Εισαγωγή στο SPSS

Περιεχόμενα Τα τέσσερα παράθυρα στο SPSS Βασικός χειρισμός δεδομένων

Τι είναι το SPSS? Αρχικά σήμαινε Statistical Package for the Social Science αλλά τώρα Statistical Product and Service Solutions Ένα από τα πιο ευρέως διαδεδομένα στατιστικά πακέτα

Τέσσερα παράθυρα είναι:. Data editor. Output viewer. Syntax editor Τέσσερα παράθυρα είναι: Data editor Output viewer Syntax editor Script window

Data Editor Spreadsheet για τον ορισμό, εισαγωγή, μορφοποίηση και παρουσίαση δεδομένων. Αρχεία δεδομένων σώζονται με την κατάληξη “sav.”

Output Viewer Δείχνει αποτελέσματα και λάθη. Αρχεία Output σώζονται με την κατάληξη “spv.” The graph shows that more people who receives wireless service tends to own PDA compared to people who doesn’t receive wireless service.

Syntax editor Για σύνθεση εντολών. Τα σχετικά αρχεία σώζονται με την κατάληξη “sps.”

Το Script Window Παράθυρο προγραμματισμού Επεξεργαστής κειμένου με γλώσσα που μοιάζει με BASIC. Τα σχετικά αρχεία σώζονται με την κατάληξη “sbs.”

Διαχείριση αρχείων

Ανοίγουμε το SPSS Το αρχικό παράθυρο είναι το παράθυρο δεδομένων Υπάρχουν δύο φύλλα εκεί: 1. Δεδομένα 2. Μεταβλητές

Περνάμε σε Data View Τα δεδομένα Είναι το αρχικό παράθυρο Click This window shows the actual data values and the name of the variables. Click

Παράθυρο των μεταβλητών Περιέχει πληροφορίες για τις μεταβλητές Name Ο πρώτος χαρακτήρας είναι πάντα ένα γράμμα Τα ονόματα πρέπει να είναι μοναδικά με λιγότερους από 64 χαρακτήρες. Χωρίς διαστήματα.

View window: Type Type Οι πιο διαδομένοι τύποι είναι τα αριθμητικά δεδομένα και τα αλφαριθμητικά.

Variable View window: Width Το εύρος είναι το μήκος των δεδομένων που θα σου επιτρέψει να εισαγάγεις

Variable View window: Decimals Αριθμός δεκαδικών ψηφίων Μικρότερος ή ίσος με 16

Variable View window: Label Οι λεπτομέρειες της μεταβλητής Μέχρι 256 χαρακτήρες

Variable View window: Values Συνδέει νούμερα με κατηγορίες

value labels Επιλέγουμε values Για την τιμή και την ταμπέλα μπορούμε να χρησιμοποιήσουμε μέχρι 60 χαρακτήρες. Πατάμε OK. Κλικ

Value = Η τιμή 1 αντιπροσωπεύει το «αγόρι», ενώ η τιμή 2 αντιπροσωπεύει το «κορίτσι»

Κλικ

Κλικ

Σώζουμε τα δεδομένα Κλικ

Σειροθετούμε τα δεδομένα Πατάμε ‘Data’ και μετά Sort Cases

Σειροθέτηση δεδομένων Διπλό κλικ στο ‘Name of the students.’ Click Click

Ερώτηση 2 Πώς θα ιεραρχούσατε τους μαθητές με βάση τη μεταβλητή ύψος σε φθίνουσα σειρά; Απάντηση Πατάμε data, sort cases, διπλό κλικ στο ‘height of students,’, ‘descending’ και ok.

Υπολογισμός δεδομένων Πατάμε ‘Transform’ και μετά click ‘Compute Variable…’

Υπολογισμός δεδομένων Παράδειγμα: προσθέτουμε μια νέα μεταβλητή που λέγεται ‘lnheight’ και είναι ο λογάριθμος του ύψους Γράφουμε lnheight εκεί που λέει ‘Target Variable’. Μετά ορίζουμε in ‘ln(height)’ εκεί που λέει ‘Numeric Expression’ και πατάμε το OK Click

Υπολογισμός δεδομένων Η νέα μεταβλητή ‘lnheight’ έχει προστεθεί

Εξάσκηση 3 Προσθέστε μια νέα μεταβλητή με το όνομα “sqrtheight”, η οποία να είναι η τετραγωνική ρίζα του ύψους

Βασικές αναλύσεις

Οι βασικές στατιστικές αναλύσεις στις οποίες θα αναφερθούμε είναι Frequencies Η οποία παρουσιάζει πίνακες συχνοτήτων και ποσοστών για τις μεταβλητές μας. Descriptives Η οποια παρουσιάζει τους βασικούς δείκτες περιγραφικής στατιστικής. Linear regression analysis Η οποία υπολογίζει τους συντελεστές σε μια γραμμική εξίσωση.

Άνοιγμα αρχείου δεδομένων Ανοίξτε το ‘Employee data.sav’. Πηγαίνετε στο “File,” “Open,” και Data

Άνοιγμα αρχείου δεδομένων Ανοίξτε το αρχείο “Employee Data.sav”.

Frequencies (συχνότητες) Πηγαίνετε στο ‘Analyze,’ ‘Descriptive statistics’ και επιλέξτε ‘Frequencies’

Frequencies Επιλέξτε gender και σύρετέ το στο κουτί των μεταβλητών Επιλέξτε ‘Charts.’ Επιλέξτε ‘Bar charts’ και πατήστε ‘Continue.’ Κλικ Κλικ

Frequencies Τέλος πατήστε OK. Click

Χρησιμοποιώντας τον Syntax editor Πατήστε ‘Analyze,’ ‘Descriptive statistics,’ και μετά ‘Frequencies.’ Σύρετε το ‘Gender’ στο Variable(s) box. Έπιλέξτε ‘Charts,’ ‘Bar charts’ και ‘Continue.’ Επιλέξτε ‘Paste.’ Κλικ

Χρησιμοποιώντας τον Syntax editor Επιλέξτε τις εντολές στον Syntax editor και πατήστε την εικόνα του run. Ή με διπλό κλικ και επιλογή του ‘Run Current’ Δεξί κλικ Κλικ

Πρόβλημα Να γίνει ανάλυση συχνοτήτων (frequency analysis) στη μεταβλητή “minority” Να κατασκευαστούν κυκλικά διαγράμματα Να γίνει η ίδια ανάλυση με τον Syntax Editor

Απάντηση Click

Descriptives Επιλέξτε ‘Analyze,’ ‘Descriptive statistics,’ και πατήστε κλικ στο ‘Descriptives…’ Πατήστε κλικ στο ‘Educational level’ και ‘Beginning Salary,’ και σύρετέ το στο variable box. Κάντε κλικ στο Options Κλικ

Descriptives Η επιλογή options μας δίνει τη δυνατότητα να υπολογίσουμε και άλλα στοιχεία περιγραφικής στατιστικής πλην του μέσου όρου (mean) και της τυπικής απόκλισης (Std). Για παράδειγμα, επιλέξτε ‘variance’ και ‘kurtosis’ Επιλέξτε ‘Continue’ Κλικ Κλικ

Descriptives Τέλος, πατήστε OK στο πλαίσιο διαλόγου Descriptives. Βλέπετε τα εξής αποτελέσματα στην ανάλυση

Regression Analysis Από το κυρίως μενού πηγαίνετε στο ‘Analyze,’ ‘Regression,’ και ‘Linear’.

Regression Analysis Ας αναλύσουμε το μοντέλο Ο αρχικός μισθός ‘Beginning Salary’ είναι η εξαρτημένη μεταβλητή ενώ το επίπεδο εκπαίδευσης ‘Educational Level’ είναι η ανεξάρτητη μεταβλητή. Κλικ Κλικ

Regression Analysis Πατάμε OK και παίρνουμε το εξής αποτέλεσμα

Σχεδιάζοντας το μοντέλο Από το κυρίως μενού πηγαίνουμε στο ‘Graphs,’ ‘Legacy Dialogs,’ ‘Interactive,’ και ‘Scatterplot’.

Σχεδιάζοντας το μοντέλο Σέρνουμε το ‘Current Salary’ στον χώρο του κάθετου άξονα και το ‘Beginning Salary’ στο χώρο του οριζόντιου άξονα Πηγαίνουμε στη μπάρα ‘Fit’. Στο κουτί διαλόγου Fit box προσέχουμε να έχουμε επιλεγμένο το regression. Πατάμε ‘OK’. Κλικ Στο Regression!

Στις παρακάτω διευθύνσεις θα βρείτε Java applets για τη γραμμική παλινδρόμηση http://www.math.csusb.edu/faculty/stanton/m262/regress/regress.html http://hadm.sph.sc.edu/COURSES/J716/demos/LeastSquares/LeastSquaresDemo.html http://www.duxbury.com/authors/mcclellandg/tiein/johnson/reg.htm

Απλή παλινδρόμηση Η εξίσωση που περιγράφει πώς το y σχετίζεται με το x και ΄ έναν όρο σφάλματος . Η απλή παλιδρόμηση έχει την εξής μορφή: y = b0 + b1x +e Όπου: Τα b0 και b1 ονομάζονται παράμετροι του μοντέλου, και e είναι μια τυχαία μεταβλητή που ονομάζεται σφάλμα.

Απλή παλινδρόμηση E(y) = 0 + 1x Η γραφική της παράσταση είναι ευθεία γραμμή Το b0 ο σταθερός όρος της εξίσωσης. b1 είναι η γωνία της εξίσωσης E(y) είναι η αναμενόμενη τιμή της y για μια δεδομένη τιμή της μεταβλητής x.

Simple Linear Regression Equation E(y) x Ευθεία παλινδρόμησης Σταθερός όρος b0 To b1 είναι θετικό

Συντελεστής παλινδρόμησης b1 E(y) x Ευθεία παλινδρόμησης Διαφορά ύψους b0 Συντελεστής παλινδρόμησης b1

Συντελεστής παλινδρόμησης b1 E(y) x Διαφορά ύψους b0 Ευθεία παλινδρόμησης Συντελεστής παλινδρόμησης b1 αρνητικός

Συντελεστής παλινδρόμησης b1 Καμία σχέση E(y) x Διαφορά ύψους b0 Γραμμή παλινδρόμησης Συντελεστής παλινδρόμησης b1

Η εκτίμηση του μοντέλου Το γράφημα ονομάζεται μοντέλο γραμμής παλινδρόμησης To b0 είναι τιμή του y στον κάθετο άξονα. Το b1 είναι ο συντελεστής του μοντέλου. Το είναι η εκτιμούμενη τιμή της μεταβλητής y για δεδομένη τιμή της x.

Διαδικασία Δεδομένα (δείγμα): Μοντέλο x y y = b0 + b1x +e Εξίσωση E(y) = b0 + b1x Άγνωστες παράμετροι b0 και b1 Δεδομένα (δείγμα): x y x1 y1 . . xn yn Τα b0 και b1 εκτιμούν τα b0 και b1 Εκτιμούμενο μοντέλο b0 b1

Μέθοδος των ελαχίστων τετραγώνων Όπου: yi = παρατηρούμενη τιμή της εξαρτημένης μεταβλητής για την i παρατήρηση ^ yi = εκτιμούμενη τιμή της εξαρτημένης μεταβλητής για την i παρατήρηση

Μέθοδος των ελαχίστων τετραγώνων Ο συντελεστής παλινδρόμησης

Μέθοδος των ελαχίστων τετραγώνων Το ύψος (y-Intercept) στο εκτιμώμενο μοντέλο Όπου: xi = τιμή της ανεξάρτητης μεταβλητής για την i παρατήρηση yi = η τιμή της εξαρτημένης μεταβλητής για την i παρατήρηση _ x = μέση τιμή της ανεξάρτητης μεταβλητής _ y = μέση τιμή της εξαρτημένης μεταβλητής n = συνολικός αριθμός παρατηρήσεων (μέγεθος του δείγματος)

Παράδειγμα Σύνδεση διαφημίσεων με αριθμό πωλήσεων

Αριθμός διαφημίσεων Πωληθέντα αυτοκίνητα 1 3 2 14 24 18 17 27

Συντελεστής παλινδρόμησης Συντελεστής ύψους (y-Intercept) Εκτιμώμενη εξίσωση