Главная /
Рефераты / Возможности SPSS по использованию методов описательной статистики
Возможности SPSS по использованию методов описательной статистики
Для анализа результатов маркетинговых исследований может быть использовано множество методов математической статистики, реализованных в программе SPSS. В данном учебном пособии рассмотрены основы работы лишь с некоторыми основными методами.
Как уже говорилось в Главе 2, к методам описательной статистики относится, в частности, построение частотных таблиц. Выбираем пункты меню:
Statistics – Summarize – Frequencies – выбор дискретной переменной (переменных).
В диалоговом окне процедуры Frequencies (Частоты) исследователь может (рис. 3.5):
- нажав кнопку Statistics, задать вычисление максимального, минимального и среднего значения, моды, медианы, среднеквадратического отклонения для количественных переменных;
- кнопкой Charts задать вид графиков – столбиковая или круговая диаграммы, гистограмма;
- кнопкой Format задать порядок, в котором будут выводиться результаты.
Рис. 3.5. Диалоговое окно процедуры Частоты.
Для непрерывных переменных может использоваться обобщающая статистика:
Statistics – Summarize – Descriptives.
Процедура Descriptives осуществляет вывод одномерных статистик для нескольких переменных в одной таблице, а также вычисляет нормированные значения переменных. Переменные могут быть упорядочены по величине их средних значений (в порядке возрастания или убывания), по алфавиту или в порядке, в котором пользователь выбирает переменные (используется по умолчанию).
Например, если каждое наблюдение в анализируемых данных содержит итоги дневных объемов продаж для одного из дистрибьюторов компании в течение нескольких месяцев, то эта процедура поможет рассчитать средний дневной объем продаж для каждого дистрибьютора и расположить полученные результаты от наиболее высоких к низким.
Методы проверки статистических гипотез позволяют получить ответ на вопрос, являются ли обнаруженные закономерности подлинными, или же их можно объяснить случайными особенностями выборки. В частности, важным является вычисление стандартной ошибки среднего значения. Стандартная ошибка среднего значения необходима, чтобы определить, в какой области значений лежит истинное среднее значение генеральной совокупности. Для ее вычисления необходимо использовать пункты меню:
Statistics – Summarize – Frequencies - Statistics – S.E.Mean
(S.E.Mean – standard error Mean).
Для непрерывной переменной, как уже говорилось выше, вместо стандартной ошибки среднего используются нормированные значения (z-значения) и необходимо использовать:
Statistics – Summarize – Descriptives —
– выбор переменных – Save standartized values as variably.
Как было показано в Главе 2, для проверки нормальности распределения кривая нормального распределения может быть наложена на гистограмму. Для этого в программе SPSS требуется использовать пункты меню:
Statistics – Summarize – Frequencies – Charts – Histograms – With normal curve (рис. 3.6)
Рис. 3.6. Окно задания графиков в процедуре Frequencies
Таким образом, гипотеза нормальности может быть проверена графически.
Для проверки нормальности распределения могут использоваться показатели асимметрии (Skewness) и эксцесса (Kurtosis). Асимметрия показывает "скошенность" кривой распределения относительно нормальной кривой, а эксцесс замеряет "заостренность" кривой (положительный – заостренная кривая, отрицательный – "тупая"). Стандартная ошибка Std.Error позволяет оценить значимость асимметрии и эксцесса. Для вычисления этих показателей необходимо использовать пункты меню:
Statistics – Summarize – Frequencies —
— Statistics – Skewness, Kurtosis
Рис. 3.7. Задание вычисления асимметрии и эксцесса
в процедуре Frequencies
Для предварительного вычисления многих параметров описательной статистики (минимум, максимум, среднеквадратическое отклонение, усеченное среднее и т.п.), можно использовать разведочный анализ - процедуру Explore:
Statistics – Summarize – Explore
– выбор переменной - Statistics…
Для проверки нормальности в этой процедуре вычисляются асимметрия, эксцесс, изображается диаграмма Stem-and-leaf - "ствол и листья", позволяющая оценить распределение:
Statistics – Summarize – Explore –
выбор переменной - Plots…- Stem-and-leaf
(Stem Width – ширина "ствола").
При интерпретации результатов необходимо учитывать, что диаграмма Stem-and-leaf в окне вывода программы SPSS располагается с наклоном 90о (рис. 3.8).
Age of Respondent Stem-and-Leaf Plot
Frequency Stem & Leaf
12,00 1 . 899
143,00 2 . 000011111111222222233333344444
150,00 2 . 5555556666666777777888888899999
187,00 3 . 00000001111111222222222333333334444444
195,00 3 . 555555555556666666777777788888889999999
167,00 4 . 0000000111111112222223333333444444
113,00 4 . 5555667777778888889999
87,00 5 . 000011122223334444
78,00 5 . 555667778888999
87,00 6 . 00011112223333444
84,00 6 . 555566677778888999
95,00 7 . 0001111222233333444
53,00 7 . 5566677889
43,00 8 . 001122234
20,00 8 . 5799&
Stem width: 10
Each leaf: 5 case(s)
& denotes fractional leaves.
Рис. 3.8. Пример диаграммы Stem-and-Leaf
Оценить вид распределения помогают также "ящичковые диаграммы", о которых упоминалось уже в Главе 2. Для вычисления "ящичковых диаграмм" используются пункты меню:
Statistics – Summarize – Explore
– выбор переменной – Plots… - Factor levels Together
Ящичковые диаграммы дают исследователю общее представление о распределении переменной: на них высота ящичка – разброс значений, жирная черта внутри – медиана или 50%- процентиль, нижняя грань – 25%-процентиль, верхняя – 75%-процентиль.
Значения, не попавшие внутрь, изображаются отдельно вне ящика.
Эти значения можно исследовать отдельно (если они есть):
Statistics – Summarize – Explore
– выбор переменной - Statistics…- Outliers
Рис. 3.9. Пример задания расчета ящичковой диаграммы
В окне вывода при таком исследовании выводится таблица экстремальных значений Extreme Values.
Одним из методов исследования нормальности распределения является также построение графиков на нормальной вероятностной бумаге. На графике даются координаты фактических значений переменных и теоретические значения, вычисленные при условии
нормальности распределения (линия). Чем ближе фактические значения к линии, тем больше распределение близко к нормальному. Аналогично можно интерпретировать график с удаленным трендом – Detrended Normal Q-Q Plot, - нормальному распределению здесь соответствует горизонтальная линия.
При построении графиков на нормальной вероятностной бумаге в программе SPSS автоматически рассчитываются значения коэффициентов Колмогорова-Смирнова и Шапиро-Уилкса. Эти критерии основаны на нулевой гипотезе о том, что данная выборка получена из генеральной совокупности, имеющей нормальное распределение. В окне вывода можно изучить Tests of Normality, особенно обращая внимание на уровень значимости каждого критерия Sig: если он больше 0.05 (т.е. превышает 5%), то можно принять нулевую гипотезу – или, строго говоря, нет оснований ее отвергнуть!
Существует большое количество методов проверки нормальности распределения, но ни один из них не является универсальным. Одни могут подтверждать нормальность, а другие – отвергать. Исследователю необходимо использовать все возможные методы для получения как можно менее противоречивых данных!
Похожие рефераты:
