SPSS a analýza dat Grafy pro prezentaci výzkumu Chyby prezentování dat Custom tables v SPSS.

Prezentace na téma: "SPSS a analýza dat Grafy pro prezentaci výzkumu Chyby prezentování dat Custom tables v SPSS."— Transkript prezentace:

1 SPSS a analýza dat Grafy pro prezentaci výzkumu Chyby prezentování dat Custom tables v SPSS

2 Třídění prvního stupně – četnostní tabulka

3 Četnostní tabulka Spokojenost se životem I. absolu tní II. relativníIII. ProcentaIV. Kumul. relativní Velmi spokojen1000,550 %0,5 Spíše spokojen500,2525 %0,75 Ani spokojen, ani nespokojen 300,1515 %0,9 Spíše nespokojen150,0757,5 %0,975 Velmi nespokojen 50,0252,5 %1 Celkem2001100 %X Spokojení1500,7575 % Absolutní a relativní četnosti

4 Třídění druhého stupně – kontingenční tabulka

5 Kontingenční tabulka Gender/volilvolilnevolilCelkem Muž150300450 žena200 400 Celkem350500850 Absolutní četnosti

6 Kontingenční tabulka Gender/volilvolilnevolilCelkem Muž150/850=18%35%52,5% žena23,5% 47,5% Celkem41,5%58,5%850 Celková procenta Součet uvnitř tabulky je 100%

7 Kontingenční tabulka Gender/volilvolilnevolilCelkem Muž150/450=33%67%100% žena50% 100% CelkemXXX Řádková procenta Obdobně má smysl někdy počítat sloupcová procenta Součet v každém řádku tabulky je 100%

8 Co je třídící proměnná? Vždy proměnná skrze kterou chceme porovnávat výsledky v podskupinách Příklady: –kouření (ANO X NE) vs. věkové kategorie –Sledování TV vs. vzdělanostní kategorie –Návštěva výstav vs. čtení knih Závěr: Jedna proměnná může být pro jednu analýzu třídící i tříděná!!!

9 Proč děláme kont. tabulky? Chceme zjistit, zda proměnné na sobě závisí (chi-test) Zjistíme-li závislost, zajímá nás její struktura K tomu slouží tzv. znaménkové schéma Poznámka: více viz SOC108 Gender/v olil volilnevolilCelkem Muž --++ žena ++-- Celkem

10 Třídění druhého stupně – korelační a regresní analýza

11 4 typy závislosti 2 kardinálních proměnných Silná pozitivní závislost Slabá pozitivní závislost Silná negativní závislost Nulová závislost Dopad na korelační koeficient a regresní koeficient Upozornění-lineární regrese, korelace měří jen lineární vztahy

12 4 typy lineární závislosti 2 kardinálních proměnných Silná pozitivní závislost r = 0,97

13 4 typy lineární závislosti 2 kardinálních proměnných Silná negativní závislost r = - 0,97

14 4 typy lineární závislosti 2 kardinálních proměnných Slabá pozitivní závislost r = 0,35

15 4 typy lineární závislosti 2 kardinálních proměnných Nulová závislost r = 0

16 Typy grafů

17 pět základních forem grafu koláčovýpásový sloupcový čárovýbodový - pro podíly u jedné proměnné - optimálně méně kategorií - viz TV NOVA - srovnání podílů u jedné proměnné ve více skupinách - srovnání podílů u více proměnných (otázek); - pro podíly u jedné proměnné - vývoj v čase -lze užít i pro srovnání více skupin - pro podíly u jedné proměnné - vývoj v čase -lze užít i pro srovnání více skupin -závislost dvou proměnných (viz sekce o korelaci)

18 Typy grafů – příklady užití

19 Tržní podíly operátorů koláčový

20 Jak vás zaujala reklama? pásový

21 Délka využívání mobilního operátora sloupcový

22 Výdaje na reklamu v jednotlivých letech čárový

23 Závislost výdajů na reklamu (v mil.) a tržního podílu firmy bodový

24 Grafy - dodatek Samozřejmě je možné kreslit i další grafy, nicméně většina je jen variací na výše uvedených 5 typů Místo koláčového se užívá např. prstencový Užívá se i grafu pro zobrazení tří proměnných najednou – bublinový Grafy lze kreslit v EXCELU, stejné typy obsahuje i POWERPOINT Naučit se tvořit grafy (ale i pracovat s Excelem a POWERPOINTEM) je pro život asi důležitější než znát teorii Maxe Webera, Karla Marxe nebo Emila Durkheima (u státnic ale znalostí grafů neohromíte , zato svatá trojice bude požadována) Statistické software umí kreslit i speciální grafy, které slouží k detailnější analýze dat – krabičkový graf aj.

25 Doporučení pro grafy

26 Exkurz - grafy - doporučení Zdroj: Hardin, Good. Common errors in statistics. Wiley (kap. 8 Charts) Příklad založen na grafu pro 5 týmů - údaje o počtu vstřelených gólů Různé formy zobrazení různé chyby, zkusme je hledat

27 Graf (pokus č.1) Co může být špatně?

28 Graf (pokus č.2) Co může být špatně?

29 Graf (pokus č.3) Co může být špatně?

30 Graf (pokus č.4) Co může být špatně?

31 Graf (pokus č.5) Co může být špatně?

32 Graf (pokus č.6) Co může být špatně?

33 Graf (pokus č.7) – nestačí to takto?

34 Graf (pokus č.8) – nebo jen tabulkou?

35 Další doporučení – koláče

36 Další doporučení – čárový graf

37 Další doporučení – sloupcový graf

38 Grafy – doporučení I Mnohdy stačí tabulka!!! Neužívejte více dimenzí v grafu než je skutečně zobrazovaných dimenzí (některé techniky naopak počet dimenzí snižují, viz dříve) Dbejte na to, ať popisky nezasahují do prvků grafu a neruší, dodejte je do volných míst Rozsah os volte s ohledem na charakter dat (dbejte ale přitom pozor na možnou chybnou interpretaci výsledků) Bodový graf užívejte jen tehdy, když informace na ose x je kvantitativního charakteru Nepoužívejte čárový graf (případně spojnice v bodovém) pokud nejde o časový vývoj či jinou souvislost mezi body

39 Grafy - doporučení Nepoužívejte koláčový graf, pokud celkový součet nemá smysl (pro podíly je samozřejmě vhodný) Položky legendy mějte seřazeny stejně (horizontálně či vertikálně) jako jednotlivé řady v grafu Popisky grafu včetně nadpisu musí být úplné, aby graf vytržený z textu jen s nadpisem byl plně srozumitelný Používejte co nejméně různých typů a velikostí písma a totéž dodržujte i u dalších grafických prvků Když je to vhodné zadejte do grafu mřížku, aby se lépe odečítaly hodnoty (zejména u sloupcových a čárových grafů) Když uděláte graf, dejte ho někomu, kdo vůbec neví co na něm je a zjistěte co z něj vyčte Prostě a jednoduše dodržujte zásadu KISS (Keep it simple but scientific)

40 Mnoho krásných grafů

41 Custom Tables v SPSS

42 Custom Tables - možnosti četnostní tabulky pro jednu proměnnou četnostní tabulky pro více proměnných s různými škálami odpovědí spojené do jediné tabulky četnostní tabulky pro více proměnných se stejnými škálami odpovědí spojené do jediné tabulky kontingenční tabulky pro dvě a více proměnných vč. výsledků testu(ů) nezávislosti a testu shody podílů v jednotlivých sloupcích tabulky s průměry (mediány, kvantily apod.) kardinální proměnné dle hodnot nominální či ordinální proměnné (či více nominálních nebo ordinálních proměnných) včetně výsledku testu(ů) shody průměrů.

43 Custom Tables – nutnost definic Při užití procedury nutno mít správně nastavené stupnice proměnných Pro kardinální (scale) počítá průměry, pro nominální a ordinální počítá četnosti a konti tabulky

44 Custom Tables - ukázky četnostní tabulky pro jednu proměnnou četnostní tabulky pro více proměnných se stejnými škálami odpovědí spojené do jediné tabulky kontingenční tabulky pro dvě a více proměnných vč. výsledků testu(ů) nezávislosti a testu shody podílů v jednotlivých sloupcích

45 Ať se Custom Tables líbí