimo da se sve eksportuje u fajl. pod "File Name" upisaćemo naziv fajla. Takođe. Opcija "Files of type" je veoma bitna: SPSS će nam prikazati samo fajlove one vrste koja je definisana u okviru "Files of type". a druge neće.SPSS za psihologe i pedagoge 25 Snimanje podataka U SPSS-u imamo više vrsta snimanja i izvoza podataka i rezultata naših statističkih obrada. Koristimo ako smo već ranije dali ime fajlu.samo grafikoni se eksportuju Pod "File Name" odredjujemo ime fajla i putanju do direktorijuma gdje će biti snimljen. tako da ih možemo otvoriti u drugim programima. čitljiv u internet čitačima. Pod "File Type" biramo tip fajla pod kojim će se snimiti naša datoteka: htm . Pod opcijom "Export" biramo šta će sve biti u eksportovanom fajlu: Output Document . Kad izaberemo ovu opciju dobijamo sljedeći prozor: Tamo gdje piše "Look in" odredjujemo direktorijum u kome se nalaze naši fajlovi. ili nekog drugog programa (Excel. Save . Sve te operacije obavljamo u glavnom meniju File. Export . Open .sve se eksportuje Output Document (No Charts) .snimanje novih podataka sa odredjivanjem imena i tipa fajla. ispisa rezultata.snimanje tabela. Za kraj pritisnemo dugme "Save". "All Visible Objects" ako želimo da eksportujemo samo vidljive sadržaje. Ovu opciju imamo na raspolaganju kad je aktivan prozor Output. ali sadrži samo tekst . grafikona i rezultata obrade u drugim formatima.HTML fajl. Statistica itd). možemo otvarati i rezultate ranije napravljenih ispisa ili komandnih procedura.tekstualni fajl... čitljiv u većini programa i na većini kompjutera.koristimo za otvaranje ranije snimljenih fajlova (baza podataka.

otvaranje fajlova sa sirovim podacima koji su snimljeni u tekstualnom obliku.Excel datoteka por . Tipovi fajlova (neki): sav .skript xls .čita tekstualne datoteke kod kojih su kolone fiksne varijable se nalaze na istom mjestu (u istoj koloni) za svaki red 26 . moraćemo da promijenimo tip fajlova. ali se ne nalaze nužno uvijek u istim kolonama za svaki red (ili su odvojene nekim znakovima. Imamo dvije podopcije: Freefield . Read ASCII Data . kao što su tačka ili zarez) Fixed Columns .standardni SPSS sirovi podaci spo .vidjećemo sve tipove fajlova koje Windows poznaju Na kraju izaberemo odredjeni fajl i pritisnemo dugme "Open".prenosivi (medju različitim programima) tip sa sirovim podacima all files .SPSS za psihologe i pedagoge 26 znači da ako želimo da otvorimo (ili vidimo) fajlove drugog tipa.komandni program sbs .varijable se idu po istom redoslijedu za svaki red.ispisi rezultata obrade sps .

obavićemo to po menijem Data/Merge Files.SPSS za psihologe i pedagoge 27 Manipulisanje podacima Spajanje datoteka Ako želimo da spojimo više datoteka. i dobićemo prvi dijalog prozor koji nam omogućava da izaberemo datoteku u kojoj se nalaze novi ispitanici. za finalnu analizu podataka. izabraćemo opciju Add Cases. ali dodatne ispitanike. pa na kraju mogu da se spoje svi u jednu veliku datoteku. Ovo je korisno kad se podaci unose na više različitih mjesta. U prozoru s desne strane se nalaze imena varijabli u novokreiranoj datoteci. treba da izaberemo željeni fajl i pritisnemo Open. Dodavanje novih ispitanika (slučajeva): Ako smo želimo da spojimo fajlove koji sadrže iste varijable. Tu imamo mogućnosti da dodajemo nove ispitanike (Add Cases) ili da dodajemo nove varijable (Add Variables) već otvorenoj datoteci. Ukoliko ne želimo da zadržimo neke varijable u novom fajlu. dovoljno je da ih selektujemo u prozoru Variables in New Data File i izbacimo (pritisnemo strelicu koja pokazuje lijevo). Dakle. u prozoru s lijeve strane (Unpaired Variables) se neće nalaziti ni jedna varijabla. Ukoliko nova datoteka sadrži sve iste varijable kao i stara. Dodavanje novih varijabli: 27 .

"novavar". izabraćemo opciju Add Variables. U prozoru s desne strane (New Working Data File) vidimo koje će sve varijable biti uključene u novu datoteku. U našem slučaju dodajemo samo jednu varijablu koja se ne nalazi u staroj datoteci .SPSS za psihologe i pedagoge 28 Ako smo želimo da spojimo fajlove koji sadrže iste ispitanike. ali dodatne varijable. Izaberemo željeni fajl i pritisnemo Open.sve varijable koje se već nalaze u staroj datoteci. a sa (*) sve varijable u datoteci kojoj dodajemo. U okviru s lijeve strane (Excluded Variables) nalaze se imena varijabli koje neće biti ubačene u novu datoteku . 28 . i dobićemo prvi dijalog prozor koji nam omogućava da izaberemo datoteku u kojoj se nalaze novi ispitanici. Sa (+) su označene sve varijable iz datoteke koju dodajemo.

za sve ispitanike koji imaju zajedničku vrijednost na Break Variable program računa neku zbirnu funkciju (na primjer aritmetičku sredinu) na Aggregate Variable. Najjednostavniji primjer za ovu proceduru je kad želimo da izračunamo prosječan skor na nekoj varijabli za muškarce i žene. 29 U prozorčić sa natpisom Break Variable(s) upisujemo varijablu na osnovu čijih vrijednosti se sažimaju podaci iz varijabli koje upišemo u prozorčić Aggregate Variable(s). Pod dugmetom Name&Label odredjujemo imena novih varijabli. Ime novog fajla odredjujemo ako je uključena opcija Create new data file. 29 . a pod Function odredjujemo funkciju sažimanja podataka. i pod Function izaberemo Mean. a varijabla čiji prosjek želimo je Aggregate. Znači.otvara se nova radna matrica (tabela) podataka. u suprotnom .SPSS za psihologe i pedagoge Spajanje podataka tako da grupe ispitanika čine jedan zbirni slučaj Ovu proceduru možemo obaviti pod opcijom Data/Aggregate. Onda nam je pol Break.

SPSS za psihologe i pedagoge 30 Grupisanje i selekcija podataka Grupisanje podataka Data/Split File opcija grupiše ispitanike po vrijednostima varijable koju odredimo (Groups Based on). Opcija Compare groups znači da će ispis biti zajednički. grupe će se nalaziti u istoj tabeli radi medjusobnih poredjenja. Kad je uključena opcija Split File. prva na spisku će biti primarna. i u okviru njenih kategorija će biti izvršena grupisanja za drugu varijablu. 30 . Opcija Organize output by groups dovodi do zasebnog ispisa za svaku kategoriju varijable koja grupiše. Ako izaberemo više varijabli. tj. sav ispis će biti organizovan po ovim kategorijama.

npr. oni koji nisu selektovani izbačeni su iz dalje analize ili su potpuno izbrisani iz datoteke. pod "Unselected Cases Are" biramo da li će neselektovani ispitanici biti samo filtrirani (Filtered). tj neće se uzimati u obzir pri statističkim operacijama. 31 . a muškarci 2). U podopcijama imamo još mnogo matematičkih funkcija koje nećemo nabrajati.. i OK na prethodnom prozoru. Naravno treba da potvrdimo sa Continue na ovom. želimo da u dalju obradu uključimo žene koje pohadjaju odredjenu školu. što znači da će u dalju obradu biti uključene samo žene (u našem slučaju je tako kodirano da žene imaju oznaku 1. Kad uključimo opciju If condition is satisfied i pritisnemo dugme If. U dnu prozora. ili će biti trajno izbrisani iz datoteke (Deleted). Znak "|" je logičko ILI. Ukoliko je uključena opcija "All cases" znači da su selektovani svi ispitanici. Ukoliko želimo višestruke uslove. izmedju dve jednakosti (pol=1 i skola=2) stavimo logičko I (znak "&"). dobijamo mogućnosti da odredimo uslove selekcije. U gornji prozorčić upisujemo uslov: u našem slučaju uslov je da ispitanici imaju vrijednost 1 na varijabli "pol".SPSS za psihologe i pedagoge Selekcija podataka 31 Data/Select Cases selektuje ispitanike prema vrijednostima neke varijable..

Iz dalje obrade se izbacuju ispitanici koji imaju 0. i u okviru toga podesimo željeni procenat ili broj ispitanika koji nam treba. Data/Weight Cases . gdje podesimo prvi i posljednji redni broj koji želimo da selektujemo. i to u zavisnosti od vrijednosti izabrane varijable. Use filter variable iz dalje obrade izbacuje ispitanike koji na datoj varijabli imaju vrijednost 0 ili im nedostaje podatak. Simulira se replikacija ispitivanja. 32 Na osnovu ranga (odnosno redoslijeda u datoteci) ih selektujemo pod Based on time or case range. Vrijednosti ponder varijable govore o navodnom broju opservacija. negativnu vrijednost ili nedostajući podatak.ponderisanje (operećivanje) ispitanika. 32 . ako uključimo opciju Random sample of cases.SPSS za psihologe i pedagoge Možemo da selektujemo ispitanike na bazi slučajnog izbora.

SPSS za psihologe i pedagoge 33 33 .

Takodje. kao i mnogo matematičkih i statističkih funkcija. sekc2 i sekc3.SPSS za psihologe i pedagoge 34 Transformacija podataka Izračunavanja Transform/Compute opcija nam omogućava da kreiramo novu varijablu različitim oblicima izračunavanja na osnovu vrijednosti već postojećih varijabli. 34 .. U našem primjeru (na slici gore) kreiramo novu varijablu zbirsekc čije vrijednosti se dobijaju sabiranjem vrijednosti varijabli sekc1. imamo i dugme If. Opet imamo na raspolaganju sve računske operacije. Tamo gdje stoji Numeric Expression upisujemo formulu na osnovu koje računamo vrijednosti nove varijable.. kojim dolazimo do mogućnosti postavljanja uslova za računanje vrijednosti varijable (detaljnije pod Data/Select Cases). Na mjesto gdje piše Target Variable upisujemo ime nove varijable koju kreiramo.

. tu ćemo specifikovati da želimo prebrojavanje pojavljivanja vrijednosti 1). U gornjem primjeru možemo vidjeti da smo mi obrnuli vrijednosti nek varijable. 35 . tj. U okviru Numeric Variables ubacimo varijable koje želimo da prebrojavamo. 35 Rekodiranje Rekodiranje radimo u ukviru menija Data/Recode. biti izmijenjene. Za kraj. Možemo da unesemo pojedinačne vrijenosti (Value). Pod Old and New Values definišemo kako vršimo to rekodiranje. nedostajuće podatke (Systemmissing. Npr.SPSS za psihologe i pedagoge Prebrojavanja Data/Count kreira varijablu u okviru koje se nalaze prebrojane iste vrijednosti koje se nalaze u okviru raznih varijabli.. A tu je i uslov If. tako da rekodiramo 1 u 5. pa na kraju želimo da znamo koliko ispitanik ukupno gleda TV stanica. Ako izaberemo podopciju Into Same Variables mijenjamo vrijednosti u okviru varijable koju izaberemo. koje vrijednosti će. ukoliko imamo nekoliko varijabli koje govore o tome da li ispitanici gledaju ili ne gledaju neke TV stanice (npr. 1 znači da. iskoristićemo Count.. S desne strane definišemo nove vrijednosti. Obavezno je da se u okviru opcije Define Values specifikuju vrijednosti čije prebrojavanje se želi (u prethodnom primjeru sa TV stanicama. ili nizove vrijednosti (Range). i kako. i to tako što u prozorčiću gdje piše Value upišemo novu vrijednost. Tu je i postavljanje uslova pod opcijom If. 2 u 4 itd. i pritisnemo dugme Add. S lijeve strane definišemo koje vrijednosti ćemo mijenjati. Continue. naravno. a 0 ne).. U okviru Target Variable upisujemo naziv nove zbirne varijable. a u Target Label detaljnije pojašnjenje sadržaja varijable. System-or user-missing).

a u prozorčić dole unesemo ime nove varijable.SPSS za psihologe i pedagoge 36 Ako izaberemo podopciju Into Different Variables rekodirane vrijednosti će biti zapisane pod novom varijablom koju kreiramo. i pritisnemo dugme New Name.Transform/Automatic Recode kreira novu varijablu i automatski rekodira sadržaj neke string (slovne) ili brojčane varijable u sekvencijalne vrijednosti. Pod Old and New Values definišemo kako vršimo to rekodiranje. Možemo i da definišemo da li će kodiranje početi od najniže (Lowest value) ili najviše vrijednosti. Bitno je da izaberemo varijablu koju rekodiramo (pod Numeric Variable). biti izmijenjene. i kako. koje vrijednosti će. i pritisnemo dugme Change. Automatsko rekodiranje . tj. Prozor za to redefinisanje je gotovo identičan kao i u slučaju opcije Into Same Variables. String varijable se kodiraju po abecednom redu. pod Output Variable definišemo ime nove varijable (pod Label njeno pojašnjenje). 36 . U prozor s desne strane ubacimo varijablu čije vrijednosti želimo da rekodiramo.

kreira novu varijablu transformacijom postojeće varijable bazirane kao vremenski serijal (gdje svaka sljedeća vrijednost u koloni predstavlja opservaciju u sljedećem ekvidistantnom vremenskom periodu). a pod Ties metod dodjeljivanja rangova istovjetnim vrijednostima.SPSS za psihologe i pedagoge 37 Rangovanje podataka Opcija Transform/Rank Cases nam omogućava da kreiramo novu varijablu koja sadrži rangovane vrijednosti izabrane varijable. U okvir By možemo da ubacimo neku varijablu na osnovu koje će organizovati rangovanje izabrane varijable (rangovaćemo slučajeve zasebno u okviru svake vrijednosti organizacione varijable). 37 . Možemo da definišemo rangove u uzlaznom ili silaznom rasporedu (Assign Rank 1 to). Varijablu čije vrijednosti želimo da rangujemo ubacimo u okvir Variable(s). Pod Rank Types možemo izabrati višestruke metode rangovanja. Program sam odredjuje ime nove varijable. na osnovu imena izabrane varijable. Kreiranje vremenskih serija Create Time Series .

Ispod natpisa Function možemo izabrati funkciju transformacije.prvih šest slova stare varijable plus brojčana oznaka. mada se automatski upisuje podrazumijevano ime . Ispod natpisa Method možemo izabrati funkciju na osnovu koje se vrši popunjavanje nedostajućih podataka.SPSS za psihologe i pedagoge U okvir gdje piše New Variable(s) ubacimo vremensku varijablu koju želimo da transformišemo. mada se automatski upisuje podrazumijevano ime .popunjava ćelije kod kojih postoji nedostajući podatak.prvih šest slova stare varijable plus brojčana oznaka. Tamo gdje piše Name možemo da unesemo ime nove varijable. 38 . U okvir New Variable(s) ubacimo varijablu kod koje želimo da eliminišemo prazne ćelije. Tamo gdje piše Name možemo da unesemo ime nove varijable. 38 Tretiranje nedostajućih podataka Replace Missing Values .

SPSS za psihologe i pedagoge 39 39 .

procentualni prikazi. Pojmovi kojima se barata pri razmatranju raspodjele ispitanika po kategorijama su: R . tako da tada frekvencijski prikaz ima više smisla. prema uspjehu na testu informisanosti. i . Samo razvrstavanje rezultata koje ispitanici ostvaruju u manji broj kategorija obavlja se prema prema određenim kriterijumima koji koje postavlja sam istraživač prema zahtjevima koji su postavljeni određenom statističkom metodom koja se primjenjuje2 ili teorijskom idejom na kojoj je istraživanje zasnovano3. 3 Studentima psihologije najpoznatiji primjer raspodjele ispitanika u kategorije zasnovan na određenoj teorijskoj ideji je razvrstavanje ispitanika u kategorije prema postognutom koeficijentu inteligencije. tako i za prikazivanje.razred. prvo je potrebno ispitanike razvrstati na osnovu ukupnog broja bodova postignutih na testu iz Psihometrije u dvije kategorije.raspon dobijenih skorova. 4 Za intervale se najčešće uzimaju neparni brojevi (u objašnjenju izbora neparnog broja bi najjednostavnijebilo reći da je to esnafski običaj). odstupanja rezultata). predstavljaju osnovne mjere kojima na osnovu dobijenih podataka opisujemo naš uzorak. r . Sa druge strane frekvencijski prikaz sirovih rezultata dobijen mjernim instrumentom sa većim rasponom dobijenih rezultata je često vrlo nepregledan.SPSS za psihologe i pedagoge 40 Deskriptivne statističke mjere Deskriptivne statističke mjere. Frekvencije i procenti Prostim frekvencijskim prikazom se predstavlja frekvencija (broj) ispitanika koji su postigli određeni rezultat na nekom mjernom instrumentu koji smo zadali (test. Time dobijamo najbrži uvid u raspodjelu skorova ispitanika koje oni postižu pri datom mjerenju. Problem pri razmatranju raspodjele skorova u navedenom primjeru se ogleda u tome što se vrlo često frekvencije pojedinih rezultata koje se međusobom vrlo malo razlikuju. položili i nisu položili ispit.interval. To mogu biti najjednostavnija prebrojavanja. 1996). Zatim utvrditi da li postoji razlika između aritmetičkih sredina tako formiranih grupa prema uspjehu na testu informisanosti i da li je eventualna razlika između grupa statistički značajna na nekom od nivoa značajnosti ili ne. koje nazivamo intervalnim razredima. Vrijednost intervala dodana na najnižu mjeru jednog razreda jednaka je najnižoj mjeri sljedećeg razreda. opservacija itd. Međutim kada se radi o mjernim instrumentima koji imaju veliki raspon mogućih rezultata (npr. brojna vrijednost koja pokazuje opseg jednog razreda. kao što smo to već rekli u uvodu. Ukoliko želimo da eventualno postojanje značajne razlike ispitamo putem t-testa. Interval može biti bilo koji pozitivan cijeli broj4. jedna od kategorija u koju spadaju ispitanici čiji je dobijeni rezultat jednak ili veći od njegove najmanje mjere i jednak ili manji od njegove 2 Kao primjer raspodjele ispitanika u kategorije prema zahtjevima određene statističke metode koja se primjenjuje možemo navesti slučaj kada želimo utvrditi postoji li statistički značajna razlika između ispitanika koji su položili ispit iz Psihometrije ili ne. čija je vrijednost razlika između najvišeg i najnižeg skora dobijenog pri jednom mjerenju. numeričkoj varijabli dobijenoj na testu inteligencije VITI ispitanici se razvrstavaju u kategorije prema Vekslerovoj teoriji inteligencije (Biro. Tako koeficijentu inteligencije. test informisanosti koji se sastoji od 85 ajtema i gdje konačan rezultat može da se kreće od 0 do 85 bodova) prosti frekvencijski prikaz (nazivamo ga i frekvencijskim prikazom sirovih rezultata) može biti veoma nezgodan.). tako da postignuća ispitanika sumarno prikažemo u obliku broja slučajeva u okviru pojedinih kategorija (razreda distribuiranih rezultata). anketa. ili različite mjere centralne tendencije i mjere idsperzije (raspršenja. upitnik. kako za razmatranje rezultata. Zbog toga se onda distribucija rezultata dijeli u manji broj kategorija. 40 .

Rezultate u obliku frekvencija možemo dati predstaviti preko tabele ili grafikona. Mislimo da nije zgoreg pomenuti da nije potrebno da se rezutati predstavljaju na oba načina. koriste i procenti i proporcije.frekvencija date kategorije. 41 . dok procenati i proporcije govore o odnosu broja slučajeva (ispitanika) jedne kategorije sa ukupnim brojem slučajeva. je u tome što frekvencije ukazuju na broj slučajeva koji pripadaju samo jednoj kategoriji. Time se samo bespotrebno ponavljaju dobijeni rezultati i njihove interpretacije. Procenat tako kao relativna mjera prebrojavanja pokazuje odnos broja slučajeva jedne kategorije prema ukupnom broju ispitanika pomnoženom sa 100. Histogram 5 6 Poligon frekvencija Raspon i interval je jedino moguće utvrditi kada se barat sa podacima sa najmanje intervalne skale. Razlika između frekvencija sa jedne. Broj rezreda u jednoj distribuciji jednak je količniku raspona i intervala (ukoliko vrijednost količnika nije cijeli broj. f . koje se mogu označiti apsolutnim mjerama prebrojavanja. f · 100 . I tabele i grafikoni kojima se rezultati prikazuju preko frekvnecija kao mjera prebrojavanja su vrlo jednostavni i pregledni6.frekvencija date kategorije. f . i u tabelama i putem grafikona.proporcija ispitanika koji postiže određen rezultat (pripada određenoj kategoriji). Proporcija je takođe relativna mjera i jednaka je odnosu broja slučajeva jedne kategorije prema ukupnom broju ispitanika. N p= gdje je p . f .frekvencija. N . i procenata i proporcija sa druge strane. N P= P - gdje je procenat ispitanika koji postiže određen rezultat (pripada određenoj kategoriji). Takav pleonazam samo razvodnjava rezultate istraživanja koji se prikazuju. koje se nazivaju relativnim mjerama prebrojavanja. U opisu rezultata istraživanja se pored frekvencija.ukupan broj ispitanika u uzorku. Grafikoni frekvencija koje načešće primjenjujemo su histogram (ili stupčasti dijagram) i poligon frekvencija. broj razreda jednak je vrijednosti cijolog broja uvećanoj za 1)5.ukupan broj ispitanika u uzorku. broj slučajeva (ispitanika) koji prema ostvarenoj vrijednosti date varijable pripadaju jednoj i samo jednoj kategoriji kategoriji te varijable. f . N .SPSS za psihologe i pedagoge 41 najveće mjere.

SPSS za psihologe i pedagoge
40

42

30

30

20

20

10
10

0 17.0 18.0 19.0 20.0 21.0 22.0 23.0 24.0 25.0 26.0 27.0 28.0 29.0 30.0

Count

0 16.5 18.0 19.5 20.5 21.5 22.5 23.5 24.5 25.5 26.5 27.5 28.5 29.5

I kod histograma i kod poligona frekvencija se na apscici nalaze rezultati koje ispitanici postižu pri nekom mjerenju, u obliku pojedinačnih rezultata koje ispitanici postižu ili formiranih kategorija, dok su na ordinati frekvencije postignutih rezultata ili razreda ispitanika. Procentni prikaz bi bio nešto naprednija verzija, gdje relativizovanje frekvencija omogućava najelementarnija poređenja različitih grupa ispitanika po određenim razredima distribucije. Na primjerima histograma i poligona frekvencija je prikazana razlika između pripadnika muškog i ženskog pola ispitanika na testu informisanosti. Histogram
12

Poligon frekvencija
12 10

10

8

8

6

6

4

4

POL Percent
muski 0 16.5 18.0 19.5 20.5 21.5 22.5 23.5 24.5 25.5 26.5 27.5 28.5 29.5 zenski

POL Percent
2 muski zenski 19.5 18.0 20.5 21.5 22.5 23.5 24.5 25.5 26.5 27.5 28.5 29.5

2

0 16.5

Rezultat testa

Rezultat testa

Sad se prvi put susrećemo sa analizama podataka. Kad prvi put uradimo analizu podataka SPSS će ih prikazati u zasebnom prozoru koji se zove Output (ili prozor za

42

SPSS za psihologe i pedagoge

43

ispis). On će nam biti aktivan u donjoj traci radne površine i prikazivaće se kao zaseban program. Deskriptivne analize kategoričkih varijabli obično radimo tako da rezultate prikažemo u vidu frekvencija i procenata. U SPSS-u ćemo tu mogućnost ostvariti preko menija Analyze/Descriptive Statistics/Frequencies. Dobićemo prozor sa opcijama koji izgleda kao na slici: stics/Frequencies.

U donjem dijelu slike vidimo tri tastera koja nas vode do različitih mogućnosti. U ovom trenutku za nas će biti interesantna opcija iscrtavanja grafikona (opcija Charts), u okviru koje možemo potvrditi opciju Bar charts (histogram ili stupčasti prikaz). Kad unesemo u prostor s desne strane unesemo varijable (mi smo unijeli varijablu pol) i potvrdimo sa OK, dobićemo sljedeći ispis:

Frequencies
Statistics

pol
N Valid Missing 507 1 pol Cumulative Percent 45.2 100.0

Frequency Valid muski zenski Total Missing Total System 229 278 507 1 508

Percent 45.1 54.7 99.8 .2 100.0

Valid Percent 45.2 54.8 100.0

43

SPSS za psihologe i pedagoge

44

pol
300

200

100

Frequency

0 muski zenski

pol

Prva tabela nam govori koliki je ukupan uzorak ispitanika. Vidimo da smo u ovom primjeru imali ukupno 508 ispitanika, od kojih je 507 uzeto u obradu (ispitanici sa valjanim podacima - Valid), i jedan za koga nismo registrovali polnu pripadnost (Missing). Druga tabela nam je najinformativnija, i u njoj se nalaze za nas najbitniji i najzanimljiviji podaci. U prvoj koloni tabele (Frequencies) se nalaze oznake kategorija za koje su utvrđene frekvencije (kategorije varijable pol, muški i ženski) i pored njih ukupna veličina uzorka, broj valjanih podataka i podataka koji izostaju iz obrade. Druga kolona nam govori o vrijednostima opaženih (empirijskih) frekvencija za kategorije date varijable. Kolona Percent nam govori o procentualnoj zastupljenosti muških i ženskih ispitanika u odnosu na ukupan broj ispitanika (508 u našem slučaju), uključujući i jednog čiji pol nismo registrovali. Kolona Valid Percent nam govori o procentualnoj zastupljenosti muških i ženskih ispitanika, ali ovaj put u odnosu na valjani broj ispitanika (507 u našem slučaju), i uglavnom koristimo ovaj procentualni prikaz. Konačno, posljednja kolona (Cumulative Percent) nam daje kumulativne procente, odnosno predstvlja zbir procenata datog razreda sa procentima prethodnih razreda. Red tabele u kojoj piše Missing nam (opet) govori o broju i procentu ispitanika sa nedostajućim podacima. Na kraju imamo i grafički prikaz podataka, ovaj put u stupčastom grafikonu (histogramu), mada smo mogli izabrati i neki drugi prikaz (pitasti ili histogram sa normalnom krivom).

44

Pored oznake M. Formula za određivanje medijane iz niza podataka poredanih po veličini je: Mdn = N . 2 gdje je Mdn .ukupan broj rezultata. Za računanje aritmetičku sredinu.SPSS za psihologe i pedagoge Mjere centralne tendencije 45 Mjere centralne tendencije nam ukazuju na tendencije grupisanja oko neke centralne vrijednosti u distribuciji rezultata mjerenja. odnosno ukazuje na skor koji dijeli distribuciju na dva jednaka dijela. medijana i mod. Najčešće mjere centralne tendencije koje se koriste su: aritmetička sredina. da rezultati mjerenja potiču sa intervalne ili racio skale 2. N . najjednostavije i najuopštenije mogu opisati mjerene pojave na datom uzorku. Nedostatak moda kao mjere centralne temdecije uočavamo kad se sretnemo sa distribucijom u kojoj imamo dva ili više najčešća rezultata (bimodalne. Mod. predstavlja najgrublju.medijana. Znači. ukupan broj slučajeva mjerenja (broj rezultata). konačno. odnosno polimodalne distribucije). Govori nam koji se rezultat u jednoj distribuciji podataka najčešće pojavljuje. Medijana nam govori koji je centralni rezultat u distribuciji. pojedinačni skor ispitanika. Njihovim korištenjem se najbrže. M = ∑X . mjeru centralne tendencije neke distribucije. da postoji pretpostavka o normalnoj raspodjeli tih mjera u populaciji. to će biti sredina između dva srednja skora). moraju biti ispunjena dva uslova: 1. Aritmetička sredina je mjera sa kojom se najčešće susrećemo u statističkim izvještajima. i govori nam koji je prosječan skor u našoj distribuciji. U takvim slučajevima ne može se uzeti samo jedna najfrekventnija vrijednost jer se time značajno narušava 45 . aritmetička sredina se još može označiti i sa AS i X . ako rezultate mjerenja poredamo po veličini. Matematički se izražava kao količnik zbira svih dobijenih rezultata i ukupnog broja rezultata. odnosno statistički najneprecizniju. oznaka za sumu. U odnosu na medijanu i mod mnogo je pouzdanija. N gdje je M X N Σ - aritmetička sredina. medijanu ćemo dobiti tako što ćemo izdvojiti rezultat koji se nalazi na samoj sredini (u slučaju kada distribucija ima paran broj rezultata.

aritmetička sredina ima svojih nedostataka – osjetljiva je na ekstremne rezultate. To mogu biti različite asimetrične distribucije. skjunis i kurtozis.Xmin. dok direktor prima 5000 KM. Xmax . standardna devijacija. čija je aritmetička sredina godina takođe 20. 46 . Mjere varijabilnosti Za potpunije opisivanje mjerenih pojava. sa svojom bakom koja je imala 65 godina. Od jednog prolaznika su čuli da na se na drugoj plaži nalazi pet ženskih osoba. 230. Formula za utvrđivanje ove mjere disperzije je: R = Xmax . i govori nam kolika je razlika između najveće i najmanje mjere u nizu. Ako za primjer uzmemo firmu u kojoj imamo sedam zaposlenih koji primaju sljedeće plate: radnici primaju 200. Raspon je prilično gruba mjera odstupanja. Naime tu se zaista nalazilo pet ženskih osoba. onda ta srednja vrijednost dosta vjerno reprezentuje mjerenu pojavu. 5. S druge strane. Ako su vrijednosti nekog niza mjera gusto grupisane oko srednje vrijednosti. koje su imale po 5.najveći dobijeni rezultat. ali se može koristiti kao dodatni opis mjerene pojave. ili polimodalne distribucije rezultata. što je već realniji podatak kojim bismo oslikali našu priču7. od kojih svaki ima 20 godina su provodili popodne na zabačenoj plaži. Primjetićemo da nam ta cifra ne odslikava pravo stanje u toj firmi. Ako izračunamo aritmetičku sredinu. 210.14 KM. R . onda smo u situaciji da nam ta srednja vrijednost ne govori mnogo o tendencijama mjerene pojave. pored mjera centralne tendencije. 220. disperzije) od centralnih mjera. ali su to bile četiri djevojčice. raspršenja. Najjednostavnija mjera varijabilnosti rezultata je raspon. Petorica mladića. već je na osnovu njega nezgrapno pokušao objasniti “statističke laži”. S druge strane. Kvartilnu devijaciju koristimo kad opisujemo distribucije koje odstupaju od normalne raspodjele.raspon.najmanji dobijeni rezultat. Xmin . ako uzmemo medijanu (centralnu vrijednost u nizu). reći ćemo da prosječna plata u toj firmi iznosi 907. 7 i 8 godina. Ne časeći ni časa njih petorica su krenuli prema drugoj plaži. međutim tamo nisu našli baš onakav prizor kakav su očekivali. 240 i 250 KM. Šteta je jedino što ga i Halmi (1999) pri navođenju nije iskoristio u istu svrhu.SPSS za psihologe i pedagoge 46 dobijena distribucija podataka i jer se tada interpretacije i zaključci baziraju na netačnim rezultatima rezultata Iako je statistički pouzdanija od moda i medijane. Matematički se izražava kao: 7 gdje je Kako aritmetička sredina kao mjera centralne tendencije može biti nepouzdan parametar koji predstavlja skup vrijednosti jedne varijable može se vidjeti iz sljedećeg primjera. varijansa. standardna greška aritmetičke sredine. Od statističkih mjera varijabilnosti se najčešće koriste raspon. Iz primjera je jasno da postoje situacije gdje je mod pouzdanije mjere centralne tendencije od aritmetičke sredine. navodimo i mjere variranja (odstupanja. to će biti 230 KM. ukoliko su odstupanja rezultata velika. i treba je koristiti uvijek kad je to moguće. kvartilna devijacija.

aritmetička sredina. Percentil predstavlja mjesto u distribuciji mjera ispod kojeg se nalazi određen procenat slučajeva.kvartilna devijacija. formula za izračunavanje σ izgleda ovako: σ= ∑( X − M ) N −1 2 .percentil 75. Matematički prikazano. odnosno treći kvartil. σ 47 . mjesto u distribuciji podataka ispod koga se nalazi 25% i percentil 75.treći kvartil. odnosno da je prvi kvartil jednak percentilu 25 i treći kvartil jednak percentilu 75. tako da je percentil 25.prvi kvartil.standardna devijacija. Sa obzirom da se standardna devijacija računa u odnosu na aritmetičku sredinu (nikad medijanu ili mod) i za nju važe uslovi: da dobijeni podaci potiču sa intervalne ili racio skale. 2 gdje je Q . gdje je: .pojedinačni skor ispitanika. M .percentil 25 i P75 . Q1 . Definiše se kao mjera varijabiliteta koja pokazuje koliko je odstupanje skorova distribucije od njene aritmetičke sredine. Standardna devijacija za najpreciznija i najpouzdanija mjera varijabilnosti pojava. odnosno prvi kvartil.SPSS za psihologe i pedagoge 47 Q= Q3 − Q1 . Standardna devijacija je specifična mjera varijabilnosti. Pri tome treba reći da je Q1 P25 i Q3 P75. mjesto u distribuciji podataka ispod koga se nalazi 75% ukupnih slučajeva. i pretpostavka o normalnoj raspodjeli mjera u populaciji. Imajući u vidu važnost standardne devijacije Sprinthall (1990) je opisuje kao srce i dušu koncepta varijabilnosti. X . i može se opisati kao kvadratni korijen iz prosječnog zbira kvadrata odstupanja. Q 3 . gdje je = = P25 .

V . Pošto se na varijabilnost neke pojave ne može uticati. 48 Standardna devijacija nam služi ne samo za prosti opis mjerene pojave.ukupan broj slučajeva mjerenja. Oznaka za standardnu grašku aritmetičke sredine je σ M ili SE M.oznaka za sumu. Varijansu je najjednostavnije predstaviti kao mjeru varijabilnosti koja je jednaka kvadriranoj vrijednosti standardne devijacije.varijansa . greška procjene se može smanjiti većim brojem mjerenja. u stvari se koristi aritmetičku sredinu dobijenu na određenom uzorku da bi se procijenila aritmetičku sredinu populacije.standardna devijacija. Zaključivanje o populacijskoj aritmetičkoj sredini će biti utoliko tačnije što je veći uzorak i što je mjerena pojava manje varijabilna. nego i za statistici zaključivanja. ali time ćemo se pozabaviti kasnije.standardna greška aritmetičke sredine .standardna devijacija . pa je njena formula: V= σ 2. Kada su zaključci koji se donose vezani za aritmetičku sredinu. N −1 gdje je 48 .ukupan broj slučajeva mjerenja. gdje je σ ili V= ∑( X − M ) 2 . a formula za njeno izračunavanje: σM = ili σ N σM = σ (za uzorke manje od 100). Σ . Greška koju se čini prilikom te procjene naziva se standardna greška aritmetičke sredine. N −1 gdje je σM σ N . ukoliko se ne može da obaviti mjerenje na svim članovima populacije (a to se gotovo nikad ne može). što nam onda pruža veće mogućnosti generalizacije zaključaka.SPSS za psihologe i pedagoge N .

Na osnovu njihovih vrijednosti se donose zaključci o odstupanja empirijske raspodjele od normalne krive. 2 gdje je Svojom vrijednosti skjunis izražava veličinu asimetrije. ukupan broj slučajeva mjerenja. pojedinačni skor ispitanika. 49 U osnovi varijansa i standardna devijacija predstavljaju istu mjeru varijabilnosti. Na osnovu vrijednosti skjunisa se vrši zaključivanje o pozitivnom ili negativnom odstupanju dobijene raspodjele podataka u odnosu na normalnu (horizontalno odstupanje). aritmetička sredina. dok svojim predznakom ukazuje na smjer asimetrije. Pored navedenih.SPSS za psihologe i pedagoge V X M N Σ varijansa. kao mjera varijabilnosti su vrlo važne i skjunis (skewness) i kurtozis (kurtosis). Formula za izračunavanja skjunisa je: Sk = Sk P90 P10 P50 skjunis precentil 90 percentil 10 percentil 50 P90 + P10 − P50 . pozitivan ili negativan. Kako je navedeno skjunis je statistik na osnovu kojeg se donosi zaključak o tome da li je empirijska raspodjela podataka pozitivno ili negativno asimetrična (iji jednostavnije rečeno da li distribucija podataka grafčki predstavljeno skreće u lijevu ili desnu stranu. postoje situacije u kojima statističke operacije sa varijansom dozvoljavaju analize koje bez učešća varijanse ne bi bile moguće. dok se na osnovu poznavanja vrijednosti kurtozisa zaključuje o odstupanju dobijene raspodjele po visini (vertikalno odstupanje). Šematski prikazane. Međutim. asimetrične distribucije izgledaju ovako: 49 . oznaka za sumu.

tj. P25 . tj.percentil 25. Dobijenu vrijednost se uvijek poredi sa vrijednosti 0. precentil 90. Formula za izračunavanje kurosisa je: Ku = Q Ku P90 P10 kvartilna devijacija. 2 Q . Ukoliko je dobijena vrijednost kurtozisa veća od 0. spljoštena.precentil 15.kvartilna devijacija P915 .263 onda je distribucija platikurtična. izduženog oblika. onda je distribucija leptokurtična. te distribucije izgledaju kao na slici: 50 . Ako je dobijena vrijednost manja od 0. Šematski prikazano. P90 − P10 Pri tome je: Q= gdje je Q . Vrijednost kurtozisa koja se izračunava je uvijek manja od jedan.SPSS za psihologe i pedagoge 50 Kao što je već rečeno prilikom izračunavanja kurtozisa se utvrđuje eventualno vertikalno odstupanje dobijene distribucije od normalne. kurtozis. Na osnovu raspodjele podataka i vrijednosti kurtozisa se utvrđuje da li postoji tendecija grupisanja podataka oko aritmetičke sredine ili se podaci raspršuju podjednako duž apscise.263.263 koliko iznosi kurtosis za normalnu krivu. percentil 10 P75 − P25 .

Nije zgoreg napomenuti da aritmetičku sredinu i standardnu devijaciju koristimo ukoliko imamo podatke koji zadovoljavaju uslove intervalne ili racio skale. medijana i aritmetička sredina. Znači. kvartilna odstupanja i mjere zakrivljenosti dobijene distribucije podataka.. Ku = . Za primjer ćemo uzeti rezultate sa skale autoritarnosti kao osobine ličnosti. Sad treba da vidimo kako ćemo računanja ovih mjera centralne tendencije i varijabilnosti obaviti u SPSS-u. 51 . mjere centralne tendencije i odstupanja ćemo tražiti na sličan način kao i kod frekvencijskih tabela: preko menija Analyze/Descriptive Statistics/Frequencies. zanimaju nas mod.SPSS za psihologe i pedagoge 51 Ku < .normalna kriva.leptokurtična kriva.263 . Ukoliko radimo na podacima sa ordinalne skale..platikurtična kriva. i možemo da isključimo kućicu Display frequency tables da na bismo gledali neželjeno velike frekvencijske tabele.263 .263 . koja je primijenjena na uzorku od 496 ispitanika. Ku > . a od mjera odstupanja tu su standardna devijacija.

idemo na meni Analyze/Descriptive Statistics/Descriptives i unesemo u desni prozor željenu varijablu (u našem slučaju to je skor na skali autoritarnosti)..a zatim ćemo pritisnuti dugme Statistics. Ako želimo prikaz aritmetičke sredine i standardne devijacije za intervalne ili racio podatke. kao i drugih mjera opisa.. 52 .SPSS za psihologe i pedagoge 52 . i zabraćemo neke od mjera koje želimo.

663 Skewness Statistic -0.263 na onsnovu čega zaključujemo da je kriva empirijske distribucije izdužena u odnosu na normalnu.389 Std. tj. dobićemo sljedeći ispis: Descriptives Descriptive Statistics N Range Minimum Statistic 50 18 Maximum Statistic 68 Statistic 47. vrijednost minimalnog skora je 18. 53 . Raspon rezultata iznosi 50. Kad na kraju potvrdimo sa OK.325 što znači da je naša distribucija negativno asimetrična (skreće na lijevu stranu). dok standardna devijacija iznosi 8. Za početak su označene aritmetička sredina (Mean). raspon Range). standardna devijacija.SPSS za psihologe i pedagoge 53 Da bi vidjeli koje statističke mjere su nam na raspolaganju. Error 0. leptokurtična.991 Mean Std. Ukoliko želimo da vidimo zakrivljenost naše distribucije možemo uključiti i mjere zakrivljenja (Kurtosis i Skewness).AUT Valid N (listwise) 495 495 Iz tabele možemo vidjeti da imamo 495 ispitanika čiji su rezultati uzeti u obradu. kliknemo na dugme Options i dolazimo do izbora mjera.E.66. Deviation Statistic 8.389. Vrijednost aritmetičke sredine je 47. Kurtosis je manji od 0. minimum i maksimum. da bismo vidjeli da li značajno odstupa od normalne raspodjele mjera.0193 Statistic Statistic SKOR.98. Skewness iznosi –0. a njena standardne greške 0.325 Kurtosis Statistic -0. a maksimalnog 68. standardna greška aritmetičke sredine (S. mean).

54 . Za početak su odabrane aritmetičke sredine (Means). gdje je predmet interesovanja razlika u stepenu informatickih znanja kod ljudi različitih uzrasnih skupina. U Independent List ubacimo kategoričku varijablu u kojoj se nalaze informacije o našim poduzorcima (u našem slučaju to je varijabla starost). ali nas ništa ne spriječava da izaberemo bilo koju drugu mjeru koja nas zanima. ili da se uporede prosjeci učeničkih ocjena po razredima osnovne škole. i u okvir iznad kojeg piše Dependent List ubacimo varijablu čije skorove želimo porediti (u našem slučaju to je rezultat na testu znanja iz informatike). To recimo može biti slučaj kad se žele uopšteno uporediti postignuća muških i ženskih ispitanika na nekom testu. standardne devijacije (Standard Deviation) i broj slučajeva (Number of Cases) i. Najjednostavniji je sljedeći: Idemo na meni Analyze/Compare Means/Means. Postoji više načina da se ovo uradi u SPSS-u. Time se dobija prozor na čijoj lijevoj strani se nalaze mjere koje su na raspolaganju. a s desne strane je okvir u koji se unose parametri koje želimo da razmotrimo.SPSS za psihologe i pedagoge Deskriptivne mjere za dva ili više uzoraka 54 Često se javlja potreba za upoređenjem deskriptivnih mjera dvaju ili više poduzoraka u okviru jednog istraživanja. Da bismo odabrali deskriptivne mjere koje želimo vidjeti. pritisnemo dugme Options. Mi ćemo za primjer uzeti jedno ispitivanje koje se bavilo znanjem iz oblasti informatickih tehnologija. te smo mi odabrali još i medijanu (Median) i minimalan i maksimalan rezultat na testu.

0000 15.43117 6.00 14.00 39. Druga tabela (Report) daje prikaz deskriptivnih statističkih mjera koje smo tražili. medijana.00 14. i koliko ispitanika je imalo valjane podatke.29 godina 30 .1127 15. izvještava o tome koje varijable se ukrštaju (u našem slučaju to su znanje iz informatike i starost).63443 4.0000 14. σ . već uobičajeno.00 41.00 41.8% N 5 Excluded Percent 1.00 Maximum 38. N.57532 Median 26.00 14.00 14.SPSS za psihologe i pedagoge 55 Kao rezultat dobijamo sljedeći ispis: Means Case Processing Summary Cases Included N znanje iz informatike * STAROST 401 Percent 98. odnosno koliko je ispitanika uzeto u obradu.2% N 406 Total Percent 100.62201 6. Deviation 5.00 41. možemo obaviti i uvid u dobijene rezultate.97217 7.0000 24.0000 Minimum 14. min i max).1882 24.49 godina preko 50 godina Total Mean 26.0000 17.00 38.0000 21.0323 22.00 Prva tabela (Case Processing Summary) nas.20 godina 21 .0% Report znanje iz informatike STAROST 18 . Pošto vidimo da su sve na broju (AS.7458 20. U koloni Means vidimo da je stepen poznavanja 55 .39 godina 40 .49061 7.5112 N 85 177 37 71 31 401 Std.00 14.0000 14.

kolona N pokazuje broj ispitanika po kategorijama. tj.96 SE Ku gdje je Sk SESk Ku SEKu p 2. naravno. Na kraju (samo po redoslijedu navođenja. u kategoriji starosti od 30 do 39 148 ispitanika i u u kategoriji starosti od 40 do 49 njih 17). Znači. ∨ ⇒ p  . Testiranje normalnosti distribucije podataka Već smo vidjeli da je za veliki broj statističkih analiza neophodno ustanoviti da li distribucija dobijenih podataka zadovoljava uslov normalnosti. odnosno 0. najmanji dobijeni skor je jednak u svim grupama.96 1 SESk ∨ Ku  1. Jedan od načina je da se (već predstavljene) deskriptivne mjere odstupanja. prate vrijednosti aritmetičkih sredina po kategorijama ispitanika.05 vrijednost sa kojom se poređenje vrši na nivou značajnosti p<. Poređenje se dalje može vršiti i na osnovu drugih dobivenih statističkih mjera.96 skjunis standardna greška skjunisa kurtozis standardna greška kurtozis a oznaka za statističku značajnost vrijednost sa kojom se poređenje vrši na nivou značajnosti p<. skjunis i kurtozis podijele sa njihovim standardnim greškama.58 SE Ku i Sk  . npr.01) odstupa od normalne krive.01 ⇒ p  . već prije svega ukazuje na to da li je smisleno porediti grupe (ako su razlike u broju članova poduzoraka velike. može zaključiti da je najveće prosječno odstupanje rezultata prisutno u grupi ispitanika starosti između 30 i 39 godina. za odluku da li će se u razmatranju određenih podataka primijeniti neki parametrijski ili neparametrijski test). Provjera eventualnog odstupanja empirijske od normalne distribucije se može izvršiti na više načina.01. Sk  2.96 ili 2. da li u dovoljnoj mjeri podražava normalnu raspodjelu (npr. nikako i važnosti podataka koje sadrži). Tako vrijednosti medijane. recimo.58 SESk Ku  2. Dalje se. dok su najveći skorovi dobijeni u grupama ispitanika starosti od 21 do 29 i od 40 do 49 godina.05 56 .58.05. što je vrlo važno ne samo jer pruža informaciju o brojnosti kategorija.58 1.SPSS za psihologe i pedagoge 56 oblasti informatike veći kod mlađih ispitanika i da progresivno opada sa porastom starosne dobi ispitanika. Ukoliko bilo koja od dobijenih vrijednosti bude veća od 1. zaključuje se da empirijska distribucija značajno (na nivou 0.

U okviru Kolmogorov-Smirnov testa se vrši poređenje empirijske i teorijske distribucije. Treba da potvrdimo opcije Histogram i Normality plots with tests. Mi ćemo za primjer uzeti naš već opisani slučaj sa skalom autoritarnosti. Ovo će nam dati grafički prikaz raspodjele naših rezultata u formi histograma. U ovom postupku se uzima u obzir ono mjesto u kome se dvije raspodjele najviše razlikuju.aut koja je rezultat na nekoj skali autoritarnosti). Sljedeći korak je da idemo na opciju Plots u donjem dijelu prozora. ovaj put nećemo to objašnjavati. van granica slučajnosti.SPSS za psihologe i pedagoge 57 Sljedeći način testiranja eventualnog odstupanja empirijske raspodjele od normalne bi bio uz pomoć Hi-kvadrat (χ2) testa. a zatim ispituje da li ta najveća vrijednost razlike empirijske i teorijske distribucije (Dmax) statistički značajno odstupa od normalne. a dobićemo i statističke testove normalnosti. Potrebno je za početak otići na meni Analyze/Descriptive Statistics/Explore i da varijablu čiju distribuciju želimo da testiramo ubacimo u okvir gdje piše Dependent List (u našem slučaju to je varijabla skor. ali pošto je to dosta komplikovano uraditi u okviru SPSS-a. Kolmogorov-Smirnov test je još jedan od mogućih načina provjeravanja empirijske distribucije. 57 .

AUT 495 Percent 97.38942 N 12 Missing Percent 2.AUT Mean 95% Confidence Interval for Mean Lower Bound Upper Bound 47.4% N 507 Total Percent 100. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis 58 .7570 48.SPSS za psihologe i pedagoge 58 Dobićemo sljedeći ispis: Explore Case Processing Summary Cases Valid N SKOR.110 . .008 Statistic .1768 48.2268 48.00 12.00 50.0000 -.065 8.66399 18.0000 75.005 . . Error .9919 47.AUT .0% 5% Trimmed Mean Median Variance Std.6% Descriptives Statistic SKOR.326 -.219 Std.048 a Lilliefors Significance Correction df 495 Sig.991 Shapiro-Wilk df 495 Sig.019 Tests of Normality Kolmogorov-Smirnov(a) Statistic SKOR.00 68.

01. prve tri kolone predstavljaju izvještaj o obavljenom Kolmogorov-Smirnov testu.0 45.048). Histogram koji smo dobili nam može ponešto reći o dobijenim podacima.AUT Prva tabela nam govori o broju valjanih podataka uzetih u obradu. Tabela takođe pokazuje da je radjen i drugi test eventualnog odstupanja empirijske raspodjele od normalne krive i da on takođe ukazuje na statistički značajno odstupanje testirane raspodjele od normalne (Shapiro-Wilk). Vidimo da se veći broj ispitanika gomila na gornjem dijelu naše skale. ukoliko skewness podijelimo sa njegovom standardnom greškom dobijamo: -0.0 30. Budući da je p (odnosno Sig. U okviru te tabele.00 SKOR.01) odstupa od normalne. gdje takođe potvrđujemo značajno odstupanje dobijene od normalne raspodjele. nam govori o značajnosti utvrđenog odstupanja (u našem slučaju 0. i donosimo zaključak da naša distribucija statistički značajno (na nivou značajnosti od 0.66 Mean = 48.0 50. pod nazivom Test of Normality. Takođe. on nam zasad nije potreban.0 55. a hipoteza je bila da naša distribucija ne odstupa značajno od normalne.008). odbacujemo postavljenu hipotezu.0 70.0 40. što znači da su rezultati za našu ispitivanu populaciju negativno asimetrični. odnosno varijabilnost negativne strane je povećana.0 25.SPSS za psihologe i pedagoge 59 Histogram 120 100 80 60 40 Frequency 20 0 20.110 = -2.0 N = 495. u SPSS-u) manje od 0. Dok se u drugoj tabeli nalaze deskriptivne statističke mjere razmatrane distribucije koje smo odabrali o okviru opcije Statistics. u trećoj (onoj koja nas najviše zanima) dobijamo izvještaj o distribuciji koju testiramo. a kolona Sig. No.0 60. budući da je on predviđen za uzorke od 50 ili manje ispitanika (u našem slučaju ih ima 495).96. Dev = 8.0 65. Kolona Statistic kaže kolika je izračunata mjera odstupanja naše distribucije od normalne (u našem slučaju 0. 59 .0 Std.326/0.0 35. a druga o generalnim deskriptivnim podacima za našu skalu.

SPSS za psihologe i pedagoge 60 Testiranje značajnosti razlika aritmetičkih sredina Jedna od najčešćih razmatranja s kojima se istraživači bave u okviru analize podataka jesu testiranja značajnosti razlika aritmetičkih sredina između uzoraka. poslužićemo se nekim od statističkih testova konstruisanih u tu svrhu. pod uslovom da su zadovoljaeni uslovi za primjenu parametrijskih testova. zaključuje se sa mogućnosti greške manjom od 1% ili 5%. definisanja intervala pouzdanosti oko te razlike i procjene značajnosti te razlike.da podaci podržavaju normalno raspodjeljuju Da li se radi o nezavisnim ili zavisnim uzorcima? Da li postoji dvije ili više grupa ispitanika? Ovi podaci će odrediti vrste statističkih testova koji se mogu koristiti. leži procjenjivanje njene standardne greške. Da bismo radili testiranje značajnosti razlika između izraženosti pojava potrebno je da znamo nekoliko stvari: Da li podaci zadovoljavaju uslove primjene parametrijskih testova? . rezultat slučajnih činilaca. ili su. a vidjećemo da ih ima mnogo. Na osnovu rezultata testiranja razlika.da podaci sa kojima se barata potiču bar sa intervalne skale . Ukoliko test pokaže značajnu razliku između aritmetičkih sredina. odnosno nisu u korelaciji. Formula za njegovo izračunavanje je: 60 . pak. uz mogućnost prisustva greške manjom od 1% ili 5% donosi se zaključak da su uzorci heterogeni. onda koristimo t-test za nezavisne uzorke. U pozadini ovog postupka testiranja značajnosti razlika između aritmetičkih sredina. odnosno da su nastale razlike rezultat dejstva nekog sistematskog faktora. Ukoliko postoji potreba da se izvrši testiranje razlika između aritmetičkih sredina dvaju nezavisnih uzoraka. odnosno da su nastale razlike rezultat slučajnih faktora. Testiranje značajnosti razlike između dva uzorka T – test za nezavisne uzorke Kao prvo treba reći da se pod nezavisnim uzorcima podrazumijevaju se oni uzorci koji nakog izvršenog mjerenja ne stoje ni u kakvom pravilnom odnosu. gotovo sigurno će njihove vrijednosti biti različite. da su uzorci homogeni (pripadaju istoj populaciji). mogu se izvesti dva zaključka: 1. 2. Da bi se utvrdio da li te razlike potiču od nekih sistematskih faktora. Ukoliko se žele uporediti aritmetičke sredine dobijene na dva uzorka iz iste populacije. u zavisnosti od toga da li rezultat bude značajan ili ne. Ukoliko test ne pokaže statistički značajnu razliku između aritmetičkih sredina uzoraka.

Imaćemo jednu kategoričku varijablu – pol. Potrebno je da idemo na opciju Analyze/Compare Means/IndependentSamples T Test.(apsolutna razlika između AS) σ DM . prihvata se hipoteza o postojanju značajnih razlika između uzoraka. Test Varijable je naša zavisna varijabla (skor na testu iz engleskog jezika u našem slučaju).01. Kliknemo na dugme Define i moći ćemo da nastavimo. σ DM 61 t= gdje je: t . skor na testu znanja iz engleskog jezika. Za primjer ćemo uzeti testiranja značajnosti polnih razlika u postignuću na testu iz engleskog jezika na više raznih fakulteta. a Grouping Variable je nezavisna varijabla (u našem slučaju to je pol). može imati više od dva modaliteta.standardna greška razlike između AS.58 za velike uzorke. koje iznose 1. i drugu numeričku (intervalnog nivoa).05 i .96 i 2. gdje je σ DM = σ M 1 2 + σ M 2 2 . jer SPSS podrazumijeva da nezavisna varijabla koja je kategorička. Moraćemo da definišemo koje grupe poredimo.SPSS za psihologe i pedagoge DM .t-test DM = M 1 − M 2 . i ukoliko izlazi izvan okvira neke od ovih vrijednosti. 61 . pri čemu je σ M1 = σ1 N1 i σM2 = σ2 N2 Dobijenu vrijednost t-testa se mogu porediti sa vrijednostima intervala pouzdanosti .

000 -1.05. Kad je vjerovatnoća veća od . Potvrdimo sa Continue. Druga tabela (Independent Samples Test) je nešto složenija.106).344 poena u prosjeku). Prvo treba da pogledamo rezultate Levenovog testa jednakosti varijansi.3691 -2.643 214 . Vidimo da ukupno ima 88 muških i 128 ženskih ispitanika. ali i da je varijabilnost rezultata veća kod ženskih ispitanika (kolona Std.000 -1. Kad smo definisali grupe i potvrdili sve. Već smo vidjeli iz prve tabele da djevojke postižu nešto bolje rezultate od mladića (za 1. Da je značajnost Levenovog testa bila manja od .643 (predznak nam nije bitan. Deviation 2. t df t-test for Equality of Means Sig.0719 -3.2512 Rezultat testa iz engleskog Independent Samples Test Levene's Test for Equality of Variances F Sig.763 205. (2tailed) Mean Difference Std. Deviation).641 . rezultate bismo očitavali iz drugog reda (Equal variances not assumed).648 23.2542 . dobijamo sljedeći ispis kao rezultat našeg testiranja: T-Test Group Statistics POL muski zenski N 88 128 Mean 22.6170 Rezultat testa iz engleskog Equal variances assumed Equal variances not assumed 2. Error Mean . Takođe vidimo da je prosječni rezultat na testu iz engleskog manji kod muških nego kod ženskih ispitanika (kolona Mean).6400 Prva tabela (Group Statistics) koju smo dobili daje nam deskriptivne mjere za naša dva uzorka.8416 Std.3573 -2.SPSS za psihologe i pedagoge 62 Pošto smo mi definisali modalitete naše varijable tako da 1 označava ženski.0490 -.05 (u našem slučaju to je 0.992 Std.3843 2. Error Difference 95% Confidence Interval of the Difference Lower Upper -. ali da li je ta razlika statistički značajna? Veličina statistika t od –3. u obzir se uzima apsolutna veličina) i 62 . te vrijednosti ćemo upisati u kućice.344 . onda zaključujemo da se pretpostavljaju jednake varijanse u okviru naših subpopulacija i očitavamo rezultate iz prvog reda (Equal variances assumed).582 .106 -3.344 . a 2 muški pol.

01). Idemo na meni Analyze/Nonparametric Tests/2 Independent Samples. Moramo definisati grupe u okviru nezavisne varijable na isti način kao što smo to opisali kod t testa. ali za sad ćemo ostati kod ovoga. Mi ćemo za primjer uzeti polne razlike u osobini autoritarnosti (ta varijabla. Testiranje t-testom možemo obaviti na više načina u SPSS-u. Mann – Whitneyjev U-test U slučaju kad imamo dva nezavisna uzorka koji ne zadovoljavaju uslove za primjenu parametrijskog t testa. ne zadovoljava uslov normalnosti za primjenu parametrijskih testova).SPSS za psihologe i pedagoge 63 njegova značajnost od . pokazalo se ranije.000 (znači manje od . potvrdimo sa OK.AUT 63 . i ubacimo zavisnu varijablu u okvir gdje piše Test Variable List. a nezavisnu varijablu u okvir Grouping Variable. za testiranje značajnosti razlike koristimo neparametrijski ekvivalent.36 Sum of Ranks 55562. i dobijamo sljedeći ispis: NPar Tests Mann-Whitney Test Ranks pol muski zenski Total N 220 275 495 Mean Rank 252.00 SKOR. Potrebno je da imamo podatke koji potiču bar sa ordinalne skale. nam govori da su razlike između aritmetičkih sredina statistički značajne. a to je Mann-Whitneyjev test.05 i od .55 244.00 67198. Kad smo sve uradili.

gdje se formiraju dvije grupe ispitanika koje se ujednačavaju po nekim. ali te podatke možemo dobiti na način kako je to opisano u poglavlju Deskriptivne mjere za dva ili više uzoraka. r1. za to istraživanje.standardna greška razlika između aritmetičkih sredina. kontrolnoj grupi izostaje djelovanje nezavisne varijable. U oba slučaja rezultati mjerenja su u korelaciji.000 67198.. Drugi slučaj se naziva "metodom ekvivalentnih grupa". dok u drugoj.634 .2 .standardna greška aritmetičke sredine prvog uzorka (može se još o označaiti i sa SE1) Statistik t se računa na isti način kao i kod nezavisnih uzoraka: 64 .00) i njegova značajnost (u našem slučaju 0. relevantnim kriterijumima (npr. Prvi slučaj takvog nacrta se naziva metodom iste grupe". bilo zato što su različite grupe ispitanika ujednačene po nekom (za mjerenu varijablu) relevantnom kriterijumu. Znači ustanovili smo da kod naših ispitanika ne postoje statistički značajne razlike u autoritarnosti između muškaraca i žena.000 -. Kod zavisnih uzoraka standardnu grešku razlika između aritmetičkih sredina se računa na sljedeći način: σ DM = σ M 1 2 + σ M 2 2 − 2 * r1. mjere raspršenja i centralnih tendencija. da limaju brace i sestara. bilo zato što su u pitanju isti ispitanici.mjera linearne korelacije između dva uzorka. Sig. T – test za zavisne uzorke Zavisnim uzorcima smatramo one uzorke čije mjere su na neki način u korelaciji.standardna greška aritmetičke sredine prvog uzorka (može se još označaiti i sa SE1) . 2 * σ M1 * σ M 2 . i to je veličina MannWhitney U statistika (u našem slučaju 29248.). (2-tailed) a Grouping Variable: pol 29248. gdje je . gdje se ispitivanje pojave obavlja na istoj grupi ispitanika prije i poslije uvođenja dejstva nezavisne varijable. Ovaj test nam nije prikazao deskriptivne mjere koje nas zanimaju. U praksi se sa ovakvim uzorcima najčešće srećemo kad projektujemo neku od dvije osnovne vrste eksperimentalnih nacrta.. Nakon toga se vrši mjerenje pojave.AUT Mann-Whitney U Wilcoxon W Z Asymp. uzrast.526). . koju nazivamo eksperimentalnom grupom.526 Ono što nas zanima je u drugoj tabeli (Test statistics). školske ocjene.SPSS za psihologe i pedagoge 64 Test Statistics(a) SKOR.. Dejstvo nezavisne varijable uvodi se u jednu grupu.

Deviation 2. dobijeni rezultat se poredi sa granicama 1.SPSS za psihologe i pedagoge DM . Recimo da smo imali slučaj da trebamo provjeriti znanje iz engleskog jezika prije i poslije kursa iz engleskog jezika koga su studenti slušali na fakultetima. i mi treba da uporedimo te rezultate i zaključimo da li je nastava iz jezika doprinijela boljem znanju.19323 Paired Samples Correlations 65 .7402 2. U našem slučaju to su rezultati na testu prije (skor.1864 .3194 N 216 216 Std. pri čemu broj stepeni slobode dobija po obrascu: df = N-1.eng2). .58. a ukoliko su grupe manje – onda se granice intervala pouzdanosti očitavaju iz odgovarajućih tablica. σ DM 65 t= gdje je t – t-test . Kad smo na kraju potvrdili svoj izbor. Treba da idemo na meni Analyze/Compare Means/Paired-Samples T Test. Ista grupa od 216 studenata . Error Mean .eng) i poslije kursa (sk. selektujemo dvije varijable čije rezultate želimo da poredimo. prije i poslije kursa.standardna greška razlika između aritmetičkih sredina Ukoliko se istraživač susreće sa velikim grupama.444 25.razlika aritmetičkih sredina. i unesemo ih u okvir gdje piše Paired Variables. znači.83988 Std. dobijamo sljedeći ispis: T-Test Paired Samples Statistics Mean Pair 1 Rezultat testa iz engleskog prije kursa Rezultat testa iz engleskog poslije kursa 23.96 i 2. radila je dva puta isti test.

standardnu devijaciju). kao i druge podatke (broj ispitanika. . Znači. unaprijedili svoje znanje. Druga tabela (Paired Samples Correlations) nam govori kolika je povezanost između rezultata na prvom i drugom testu. Vidimo da su na prvom testu ispitanici postizali u prosjeku 23.03643 -1. a na drugom testu (poslije kursa) u prosjeku 25.982. U realnosti gotovo nikad nećete naići na povezanosti ovoe veličine.000 t df Sig. možemo reći da se prosječni rezultati značajno razlikuju.Rezultat testa iz engleskog poslije kursa -1.472 (opet nam predznak nije bitan). Error 95% Confidence Interval Deviation Mean of the Difference Lower Pair 1 Rezultat testa iz engleskog prije kursa .000. U našem slučaju ta korelacija iznosi veoma visokih 0.9468 Upper -1.444 bodova. Možemo vidjeti da u našem slučaju veličina t iznosi -51.53538 . a da je njegova vjerovatnoća 0. 66 .SPSS za psihologe i pedagoge N Pair 1 Rezultat testa iz engleskog prije kursa & Rezultat testa iz engleskog poslije kursa 216 Correlation .8750 .87 poena u prosjeku. budući da su naši rezultati izmišljeni – to je prihvatljivo :-) U trećoj tabeli (Paired SamplesTest) nas zanima prvenstveno statistik t i njegova vjerovatnoća (Sig. Iz nje možemo vidjeti kolika su prosječna postignuća na testu prije i poslije kursa (Mean). ali.472 215 . Std. što znači da su ostvarili napredak od 1.319. što bi značilo da je gotovo svaki ispitanik popravio svoje znanje iz engleskog za istu količinu.8032 -51.982 Sig. (2tailed) Mean Prva tabela (Paired Samples Statistics) nam daje deskriptivne statističke mjere za naše zavisne uzorke.).000 66 Paired Samples Test Paired Differences Std. odnosno da su studenti (najvjerovatnije) zbog pohađanja kursa engleskog jezika.

eng i sk.SPSS za psihologe i pedagoge Test predznaka 67 Kad imamo dva zavisna uzorka. koristimo neparametrijski ekvivalent. Sig.eng2).Rezultat testa iz engleskog prije kursa Negative Differences(a) Positive Differences(b) Ties(c) Total 6 209 1 216 a Rezultat testa iz engleskog poslije kursa < Rezultat testa iz engleskog prije kursa b Rezultat testa iz engleskog poslije kursa > Rezultat testa iz engleskog prije kursa c Rezultat testa iz engleskog poslije kursa = Rezultat testa iz engleskog prije kursa Test Statistics(a) Rezultat testa iz engleskog poslije kursa . a isključimo ostale opcije. i to činimo tako što u donjem dijelu prozora izaberemo opciju Sign. Nakon što potvrdimo svoj izbor sa OK.Rezultat testa iz engleskog prije kursa Z Asymp. (2-tailed) -13. a koji ne zadovoljavaju uslove za primjenu parametrijskog testa za testiranje značajnosti razlike. Ovaj test ne postavlja uslove u pogledu normalnosti distribucije. dobijamo sljedeći ispis: NPar Tests Sign Test Frequencies N Rezultat testa iz engleskog poslije kursa . a mi ćemo za primjer uzeti isto ispitivanje kao i u poglavlju T test za zavisne uzorke. Izabraćemo opciju Analyze/Nonparametric Tests/2 Related Samples. Sljedeći korak je da odaberemo odgovarajući test. a to je test predznaka (Sign Test). i u okvir Test Pair List unijećemo par varijabli čije vrijednosti poredimo (u našem slučaju to su skor.776 .000 67 . znači testiranje razlika u postignuću na testu engleskog prije i poslije kursa engleskog jezika na fakultetu.

u našem primjeru tabela nam govori sljedeće: .jednakih vrijednosti obe varijable (Ties) ima 1 Druga Tabela nam govori o veličini statistika Z. (u našem slučaju –13. možemo reći da su rezultati na testu iz engleskog kod naših ispitanika poslije kursa značajno veći nego prije kursa.SPSS za psihologe i pedagoge a Sign Test 68 Prva tabela (Frequencies) nas izvještava o detaljima naših podataka. Pošto se ovaj test bazira na poređenju veličina dvije varijable kod ispitanika.000). koji uzima u obzir zbir razlika predznaka.slučajeva kad druga varijabla ima veću vrijednost (Positive Differences) ima 209 . i sabiranju broja pozitivnih i negativnih razlika. 68 . Znači.776) i njegovu vjerovatnoću (u našem slučaju 0.slučajeva kad druga varijabla (u našem slučaju to su rezultati na testu poslije kursa) ima manju vrijednost (Negative Differences) ima 6 .

ali u slučaju kad imamo više nezavisnih grupa – broj poređenja ttestom može biti veliki: ako imamo tri grupe. dobijamo tri para za poređenje. koju dobijamo kad kvadriramo standardnu devijaciju: v =σ2 Primjer slučaja kad je varijansa između grupa veća od unutargrupne varijanse. i tako dalje. što bi značilo da grupe ne pripadaju istoj populaciji: Primjer slučaja kad je varijansa između grupa manja od unutargrupne varijanse. što bi značilo da grupe pripadaju istoj populaciji: Značajnost razlika između aritmetičkih razlika utvrđujemo uz pomoć F-testa. za četiri grupe tu je šest parova za poređenje. kojim utvrđujemo odnos između dviju varijansi: 69 . Ukoliko smo već upoznati sa t-testom kao statističkom mjerom za poređenje aritmetičkih sredina. mogli bismo zaključiti da testiranje možemo obaviti i na taj način. Kao primjer možemo uzeti slučaj kada želimo da poredimo postignuća na nekom testu kod više nezavisnih grupa ispitanika. što u našem slučaju može biti postignuće na testu iz engleskog jezika kod studenata tri različita fakulteta. Rečenica kojom bismo saželi ideju analize varijanse glasi: da li su varijacije između grupa veće od varijacija unutar grupa koje poredimo? Statistička mjera variranja koju ćemo upotrijebiti u ovom slučaju je varijansa.SPSS za psihologe i pedagoge Značajnosti razlika između više uzoraka Analiza varijanse 69 Analiza varijanse je statistička procedura koja nam omogućava da testiramo razlike između aritmetičkih sredina dvaju ili više uzoraka.

suma kvadrata odstupanja između grupa Ako za primjer uzmemo slučaj testiranja razlika u postignuću na testu iz engleskog jezika između 216 studenata tri fakulteta (naknadno ćemo isti ovaj primjer uraditi uz pomoć SPSS-a): df Između grupa (b) Unutar grupa (w) Ukupno (T) 2 (df =broj grupa – 1) 215 (broj ispitanika – 1) 217 Sume kvadrata odstupanja (SS) 145.326 1614.suma kvadrata odstupanja unutar grupa SSb .898 Na osnovu odgovarajuće tabele.503 6.333 Varijansa (v = SS/df) 72. ili nekim od SPSS-ovih post-hoc testova za detekciju razlika između pojedinačnih parova poduzoraka. U slučaju da ustanovimo da je F statistik značajan. a sve to ćemo dobiti preko suma kvadrata odstupanja rezultata od aritmetičkih sredina: SS T = SS w + SS b gdje su: SST – ukupna suma kvadrata odstupanja SSw .SPSS za psihologe i pedagoge 70 Varijansa između grupa F= Varijansa unutar grupa Analizu varijanse radimo uz pomoć razlaganja ukupne varijanse na komponente. ili samo između nekih? Tada se koristimo t-testom.51 6. da li između svih mogućih parova. Na kraju izračunavamo F kroz formulu: F = 70 .898 72. koju možemo naći u osnovnim udžbenicima iz statistike. onda trebamo utvrditi između kojih grupa postoje značajne razlike.007 1469. očitavamo granice značajnosti i donosimo zaključak o statističkoj značajnosti razlika.503 = 10.

0 16.6598 2.3072 .786 23.5 29.181 23. ići ćemo korak po korak pa ćemo vidjeti šta ćemo dobiti. poredićemo postignuće na testu iz engleskog jezika studenata različitih fakulteta. 71 Specifičnost analize varijanse jeste to da će nam ona za rezultat pokazati postoji li između nekih grupa statistički značajna razlika.931 23. Sada ćemo vidjeti kako ćemo statističko testiranje obaviti uz pomoć SPSS-a.SPSS za psihologe i pedagoge Jednofaktorska univarijantna analiza varijanse za nezavisne uzorke Jednofaktorsku univarijantnu analizu varijanse radimo kad imamo jednu kategoričku varijablu (faktor) sa dva ili više modaliteta. Deviation Std. i drugu varijablu intervalnog nivoa i normalne raspodjele rezultata.503 6.5 Minimum Maximum ANOVA Rezultat testa iz engleskog Sum of Squares Between Groups Within Groups 145.3078 .6071 2. U našem primjeru varijabla fakultet ima 3 modaliteta (filozofski. medicinski i tehnološki).007 1469. Error 95% Confidence Interval for Mean Lower Bound tehnoloski medicinski filozofski Total 72 72 72 216 23. .510 Sig.5 17. No.604 24.7402 .000 71 .812 16.444 2. Najjednostavniji način da to učinimo jeste na sljedeći način: Idemo na Analyze/Compare Means/One Way ANOVA i u Dependent List unesemo našu zavisnu varijablu (skor na testu engleskog u našem slučaju).561 21. i može pojaviti do tri razlika (tri su moguća poređenja).556 23.218 25.174 22.5 28.0 19.077 Upper Bound 23.5 27.990 23.1864 22.898 F 10.3135 .0 29. a pod Factorunesemo nezavisnu varijablu (fakultet u našem slučaju). Mi ćemo za primjer uzeti opet naš test iz engleskog.6122 2. ali nam ne može reći između koji grupa.326 df 2 215 Mean Square 72. Kao ispis naše analize varijanse dobijamo: Oneway Descriptives Rezultat testa iz engleskog N Mean Std.

01). studenti tehnološkog fakulteta nešto manje. N je broj ispitanika. Mean je aritmetička sredina. Ako želimo da znamo između kojih fakulteta konkretno postoje razlike.000 (znači statistički značajno na nivou 0. 72 . a značajnost je 0. Ipak. većina će nam dati slične rezultate. Mi ćemo izabrati LSD test i potvrditi naš izbor sa Continue. s tim da nam je nezavisna varijabla ovaj put fakultet. prva tabela (Descriptives) nam daje deskriptivne podatke o našim poduzorcima. filozofski-tehnološki i medicinski-tehnološki. to možemo učiniti uz pomoć t-testa. Trebali bi se vratiti na poglavlje T-test za nezavisne uzorke i uraditi sve kako je tamo opisano. Ovde se nalazi grupa posthok testova za ispitivanje međugrupnih razlika. Imaćemo tri moguća poređenja: filozofski-medicinski. čije modalitete upisujemo pod Define Groups. U našem primjeru možemo vidjeti da su studenti filozofskog fakulteta postigli najviše.333 216 72 Kao što smo navikli. Iako se zasnivaju na različitim matematičkim procedurama.510.Deviation standardna devijacija. Možemo reći da se statistički značajno razlikuju studenti ova tri fakulteta po postignuću na testu iz engleskog jezika.SPSS za psihologe i pedagoge Total 1614. za brzi uvid u te razlike poslužićemo se opcijom Post Hoc kad radimo analizu varijanse (dugme pod tim nazivom u donjem dijelu prozora). a studenti medicinskog fakulteta najmanje rezultate na testu iz engleskog jezika. a Std. Druga tabela (ANOVA) nam daje rezultate testa: očitavamo vrijednost mjere F i njenu značajnost. U našem slučaju F=10.

). ali mi biramo Kruskal-Wallis H test.569 -1.4377 . kolika je razlika u prosječnom postignuću na testu (Mean Difference). Kruskal Wallis test Ovaj test nam služi za utvrđivanje značajnosti razlika između dve ili više mjerenih osobina.814 * The mean difference is significant at the . i značajnosti tih razlika (Sig.SPSS za psihologe i pedagoge 73 Kao rezultat ćemo dobiti iste dve tabele kao što je prethodno opisano za analizu varijanse.089 2.002 .002 . Nakon toga je potrebno kliknuti na dugme Define Range i definisati koji je raspon vrijednosti nezavisne varijable.814 .089 Upper Bound 1. Mi ćemo kao primjer istraživanje u kojem je ispitivano prihvatanje socijalnih odnosa sa Italijanima u vezi sa različitim socio-demografskim varijablama. i to obe razlike značajne na nivou 0. a zavisna varijabla će nam biti broj prihvaćenih odnosa sa Italijanima (ponuđeno je 7).382(*) 1. .4377 . ali dobićemo i jednu dodatnu: Post Hoc Tests Multiple Comparisons Dependent Variable: Rezultat testa iz engleskog LSD 95% Confidence Interval (I) FAKULTET tehnoloski medicinski filozofski (J) FAKULTET medicinski filozofski tehnoloski filozofski tehnoloski medicinski Mean Difference (I-J) .519 1.4377 Sig.4377 . Potrebno je da imamo jednu kategoričku varijablu sa dva ili više modaliteta. vidimo da postoje značajne razlike između filozofskog i tehnološkog.569 -1. Idemo na meni Analyze/Nonparametric Tests/K Independent Samples. kad podaci ne zadovoljavaju uslove za primjenu analize varijanse. i drugu varijablu bar ordinalnog tipa. a pod Grouping Variable unesemo nezavisnu varijablu. Razlika između medicinskog i tehnološkog fakulteta nije statistički značajna.432 -2.432 -. 73 .195 .519 . U našem slučaju.195 .245 -1. Nezavisna varijabla će nam biti stepen obrazovanja majke sa tri modaliteta (završena osnovna škola.951(*) Std. Ova tabela će nam pokazati koji parovi fakulteta se porede (kolona Fakultet). filozofskog i medicinskog fakulteta. U našem slučaju to je od 1 do 3.000 .000 Lower Bound -. Pod okvirom Test Typeimamo ponuđena tri testa. Error .951(*) 1.382(*) -.245 2.293 -2.05. srednja škola i viša/visoka škola).05 level. i pod Test Variable List unesemo zavisnu varijablu.4377 .293 -1.4377 .

05 i 0. .01).b) Prihvatanje odnosa sa Italijanima Chi-Square df Asymp.839 i da nije statistički značajno (vjerovatnoća veća od 0.839 2 . i jednu zavisnu kvantitativnu varijablu. zaposlenja ili od kombinacije ova dva 74 . Chi-Square) i njenu značajnost (Asymp. Dvofaktorska univarijantna analiza varijanse Dvofaktorsku univarijantnu analizu varijanse primjenjujemo kad za nezavisne varijable imamo dve kategoričke varijable. a za zavisne su uzeti pol i zaposlenost. U našem slučaju vidimo da je χ2 =0.SPSS za psihologe i pedagoge 74 Nakon što smo sve obavili. Druga tabela (Test Statistics) nam daje mjeru χ2 (hi na kvadrat. Znači. dobijamo sljedeći ispis u Output prozoru: NPar Tests Kruskal-Wallis Test Ranks strucna sprema majke OS SS VS ili VSS Total N 51 231 123 405 Mean Rank 209. pitanja su: da li izraženost depresivnost zavisi od pola.82 198.73 Prihvatanje odnosa sa Italijanima Test Statistics(a.44 208. Sig. Sig. i prosječnim rangovima zavisne varijable.657 a Kruskal Wallis Test b Grouping Variable: strucna sprema majke Prva tabela (Ranks) nas izvještava o broju ispitanika u pojedinim grupama našeg uzorka. Mi ćemo kao primjer uzeti fiktivno istraživanje u kojem je za zavisnu varijablu uzeta izraženost osobine depresivnosti.). što bi značilo da ne postoje značajne razlike u pogledu prihvatanja socijalnih odnosa sa Italijanima između grupa ispitanika čiji očevi su različito obrazovani.

što znači da svaki ispitanik ima kombinaciju ove dvije odlike: određenog je pola i ima određeno radno stanje (zaposlen ili nezaposlen) Vidjećemo da postoji i analiza varijanse za ponovljene faktore. a pod Fixed Factor(s) unosimo nezavisne varijable. Potrebno je reći da su naši faktori neponovljeni. i pod Dependent Variable unosimo zavisnu varijablu (depresivnost u našem slučaju).SPSS za psihologe i pedagoge 75 faktora? Kombinacija faktora u analizi varijanse naziva se interakcija faktora.. Idemo na meni Analyze/General Linear Model/Univariate. Sljedeći korak nam da idemo na dugme Options s desne strane prozora. 75 . i tu treba da među opcijama u okviru Display odaberemo descriptives. Time ćemo dobiti osnovne deskriptivne mjere za podgrupe našeg uzorka.

Deviation 2.28644 2.16340 2.SPSS za psihologe i pedagoge Dalje.84161 2.1111 23.2969 23. dobijamo sljedeći ispis: Univariate Analysis of Variance Between-Subjects Factors Value Label POL ZAPOSLEN 1 2 1.96595 2.74017 N 64 24 88 35 93 128 99 117 216 Tests of Between-Subjects Effects 76 .00 muski zenski zaposlen nezaposlen N 88 128 99 117 Descriptive Statistics Dependent Variable: depresivnost POL muski ZAPOSLEN zaposlen nezaposlen Total zenski zaposlen nezaposlen Total Total zaposlen nezaposlen Total Mean 22.2473 23.6566 24. upisujemo ih u okvire Horizontal Axis i Separate Lines (gdje će ići koja varijabla zavisi od istraživačkih potreba).9922 22.5833 22. jer će nam to pomoći pri tumačenju.38896 2. Dolazimo do prozora gdje trebamo odrediti varijable koje će odrediti naš grafikon.6477 23. 76 Nakon što smo obavili sve.91925 2.72535 2. To ćemo uraditi kroz dugme Plots.00 2.38429 2. Ukoliko imamo dve varijable.3143 24.4444 Std. zgodno je da imamo i nekakav grafički prikaz naših rezultata. Na kraju je neophodno da pritisnemo dugme Add (nakon toga bi se trebale pojaviti ove varijable u donjem okviru Plots) inače SPSS neće upamtiti naš izbor.

Iz nje već vidimo da (kolona Means) muški nezaposleni imaju više izraženu depresivnost od muških zaposlenih.SPSS za psihologe i pedagoge Dependent Variable: depresivnost Source Corrected Model Intercept POL ZAPOSLEN POL * ZAPOSLEN Error Total Corrected Total Type III Sum of Squares 145.429 90372.223 i da je statistički značajno na nivou 0.5 24. oba su značajna: u našem uzorku žene su depresivnije.666 77 a R Squared = .261 50.293 6. Sljedeća tabela (Descriptive Statistics) nam več daje bitnije podatke.187 a njegova značajnost veća od 0. Sljedeća tabela (Tests of Between-Subjects Effects) nam daje podatke o statističkim značajnostima. vidjećemo da nam paralelnost linija govori o 77 .706 4. Red ispod njih je interakcija pola i zaposlenosti (POL*ZAPOSLEN) i F je 0.293 1469.358 i da je značajno na nivou 0.987 1. kako budemo primjenjivali analize varijanse.098 29.000 1614.077) Profile Plots Estimated Marginal Means of depresivnost 24. Sa vremenom. Ovo su glavni efekti pola i zaposlenja na depresivnost i.358 . a nezaposleni veću od zaposlenih. a u redu ZAPOSLEN da je F=7. da žene imaju imaju višu depresivnost od muških. da ženski nezaposleni imaju više izraženu depresivnost od ženskih zaposlenih.0 ZAPOSLEN 22.5 23.333 df 3 1 1 1 1 212 216 215 Mean Square 48. a u okviru ženskih veći procenat je nezaposlen.041 . .987 1.007 .286(a) 90372. kao što vidimo.989 13041.223 7.05.261 50.000 . U okviru reda POL vidimo da je mjera F=4.047 120337.0 Estimated Marginal Means 23. Takođe.187 Sig.05. i nezaposleni su depresivniji. u koloni N možemo vidjeti i da je u okviru muških veći procenat ispitanika zaposlen. Nas zanimaju redovi u kojima piše POL. ZAPOSLEN i POL*ZAPOSLEN. i kolone F i Sig.5 zaposlen 22.01.000 . Grafikon na kraju (Estimated Marginal Means of depresivnost) nam daje grafički prikaz onoga što smo imali u tabeli Descriptive Statistics.0 muski zenski nezaposlen POL Iz prve tabele (Between-Subjects Factors) vidimo kako se raspoređuju ispitanici po kategorijama pojedinih varijabli.090 (Adjusted R Squared = .098 29. što bi za nas značilo da nema interakcije između pola i zaposlenosti u pogledu uticaja na depresivnost.929 F 6.

78 .SPSS za psihologe i pedagoge 78 tome da ne postoji interakcija faktora (kad su ukrštene postoji). dok nam razmaknutost i nagib linija govore o glavnim efektima (uticaju pojedinih nezavisnih varijabli).

kategorijalni) karakter.21 (p=0.05. Najraširenija je upotreba mjere χ2 (grčko slovo hi. U tabelama ukrštanja više varijabli (u daljem tekstu ćemo tabele podataka nastale ukrštanjem kategoričkih varijabli nazivati kontingencijskim tabelama) očekivane vrijednosti se obično računaju putem kalkulisanja sa zbirovima redova i kolona. kad imamo jednu varijablu sa više modaliteta.fe) (fo. Znači. fe Ovo je matematički izraz za izračunavanje hi-kvadrata. na osnovu rezultata hi-kvadrat testa. uzrasne ili obrazovne skupine. zaključiti da li opažene frekvencije odstupaju od očekivanih. Ukoliko se pokaže da je količina odstupanja dovoljno velika. Pretpostavka o normalnoj raspodjeli mjera).fe)2 /fe 5 1. Tako većina podataka koje skupimo u istraživanju sačinjavaju upravo takvi podaci: sociodemografski podaci kao što su pol. nisam siguran i ne. gdje 60 ispitanika odgovaralo na pitanje: “Da li se zalažete za civilno služenje vojnog roka?”.25 1.05) i 9.25 χ2=7.5 χ =∑ 2 ( fo − fe ) 2 Broj stepeni slobode se računa po obrascu: df = (broj kolona – 1) x (broj redova –1). kao i ostalim društvenim naukama.99 (p=0. gdje fo predstavlja dobijene frekvencije (o skraćeno od observed na engleskom). onda moramo dati neku pretpostavku o tome kako mislimo da će se raspoređivati frekvencije po modalitetima varijable. fo Da Nisam siguran Ne 30 15 15 20 20 20 fe 10 -5 -5 (fo. ili o normalnoj raspodjeli. Hi-kvadrat test Za podatke koji potiču sa nominalne skale postoje posebne statističke procedure oslobođene od striktnih pretpostavki o distribuciji mjera (kao npr. a ponuđeni su odgovori: da. i u našem slučaju to je: (2-1)x(3-1) = 2. a i razni anketni podaci. odnosno očekivane frekvencije (e skraćeno od expected na engleskom). na engleskom Chi Square). Mi smo pretpostavili da će se odgovori ispitanika podjednako raspodijeliti u sve tri kategorije. većina pojava koje pokušavamo da registrujemo ima diskretni (isprekidani.01). odnosno da li je ispravna naša hipoteza. Vidjećemo kako to izgleda na primjeru analize jednog zamišljenog anketnog rezultata. Te očekivane vrijednosti mogu biti zadate po nekom ranije zamišljenom modelu.SPSS za psihologe i pedagoge 79 Analize kategoričkih varijabli U psihologiji. prihvatamo 79 . dok fe predstavlja teorijski pretpostavljene. što može biti pretpostavka o jednakoj raspodjeli podataka u ćelijama tabele. Iz tablica očitavamo granične vrijednosti odgovarajućih intervala sigurnosti: 5. Na kraju ćemo. Na osnovu datih granica i veličine dobijenog hi-kvadrata možemo zaključiti da dobijene frekvencije odstupaju značajno od očekivanih na nivou 0. ili o bilo kakvoj drugačijoj raspodjeli frekvencija.fe)2 100 25 25 (fo. χ2 nam služi da testiramo odstupanje dobijenih frekvencija od nekih očekivanih (teorijskih) vrijednosti.

ili ako je u pitanju tabela 2x2 (znači. Obe ove mjere korelacije se izračunavaju na osnovu hikvadrata. ne može se više smanjivati). i C koeficijentom kontingencije za veće tabele. χ2 nam može poslužiti za testiranje značajnosti odstupanja. ili kad je jedna od očekivanih frekvencija manja od 1. Za nas će biti značajna dva dugmeta u donjem dijelu prozora: Statistics i Cells. Obe varijable imaju po dva modaliteta: muško-žensko i zaposlen-nezaposlen. Idemo na Analyze/Descriptive Statistics/Crosstabs i u okvire Row(s) i Column(s) unesemo naše varijable. Treći okvir Layer nam služi za prikaze ukrštanja više od dvije varijable. onda se radi statistički postupak nazvan Yates-ova korekcija. 80 . Poniđene su nam i opcije za grafički prikaz (Display clustered bar charts) i opcija za eliminisanje frekvencijskih tabela iz prikaza (Suppress tables) tako da vidimo samo statističke mjere i grafikone. možemo uzeti vezu između pola i radnog statusa (posjedovanja zaposlenja) u nekom fiktivnom ispitivanju. U tim slučajevima se obično radi sažimanje većeg broja kategorija varijable na manji broj. Korelacije kategoričkih varijabli Kao što smo vidjeli. ali da bismo vidjeli kolika je povezanost između dvije kategoričke varijable poslužićemo se Φ koeficijentom korelacije za tabele veličine 2x2. i to po sljedećim formulama: φ= χ2 N χ2 N + χ2 C= Kao primjer kojim ćemo sve ovo ilustrovati u SPSS-u. Postoje situacije kad primjena hi kvadrata ne daje pouzdane rezultate.SPSS za psihologe i pedagoge 80 hipotezu o značajnom odstupanju od očekivanih vrijednosti. a to je slučaj kad u kontingencijskoj tabeli postoji preko 20% ćelija sa očekivanim frekvencijama 5 ili manje.

rekli smo. pa treba da se odlučimo. kolonu (Column). Dugme Cells nas vodi do prozora za izbor onoga što će biti prikazano u kontingencijskim tabelama. Na početku nije odabrana ni jedna. U okviru Percentages možemo da biramo da li ćemo vidjeti prikaz procenata. i koji tip prikaza: u odnosu na red (Row). Kad smo sve potvrdili sa Continue i OK i dobijamo sljedeći ispis: Crosstabs POL * ZAPOSLEN Crosstabulation ZAPOSLEN zaposlen POL muski Count 64 nezaposlen 24 Total 88 81 . kao mjeru korelacije uzimamo C koeficijent (Contingency coefficient).SPSS za psihologe i pedagoge 81 Pritisnuvši dugme Statistics dolazimo do prozora za izbor statističkih mjera koje želi. Tu su razne vrste statističkih mjera za nominalne i ordinalne mjere. ili ukupan broj (Total). Kad imamo veću tabelu. U našem primjeru odlučili smo se za procentualni prikaz po redovima. Biramo Chisquare i Phi and Cramer's V jer imamo tabelu tipa 2x2. U okviru Counts biramo Observed (dobijene frekvencije). a ponuđen je i prikaz očekivanih frekvencija (Expected).

628 df a Computed only for a 2x2 table b 0 cells (. The minimum expected count is 40.0%) have expected count less than 5. Pol i zaposlenost.448 i da je značajno na nivou 0. koreliraju u srednjoj mjeri.2% 100.3% 93 72.063 216 . .448 216 Approx.33.455 44.000 . Znači na osnovu veličine hi kvadrata zaključujemo da su odstupanja dobijenih podataka značajna na nivou 0. b Using the asymptotic standard error assuming the null hypothesis. Symmetric Measures Value Nominal by Nominal N of Valid Cases Phi Cramer's V . a kod muškaraca više zaposlenih.000 a Not assuming the null hypothesis.448 .000 Exact Sig. U našem primjeru. tu su i procentualni podaci dati za redove tabele.01. Tu očitavamo veličinu Phi i vidimo da iznosi 0. 82 . ali statistički značajno na nivou 0.7% 35 27.0% 216 100.7% 117 54.01.000 . (1sided) Value Pearson Chi-Square Continuity Correction(a) Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases 43. Sig 2-sided) nam kazuje da je značajan na nivou 0. (2sided) Exact Sig. Sig. Prva tabela (POL * ZAPOSLEN Crosstabulation) nas izvještava o distribuciji frekvencija u pojedinim ćelijama tabele.264.0% 82 zenski Total Chi-Square Tests Asymp.0% 128 100. Sig. Možemo da pogledamo sljedeću tabelu (Chi-Square Tests) i očitamo veličinu hi kvadrata (Pearson Chi-square): 43. To je mjera povezanosti vrijednosti ove dvije varijable (pola i zaposlenosti) i za nju možemo reći da je srednjeg intenziteta. Takođe.000 43.264(b) 41.01.000 . a da bismo vidjeli da li postoji neka pravilnost u tim odstupanjima – pogledaćemo brojke u sljedećoj tabeli (Symmetric Measures).SPSS za psihologe i pedagoge % within POL Count % within POL Count % within POL 72. Njegova značajnost (Asymp. (2sided) 1 1 1 1 .01.3% 99 45. u našem primjeru. već na prvi podgled vidimo da se zaposlenost distribuira nejednako po kategorijama pola: kod žena je više nezaposlenih.000 .8% 27.000 .

mada je to najčešća greška koja se sreće u interpretacijama rezultata istraživanja: ukoliko su dvije varijable u korelaciji. i nisu nam potrebne standardne devijacije. to nikako ne znači da promjene jedne varijabla uzrokuju promjene druge varijable.20 → nikakva do neznatna povezanost r od ± 0.60 → povezanost srednjeg intenziteta r od ± 0. 83 .80 do ± 1 → veoma visoka do apsolutna povezanost Svakako treba imati na umu da korelaciju ne treba miješati sa uzročno posljedičnom vezom.80 → visoka povezanost r od ± 0. Koeficijent linearne korelacije Pearsonov koeficijent linearne korelacije predstavlja parametrijski test. i statistička značajnost. gdje su: x = X – MX i y = Y – MY (odstupanja od AS)  Određenim transformacijama osnovne formule dolazimo do sljedeće formule za izračunavanje korelacije iz sirovih skorova. Linearnost veze između varijabli do sada nismo sretali. a najlakše ga utvrđujemo uvidom u grafički prikaz raspršenja parova tačaka (skater grafikon). Karakteristike korelacije koje treba poznavati su visina ili jačina (od 0 do 1). onda je bolje da ne koristimo koeficijent linearne korelacije.20 do ± 0. normalnosti raspodjele.60 do ± 0.40 do ± 0. Spearmanov koeficijent rang korelacije. Visine korelacije aproksimativno ocjenjujemo kao: r od 0 do ± 0.SPSS za psihologe i pedagoge 83 Mjere korelacije Korelacija predstavlja mjeru povezanosti između varijabli. i koeficijent biserijske korelacije. smijer (+ ili -). Vidjećemo još kako možemo dobiti Pearsonov koeficijent linearne korelacije. Osnovna formula za izračunavanje Pearsonovog koeficijenta je: rXY = ∑σ    x X + y σY N −1    .40 → niska povezanost r od ± 0. i stoga mora da zadovolji uslove intervalnosti podataka. takozvane “mašinske formule”: rXY = [N ∑ X N ∑ XY − ( ∑ X )( ∑ Y ) 2 2 − (∑ X ) N ∑Y 2 − (∑Y ) ][ 2 ] Prednost ove formule je u tome što je jedino potrebno da znamo sirove skorove X i Y. Ukoliko vidimo da se odnos između varijabli ne može približno predstaviti pravom linijom. i linearnosti odnosa između varijabli. Već smo imali priliku da se u poglavlju sa opisom analize kategoričkih varijabli sretnemo sa koeficijentima korelacije između kategoričkih varijabli: bili su to Φ i C koeficijenti korelacija.

idemo na meni Graphs/Scatter. izaberemo opciju Simple i kliknemo na dugme Define. i da rezultati čine približno ravnu liniju.SPSS za psihologe i pedagoge Ako za primjer uzmemo naše podatke o rezultatima testa znanja iz engleskog jezika (za koje smo već vidjeli da ispunjavaju uslov normalnosti raspodjele). 84 Tako smo došli do dijalog prozora u kojem treba da odredimo dvije varijable čiji grafikon ćemo vidjeti. ili na druge načine različito od ravne linije.eng2 i sk.  . ∪. 84 . što nam govori da ima smisla da računamo koeficijent linearne korelacije. da bismo grafički ustanovili linearnost odnosa.  .  . i sve što treba da uradimo je da potvrdimo sa OK. Vidimo da nema velikih odstupanja.eng). Naše varijable ubacujemo u polja Y Axis i X Axis (u našem slučaju to su varijable sk. Primjeri odstupanja od linearnosti bi bile krive koje izgledaju kao ∩. Dobijamo grafikon na kojem vidimo kako se distribuiraju rezultati na dva testa koje analiziramo.

216 SKOR. Za početak je već označena kućica Pearson i Two-tailed significance. (2-tailed) N Pearson Correlation Sig.914(**) .ENG Rezultat testa iz engleskog prije kursa 1 . idemo na Analyze/Correlate/Bivariate. 85 .914(**) .ENG2 Rezultat testa iz engleskog poslije kursa Pearson Correlation Sig. i potvrdimo sa OK. Za ispis dobijamo sljedeću tabelu: Correlations SKOR. 216 . i tako treba i da ostavimo.ENG Rezultat testa iz engleskog prije kursa SK. (2-tailed) N ** Correlation is significant at the 0.000 216 SK.eng2 i sk.eng).000 216 1 .SPSS za psihologe i pedagoge 40 85 Rezultat testa iz engleskog poslije kursa 30 20 10 16 18 20 22 24 26 28 30 Rezultat testa iz engleskog prije kursa Da bismo izračunali Pearsonov koeficijent.01 level (2-tailed). Varijable čije korelacije želimo da vidimo ubacujemo u desni okvir (u našem slučaju to su varijable sk.ENG2 Rezultat testa iz engleskog poslije kursa .

rangovani podaci. imamo to da je ova mjera korelacije nepreciznija od r koeficijenta korelacije. a mi ćemo to uraditi u SPSS-u na sljedeći način: Kao i kod slučaja linearne korelacije idemo na Analyze/Correlate/Bivariate. ovaj test možemo upotrebljavati kad u početku imamo rangovane podatke. Fizika i Istorija. program nam daje ispis tabele sa svim mogućim korelacijama. i to tako da su oni koji su bili bolji na prvom testu bivali bolji i na drugom. što znači da ćemo imati tri moguća poređenja. U našem primjeru vidimo da je korelacija pozitivna i veoma visoka. i broj ispitanika uzetih u obradu N. čita se: ro) je neparametrijski test i ne postavlja zahtjeve u pogledu distribucije. dobijamo i značajnost korelacije u redu Sig. Na kraju ćemo. Mi smo ubacili tri varijable. Koeficijent rang korelacije Spearmanov koeficijent rang korelacije (ρ. Po običaju. tako da dijagonalu tabele možemo da ignorišemo. ali ovaj put označimo kućicu Spearman. Kao posljedicu nižeg mjernog nivoa. On je učenike rangirao po uspjesima iz ova tri predmeta i poredio ih međusobno. u desni okvir ubacimo varijable. Pored visine korelacije date u redu Pearson Correlation. Značajnost korelacije nam je prikazana i u formi zvjezdica pored same korelacije. jer u slučaju da napretka nema. tj. ali ne zadovoljavaju uslove normalne raspodjele. što bi govorilo o sličnim rezultatima na oba testa. 86 . zaključujemo da su studenti linearno napredovali. a formula po kojoj se računa je: ρ = 1− N N 2 −1 6∑ D 2 ( ) gdje je: D – razlika između rangova na prvoj i drugoj varijabli N – ukupan broj slučajeva Za primjer ćemo uzeti situaciju kad je nastavnik jednog razreda srednje škole želio da vidi da li postoje povezanosti između uspjeha iz predmeta Matemetika. i idemo ka analizi ispisa. što nam daje korelaciju 1. a i oni koji su bili srednji i lošiji takođe su napredovali. skater (tačkasti prikaz korelacije) bi kretao iz nule i išao po dijagonali dijagrama.914. pa tako i svake varijable sa samom sobom. ali to možemo vidjeti iz grafikona. a dvije zvjezdice govore o značajnosti na nivou 0. Računanje ρ koeficijenta se zasniva na razlikama u rangovima rezultata dva niza brojeva. a tako i kada imamo podatke koji nisu rangovani. jedna zvjezdica znači da je korelacija značajna na nivou 0. naravno.SPSS za psihologe i pedagoge 86 Pošto možemo odjednom da ubacimo u obradu više od dvije varijable. čitavih 0. Sam koeficijent korelacije i njegova značajnost nam ne govore da postoji bilo kakav napredak.05. (2-tailed). Znači. jedino što treba da imamo jesu podaci koji potiču bar sa ordinalne skale. potvrditi sa OK. Znajući da su u pitanju rezultati testa iz engleskog jezika prije i poslije kursa.01.

113). 35 . 35 . a mi gledamo one tri koje nas zanimaju. a druga je prirodno podijeljena u dvije kategorije (npr. (2-tailed) N ** Correlation is significant at the 0. Za primjer smo uzeli slučaj korelacije između opštih sposobnosti i prolaznosti na ispitu iz matematike. ali da nije statistički značajna.000 .01 level (2-tailed). U oba slučaja.759.113 .007). a da izvjesne pozitivne korelacije između uspjeha u fizici i istoriji ima (iznosi 0. Takođe. pol).000 .967 35 . Biserijska i point-biserijska korelacija Biserijsku korelaciju računamo kad imamo dvije varijable od kojih je jedna kvantitativnog tipa (intervalni nivo podataka).000 35 -.007 .113 . a druga je vještački dihotomizirana u varijablu sa samo dva modaliteta. ali ovaj put jedna varijabla je intervalnog nivoa.967 35 FIZIKA .01. Point-biserijska korelacija je vrlo sličan slučaj.000 . i da je statistički značajna na nivou 0.000 35 1. (2-tailed) N ISTORIJA Correlation Coefficient Sig.759(**) . vidimo da korelacije između uspjeha iz matematike i istorije gotovo da nema (iznosi –0.517 35 ISTORIJA -. (2-tailed) N FIZIKA Correlation Coefficient Sig.SPSS za psihologe i pedagoge 87 Correlations MATEMATI Spearman's rho MATEMATI Correlation Coefficient Sig. 1. 35 Sve važi kao i u slučaju linearne korelacije: program nam je dao sve moguće korelacije. Kao primjer nam može poslužiti imaginarni slučaj kad želimo da vidimo da li postoji veza između opštih intelektualnih sposobnosti (inteligencije) i prolaznosti na ispitu iz matematike. Iz tabele vidimo da korelacija između uspjeha u matematici i fizici iznosi 0. najlakše je da u okviru SPSS-a ovu proceduru radimo kao i koeficijent linearne korelacije.759(**) .007 . Sposobnosti smo mjerili jednim 87 .517 35 1.

SPSS za psihologe i pedagoge

88

standardizovanim testom inteligencije, a onda smo na ispitu iz matematike registrovali ko je prošao a ko nije. Kao i u slučajevima prethodne dvije korelacije, idemo na Analyze/Correlate/Bivariate, i možemo da ostavimo označenu kućicu Pearson. Unesemo u desni okvir naše dvije varijable i potvrdimo sa OK.

Nakon toga dobijamo sljedeću tabelu sa rezultatima:
Correlations MATEMAT MATEMAT Pearson Correlation Sig. (2-tailed) N SPOSOBNO Pearson Correlation Sig. (2-tailed) N 1 . 100 .416(**) .000 SPOSOBNO .416(**) .000 100 1 . 100

100 ** Correlation is significant at the 0.01 level (2-tailed).

U našem fiktivnom primjeru, na uzorku od 100 studenata tražili smo vezu između opštih sposobnosti i prolaznosti na ispitu iz matematike. Iz tabele možemo vidjeti da korelacija iznosi 0.416, pozitivna je i statistički značajna na nivou 0.01. Znači, mogli bismo reći da postoji srednja pozitivna i statistički značajna korelacija između opštih sposobnosti i prolaznosti na ispitu iz matematike.

***********************************************************

88

SPSS za psihologe i pedagoge

89

Kratak pregled opcija programa
U menijima koji su prikazani, trenutno dostupne opcije su ispisane crnom bojom, dok su zasivljene opcije koje trenutno nisu dostupne. Znači, kad nemamo otvorene podatke - nemamo na raspolaganju opcije Save ili Save As, tj nemamo šta da snimimo.

File meni
U file meniju se nalazi skup naredbi za otvaranje i čuvanje fajlova sa podacima. Opcije koje postoje su: New, sa podopcijama Data, Syntax, Output i Script - služi nam za otvaranje novog prozora za razne tipove podataka. Data - sirovi podaci koje unosimo u matricu podataka Syntax - komandni režim u kojem unosimo niz naredbi za manipulaciju podacima - znači, SPSS ima i poseban komandni jezik Output - prozor za prikaz rezultata obrade podataka Script - slično Syntax režimu, ali ovaj put je u pitanju skript za automatizaciju niza nekih procesa koje često redom obavljamo Open - koristimo za otvaranje ranije snimljenih fajlova (baza podataka, ispisa rezultata, komandnih programa). Read ASCII Data - otvaranje fajlova sa sirovim podacima koji su snimljeni u tekstualnom obliku. Close - zatvaranje prozora. Save - snimanje podataka. Koristimo ako smo već ranije dali ime fajlu. Save As... - snimanje novih podataka sa odredjivanjem imena i tipa fajla. Export - snimanje tabela, grafikona i rezultata obrade u drugim formatima, tako da ih možemo otvoriti u drugim programima. Display Data Info... - prikazuje informacije o fajlu koji izaberemo. Apply Data Dictionary - prebacuje već postojeće definicije podataka (varijable, kategorije...) na nove datoteke. Print - štampanje. Kad izaberemo ovu opciju moći ćemo da biramo izmedju štampanja svega (All) ili samo onog što selektujemo (Selection). Ovde, takodje, odredjujemo i broj kopija koje štampamo.

89

SPSS za psihologe i pedagoge

90

Stop SPSS Processor - prekida proces obrade koji je aktivan, koji se u tom trenutku odvija. Exit SPSS - izlazak iz programa.

Edit meni
U ovom meniju se nalaze opcije za operacije sa tekstom i podešavanje programa našim potrebama. Undo - poništava zadnju obavljenu operaciju. Cut, Copy, Paste, Clear - standardne Windows operacije za isjecanje, kopiranje, lijepljenje i brisanje selektovanih sadržaja. Find... - pronalaženje podataka ili teksta. Options... (u nekim verzijama programa "Preferences") - podešavanje opcija programa.

Za nas će u ovom trenutku biti zanimljivo jedino da se pod opcijom General, pa u okviru nje pod "Display Order for Variable Names" može podesiti redoslijed varijabli koje smo unosili (alfabetski ili onako kako smo ih unosili), i da se pod opcijom Pivot Tables podešava tip tabela u kojima se prikazuju rezultati (uvijek je korisno smanjiti veličinu tabela, jer su često prevelike da bi stale na jedan ekran). Kad radimo u prozoru Output, imamo još neke opcije u meniju Edit (Copy Objects, Paste After, Paste Special...), ali to su neke naprednije opcije, te ih ovde nećemo detaljnije razmatrati.

View meni
Pod ovim menijem biramo opcije za ono šta ćemo vidjeti na ekranu. Status Bar - odredjuje da li ćemo u dnu ekrana imati ispisan trenutni status programa. Kad ništa ne radimo od operacija, tu obično piše "SPSS Processor is ready", a kad je neka operacija aktivna obično piše "Running..." i vrsta operacije. Toolbars - pod ovom opcijom definišemo šta će od brojnih mogućnosti programa biti dostupno u vidu dugmića ispod menija. Fonts, Grid Lines i Value Labels - odredjuju izgled matrice podataka.

90

selektuje ispitanike prema vrijednostima neke varijable..SPSS za psihologe i pedagoge 91 Kad je aktiviran prozor Output. Display . Collapse. Templates .(tiče se faktorske analize i spada u napredne statističke operacije) Generate .pravi novu matricu podataka tako što redove pretvara u kolone. Transpose . Merge Files . Podopcije su "Add Cases" (dodaje ispitanike. Split File . Aggregate . U odjeljku Unos podataka će biti detaljnije obradjene podopcije.spajanje podataka tako da grupe ispitanika čine jedan zbirni slučaj u okviru nove datoteke. slučajeve) i "Add Variables" (dodaje varijable). Data meni U Data meniju imamo niz opcija za definisanje varijabli i manipulaciju podacima..definišemo format datuma (ukoliko unosimo podatke vezane za vrijeme). ispitanik. Select Cases .spajanje datoteka. Define Variable . Sort Cases . imamo još opcije Expand. Define Dates . Go to Case . 91 . Insert Variable .sortira redove (uzlazno ili silazno) po vrijednostima neke varijable. oni koji nisu selektovani izbačeni su iz dalje analize. Show i Hide koje se odnose na vidljivost objekata u Output prozoru (takodje i Outline Size i Outline Font).umeće novu varijablu ispred one koja je trenutno selektovana.prikazuje eksperimentalni nacrt koji je napravljen uz pomoć Generate.ukoliko imamo ranije napravljene šablone za definisanje varijabli.odvodi nas na traženi slučaj.umeće novi red (slučaj.pravi podjelu u okviru datoteke (grupiše ispitanike) po vrijednostima varijable koju odredimo. Insert Case . Orthogonal Design .) iznad trenutno selektovanog.pravi novu datoteku koja sadrži dizajn ortogonalnih glavnih efekata koji dozvoljava statističko testiranje nekoliko faktora bez testiranja svih kombinacija faktorskih nivoa. ovde ih biramo.definisanje varijabli. ili bilo koji drugi nacrt u okviru radne datoteke.

ponderisanje (operećivanje) ispitanika. a 0 ne).kreira novu varijablu i automatski rekodira sadržaj neke string (slovne) ili brojčane varijable u sekvencijalne vrijednosti.sumarne procedure Frequences . Iz dalje obrade se izbacuju ispitanici koji imaju 0. Npr. Automatic Recode . 1 znači da.kreira novu varijablu koja sadrži rangovane vrijednosti izabrane varijable. Rank Cases . Compute .podešavanje generatora slučajnih brojeva.popunjava ćelije kod kojih postoji nedostajući podatak.kreira varijablu u okviru koje se nalaze prebrojane iste vrijednosti koje se nalaze u okviru raznih varijabli.prikazuje frekvencije. ukoliko imamo nekoliko varijabli koje govore o tome da li ispitanici gledaju ili ne gledaju neke TV stanice (npr. iskoristićemo Count. negativnu vrijednost ili nedostajući podatak. a u zavisnosti od toga biće dostupan različit broj statističkih procedura). broj statističkih operacija koje možete vidjeti u Statistics meniju može da varira. procente i osnovne mjere devijacija i centralnih tendencija 92 .SPSS za psihologe i pedagoge 92 Weight Cases . Simulira se replikacija ispitivanja. i to u zavisnosti od vrijednosti izabrane varijable. Transform meni Ovaj meni nam omogućava razne transformacije podataka.kreira novu varijablu različitim oblicima izračunavanja na osnovu vrijednosti već postojećih varijabli. pa na kraju želimo da znamo koliko ispitanik ukupno gleda TV stanica.rekodiranje (ponovno kodiranje na drugačiji način) vrijednosti varijable. Replace Missing Values . Analyze meni Budući da je SPSS modularno organizovan program (sastavljen je iz više dijelova koje možete instalirati .prema vašim potrebama. Recode . Ja ću u ovom trenutku samo nabrojati koje su to operacije dostupne kad su instalirani svi moduli: Summarize . Count . Vrijednosti ponder varijable govore o navodnom broju opservacija. Random Number Seed .

razne vrste tabelarnih prikaza rezultata Basic Tables .t test za nezavisne uzorke (testira značajnost razlika izmedju aritmetičkih sredina dvaju nezavisnih uzoraka) Paired-Samples T Test .regresiona analiza i analiza varijanse više zavisnih varijabli GLM-Repeated Measures .analiza varijanse za faktorijalni dizajn GLM-General Factorial .univarijanta analiza varijanse (testira značajnost razlika izmedju aritmetičkih sredina dvaju ili više uzoraka) General Linear Model . Opciono možemo da dobijemo i univarijantnu analizu varijanse. One-Sample T Test . Spirmanov i Kendalov koeficijent korelacije Partial .SPSS za psihologe i pedagoge 93 Descriptives .daje regresione koeficijente Linear .krostabelarni prikazi i statističke mjere General Tables .statističke mjere za podgrupe ispitanika grupisanih po kategorijama neke varijable Report Summaries in Rows .t test za zavisne uzorke (testira značajnost razlika izmedju aritmetičkih sredina dvaju zavisnih uzoraka .daje statističke mjere mjereći sličnosti ili razlike parova varijabli ili ispitanika Regression .računa aritmetičke sredine (i druge statističke mjere) za zavisne varijable unutar grupa koje odredimo kategorijama nezavisne varijable.prikazuje ispis gdje se sumarne mjere pojavljuju u redovima Report Summaries in Columns . za sve ispitanike ili za podgrupe ispitanika Crosstabs .analiza grupe zavisnih varijabli koje sadrže različita mjerenja istog atributa Variance Components Correlate .regresiona analiza i analiza varijanse GLM-Multivariate . neke od mjera devijacija i aritmetičku sredinu) Explore .korelacije Bivariate .uz to idu i brojne deskriptivne i statističke procedure Case Summaries .poredjenje aritmetičkih sredina Means .računa Pirsonov.razne zbirne mjere i grafički prikazi. tabelarni prikazi ukrštanja varijabli .krostabulacije.prikazuje ispis gdje se sumarne mjere pojavljuju u kolonama Custom Tables .krostabelarni prikazi frekvencija i procenata Compare Means .testira da li aritmetička sredina jedne varijable značajno odstupa od konstante koju odredimo Independent-Samples T Test .analiza varijanse (ANOVA) i analiza kovarijanse (ANCOVA) Simple Factorial .daje koeficijent korelacije uz kontrolu jedne ili više dodatnih varijabli Distances .računa koeficijent linearne regresije koji najbolje predvidja vrijednost zavisne varijable. poznavajući vrijednosti jedne ili više nezavisnih varijabli 93 .krostabelarni prikazi i statističke mjere Tables of Frequencies .prikazuje deskriptivne mjere (minimalnu i maksimalnu vrijednost.usti uzorak u dva mjerenja ili upareni ispitanici) One-Way ANOVA .

kad se ne pretpostavlja konstantna veličina varijanse unutar populacije koju tretiramo 2-Stage Least Squares .predvidja pripadnost odredjenoj grupi na osnovu grupe varijabli (karakteristika) Data Reduction .identifikuje homogene grupe na bazi izabranih karakteristika.identifikuje homogene grupe na bazi izabranih karakteristika.kad se pretpostavlja da greške unutar zavisne varijable koreliraju sa nezavisnim varijablama Loglinear .ova procedura daje procjene regresijskih mjera za 11 različitih modela procjene regresionih funkcija Logistic .koristimo kad hoćemo da predvidimo prisustvo ili odsustvo neke karakteristike na osnovu grupe prediktorskih varijabli Probit . ali možemo da radimo sa različitim tipovima varijabli: kvantitativnim.redukcija podataka Factor . ordinalnim ili nominalnim Scale .testira binomnu raspodjelu jedne dihotomne varijable Runs .mjeri povezanost izmedju jačine stimulusa i proporcije slučajeva istovjetnih odgovora na stimulus Nonlinear .analize mjernih skala Reliability Analysis .višestruke frekvencijske analize General . koristeći algoritam za baratanje velikim brojem slučajeva Hierarchical Cluster .analiza povezanosti dve kategoričke varijable grafički Optimal Scaling .analiza distanci izmedju objekata ili slučajeva Nonparametric Tests .da li je redoslijed pojavljivanja dve vrijednosti jedne varijable slučajan 1-Sample K-S .faktorska analiza za grupu kvantitativnih varijabli Correspondence Analysis .slično faktorskoj analizi.analizira višestruke kontingencijske tabele i pomaže u pronalaženju povezanosti izmedju kategoričkih varijabli Classify .pronalazi grupisanja u okviru podataka K-Means Cluster . koristeći algoritam koji započinje sa svakim slučajem u odvojenom klasteru i kombinuje klastere sve dok ne ostane samo jedan Discriminant .kad jednu od kategoričkih varijabli smatramo za zavisnu.poredi dve ili više grupa ispitanika 2 Related Samples .poredi distribucije dve ili više varijabli 94 .nalazi nelinearni model povezanosti izmedju zavisne i nezavisnih varijabli Weight Estimation .poredi distribucije dve varijable K Related Samples .poredi dve grupe ispitanika K Independent Samples . a ostale za nezavisne Model Selection .Kolmogorov-Smirnov test odstupanja raspodjele od zadate teorijske raspodjele vrijednosti 2 Independent Samples .opšta višestruka frekvencijska analiza Logit .SPSS za psihologe i pedagoge 94 Curve Estimation .χ2 test Binomial .neparametrijski testovi Chi Square .analiza pouzdanosti mjerne skale Multidimensional Scaling .

analiza podataka u vremenskim serijama Exponential Smoothing .spajanje više osnovnih varijabli u jednu varijablu sa više kategorija. Bar .grafikoni podataka u vremenskim serijama 95 . Graphs meni U okviru Graphs menija možemo da pravimo razne vrste grafičkih reprezentacija podataka koje imamo.stupčasti grafikoni Line .predvidjanje dužine vremenskih perioda na osnovu podataka (takodje uključuje rad sa vremenskim periodima koji još nisu okončani) Cox w/ Time-Dep Cov .kombinovani histogramski i kumulativni linijski prikaz Control .grafikoni sa kontrolnim linijama Boxplot .grafikoni sekvencijalnih slučajeva Time Series .grafikoni za prikaz mjera disperzije Scatter .grafikoni kumulativnih proporcija Q-Q .rad sa spojenim varijablama Define Sets .linijski dijagrami Area .grafikoni sa reprezentacijom koja se zasniva na vertikalnim visinskim razlikama ("visoko-nisko" grafikon) Pareto . Tek kad definišemo setove varijabli možemo da pristupimo opcijama Frequencies i Crosstabs.poseban način rada sa vremenskim periodima koji još nisu okončani (npr.Kaplan-Majerov model rada sa vremenskim periodima koji još nisu okončani Cox Regression . dužina zaposlenja u nekoj firmi za ljude koji još uvijek rade).grafikoni u obliku kutije Error Bar . dijeljenjem na manje vremenske periode Kaplan-Meier .kružni ("pita") dijagram High-Low .tačkasti prikaz raspodjela dve ili tri varijable u dvodimenzionalnom ili trodimenzionalnom prostoru Histogram .SPSS za psihologe i pedagoge 95 Time Series .Koksov regresioni model sa računanjem vrmenski zavisne kovarijanse Multiple Response .dijagrami sa popunjenim površinama Pie .ispravlja neregularne komponente podataka u vremenskim serijama Autoregression ARIMA X11 ARIMA Seasonal Decomposition Survival Life Tables .histogrami P-P .grafikoni centila Sequence .

daje podatke o svim varijablama Define Sets .podešavamo menije koje koristimo. Variables . 1983 G. 1986. 1994. Levin & Fox. Literatura Dragičević.definišemo zajedničke skupove varijabli Use Sets . Bukvić. 1997 Halmi. te nećemo ulaziti u njihovo opisivanje. ubacujemo nove ili izbacujemo opcije koje ne koristimo Windows i Help meniji su standardni meniji za sve windows programe.prikazuje nam podatke o varijablama koje odaberemo File Info . Baker.definišemo koje skupove varijabli ćemo koristiti u obradama.startuje skriptni program koji smo ranije snimili Menu Editor . 1999 Todorović (1995 Campbell (1953 Ristić. Mason at al. tako da samo njih vidimo pri izboru Run Script .SPSS za psihologe i pedagoge 96 Utilities meni Ovaj meni sačinjavaju razni alati.Momirović Campbell (1953 96 .Knežević i K. 1997.