- •Предисловие
- •Глава 1. Информация, обрабатываемая статистическим пакетом
- •1.1. Анкетные данные
- •1.2. Типы переменных
- •1.2.1. Типы кодирования переменных
- •1.2.2. Тип шкалы измерения переменной
- •1.2.3. Неколичественные шкалы
- •1.2.4. Количественные шкалы
- •1.2.5. Неальтернативные признаки
- •1.3. Имена и метки переменных
- •1.4. Коды неопределенных значений
- •Глава 2. Общее описание статистического пакета для социологических исследований и подготовка данных
- •2.1. Структура пакета
- •2.2. Схема организации данных, окна spss
- •2.3. Управление работой пакета
- •2.3.1. Основные команды меню spss верхнего уровня
- •2.3.2. Статусная строка
- •2.3.3. Ввод данных с экрана
- •2.4. Режим диалога и командный режим
- •2.4.1. Командный режим работы с пакетом. Основные правила написания команд на языке пакета
- •2.4.2. Порядок выполнения команд
- •2.4.3. Команды вызоваGeTи сохранения данныхSave
- •2.4.4. Основные команды описания данных
- •2.5. Основные команды преобразования данных
- •2.5.1. КомандыComputEиIf
- •2.5.1.1. Основные функции и операторы команд computEиIf
- •Сдвиг, произведенный функцией lag (данные «Проблем и жалоб»)
- •2.5.1.2. Работа с неопределенными значениями
- •2.5.1.3. Функции для неопределенных значений
- •2.5.1.4. Работа с пользовательскими неопределенными значениями
- •2.5.1.5. Работа с функциями missinGиSysmis.
- •2.5.2. КомандаRecode
- •2.5.3. КомандаCount
- •2.5.4. Условное выполнение команд
- •Интервалы для мужчин и женщин
- •2.5.5. КомандаRank
- •2.5.6. Отбор подмножеств наблюдений
- •2.5.7. КомандаSplitfile
- •Описательные статистики для групп, полученные при расщеплении данных для сравнения
- •2.5.8. Взвешивание выборкиWeight
- •2.6. Операции с файлами
- •2.6.1. Агрегирование данных (командаAggregate)
- •2.6.1.1. Функции агрегирования
- •2.6.1.2. Пример агрегирования файла
- •2.6.2. Объединение файлов (merge files)
- •Глава 3. Процедуры получения описательных статистик и таблиц сопряженности
- •3.1. Команды получения распределений и описательных статистик
- •3.1.1. Frequencies – получение одномерных распределений переменных
- •3.1.1.1. Подкоманды /barchart, /piecharTи /histogram– диаграммы распределения
- •3.1.1.2. Подкоманды /ntiles, /percentiles–n-тили, процентили
- •3.1.1.3. Подкоманда /statistics– описательные статистики
- •Статистики переменной v14 – «Душевой доход», выданные командой frequencies
- •3.1.2.Descriptives– описательные статистики
- •3.1.3.Explore– исследование распределений и сравнение групп объектов
- •3.2 Анализ связи между неколичественными переменными
- •3.2.1.Crosstabs– таблицы сопряженности
- •3.2.1.1. Подкоманда /tables– задание таблиц
- •Распределение переменной «Точка зрения на иностранную помощь» в разрезе региона и пола респондентов
- •3.2.1.2. Подкоманда /cells
- •Связь ответов на вопросы «Точки зрения на иностранную помощь» и «Возможности удовлетворения территориальных требований Японии» (частоты и проценты)
- •3.2.1.3. Cтатистики смещения частот
- •Связь ответов на вопросы «Точки зрения на иностранную помощь» и «Возможностью удовлетворить территориальные требования Японии» (статистики смещений частот)
- •3.2.1.4. Подкоманда /statistics– исследование связи неколичественных переменных
- •Тесты хи-квадрат
- •3.2.1.5. Измерение силы связи между номинальными переменными
- •3.2.1.6. Коэффициенты связи между ранговыми переменными
- •Коэффициенты для ранговых переменных
- •3.2.1.7. Точные методы оценки значимости
- •3.3. Сложные табличные отчеты. Таблицы для неальтернативных вопросов
- •3.3.1. Работа с командой General Tables
- •Средний возраст в группах по ответам на вопрос III «Что мешает заключить договор?» для мужчин и женщин
- •3.3.2. Типичные примеры использования Multiple Response Tables
- •3.4. Множественные сравнения в таблицах для неальтернативных вопросов. Программа Typology Tables
- •3.4.3. Как выяснить надежность результата?
- •3.4.4. Критические значенияZ-статистики при множественных сравнениях
- •3.4.5. Статистические эксперименты
- •3.4.6. Работа с программой Typology Tables
- •3.4.7. Примеры использования программы Typology Tables
- •3.4.7.1. Частотная таблица. Наличие крупной собственности и покупки спиртного и табака.
- •Покупка алкоголя и табачных изделий и наличие крупной собственности (фрагмент таблицы сопряженности, частоты и % по строкам)
- •3.4.7.2. Таблица средних. Молочные продукты и жилплощадь
- •Средняя жилплощадь в группах семей по покупкам молочных продуктов
- •3.4.7.3. Душевой доход любителей сладкого и жилье. Одновременное сравнение средних по строкам таблицы
- •Средний логарифм доходов в группах по жилищным условиям и покупкам сладкого (среднее, стд. Отклонение, численность в группах)
- •Глава 4. Сравнение средних, корреляции
- •4.1. Compare Means – простые параметрические методы сравнения средних
- •4.1.1. Одновыборочный тест (One sample t-test)
- •Одновыборочный t-тест. Средний промедианный доход незначимо отличается от нуля
- •Одновыборочный t-тест. Средний логарифм промедианного дохода в группе с относительно низким образованием отличается от нуля при уровне значимости 5 %
- •4.1.2. Двухвыборочный t-тест (independent sample t-test)
- •4.1.3. Двухвыборочныйt-тестдля связанных выборок (Paired sample t-test)
- •4.1.4. КомандаMeans– сравнение характеристик числовой переменной по группам
- •Среднемесячный душевой доход в семье
- •Результаты однофакторного дисперсионного анализа
- •4.1.5. Одномерный дисперсионный анализ (oneway)
- •4.1.6. Множественные сравнения
- •Oneway, сравнение среднего промедианного логарифма доходов
- •Oneway, проверка однородности дисперсий
- •Oneway, обычный дисперсионный анализ
- •Oneway, группы неразличимых средних
- •Oneway, множественные попарные сравнения
- •4.2. Correlationsкорреляции
- •4.2.1. Парные корреляции
- •Коэффициенты корреляции Спирмена (Spearman's rho)
- •4.2.2. Частные корреляции
- •Коэффициент корреляции времени приготовления пищи и закупки продуктов
- •Коэффициент корреляции времени приготовления пищи и закупки продуктов
- •Глава 5. Непараметрические тесты. Командаnonparametrictests
- •5.1. Одновыборочные тесты
- •5.1.1.Тест хи-квадрат
- •Наблюдаемые и ожидаемые частоты
- •Статистика хи-квадрат
- •Значимость критерия хи-квадрат
- •5.1.2. Тест, основанный на биномиальном распределении
- •Значимость критерия хи-квадрат
- •5.1.3. Тест КолмогороваСмирнова
- •Проверка нормальности распределения доходов с использованием критерия Колмогорова – Смирнова
- •Проверка лог-нормальности распределения доходов
- •5.2. Тесты сравнения нескольких выборок
- •5.2.1. Двухвыборочный тест КолмогороваСмирнова
- •Cравнение распределения доходов в двух группах на основе критерия Колмогорова – Смирнова
- •5.2.2. Тест медиан
- •Метод медиан. Разделение на две подвыборки
- •Метод медиан. Значимость критерия
- •5.3. Тесты для ранговых переменных
- •5.3.1. Двухвыборочный тест Манна – Уитни (Mann – Witney)
- •Критерий Манна Уитни. Суммы рангов
- •Критерий Манна Уитни. Значимость критерия
- •5.3.2. Одномерный дисперсионный анализ КраскэлаУоллиса (KruskalWallis)
- •Тест Краскэла – Уоллиса. Средние ранги
- •Тест Краскэла Уоллиса. Значимость критерия
- •5.4. Тесты для связанных выборок (Related samples)
- •5.4.1. Двухвыборочный критерий знаков (Sign)
- •Тест знаков для парных наблюдений. Частоты
- •Тест знаков для парных наблюдений. Значимость критерия
- •5.4.2. Двухвыборочный знаково-ранговый критерий Вилкоксона (Wilcoxon)
- •Знаково-ранговый тест Вилкоксона. Средние ранги
- •Знаково-ранговый тест Вилкоксона. Средние ранги
- •5.4.3. Критерий Фридмана (Friedman)
- •Tест Фридмана. Средние ранги
- •Tест Фридмана. Значимость
- •Глава 6. Регрессионный анализ
- •6.1. Классическая линейная модель регрессионного анализа
- •6.1.1. Существует ли линейная регрессионная зависимость?
- •6.1.2. Коэффициенты детерминации и множественной корреляции
- •6.1.3. Оценка влияния независимой переменной
- •6.1.3.1. Стандартизация переменных. Бета-коэффициенты
- •6.1.3.2. Надежность и значимость коэффициента регрессии
- •6.1.3.3. Значимость включения переменной в регрессию
- •6.1.4. Пошаговая процедура построения модели
- •6.1.5. Переменные, порождаемые регрессионным уравнением
- •6.1.6. Взвешенная регрессия
- •6.1.7. Команда построения линейной модели регрессии
- •6.1.8. Пример построения модели
- •Общие характеристики уравнения
- •Дисперсионный анализ уравнения
- •Коэффициенты регрессии
- •6.1.9.Можно ли в регрессии использовать неколичественные переменные?
- •Коэффициенты регрессии с индексными переменными
- •6.1.10.Взаимодействие переменных
- •6.2.Логистическая регрессия
- •6.2.1.Отношение шансов и логит
- •6.2.2. Решение уравнения с использованием логита
- •6.2.3. Неколичественные данные
- •6.2.4. Взаимодействие переменных
- •6.2.5. Пример логистической регрессии и статистики
- •Средняя зарплата по децилям
- •6.2.6. Качество логистической регрессии
- •6.2.7. Вероятность правильного предсказания
- •Связь наблюдения и предсказания в логистической регрессии
- •6.2.8. Коэффициенты логистической регрессии
- •6.2.9. О статистике Вальда
- •6.2.10. Сохранение переменных
- •Глава 7. Исследование структуры данных
- •7.1. Факторный анализ
- •7.1.1. Метод главных компонент
- •7.1.2. Интерпретация факторов
- •7.1.3. Оценка факторов
- •7.1.4. Статистические гипотезы в факторном анализе
- •7.1.5. Задание факторного анализа
- •Дисперсия, объясненная факторным анализом
- •Матрица факторных нагрузок
- •Матрица факторных нагрузок после вращения факторов
- •7.2. Кластерный анализ
- •7.2.1. Иерархический кластерный анализ
- •Протокол объединения кластеров
- •7.2.2. Быстрый кластерный анализ
- •Центры кластеров (Final Cluster Centers)
- •Дисперсионный анализ в методе k-средних (anova, имееет только описательное значение)
- •7.3. Многомерное шкалирование
- •7.3.1. Евклидово пространство
- •7.3.2. Идея многомерного шкалирования
- •7.3.3. Качество подгонки модели
- •7.3.4. Вызов процедуры многомерного шкалирования
- •7.3.5. Исходная матрица расстояний
- •7.3.6. Пример построения шкал
- •Коэффициенты ранговой корреляции Спирмена построенных шкал с обеспеченностью предметами быта
- •Литература
- •Приложение 1 Анкета опроса общественного мнения
- •Приложение 2 Переменные файла обследования общественного мнения
- •Оглавление
- •Глава 1. Информация, обрабатываемая статистическим пакетом 5
- •Глава 2. Общее описание статистического пакета для социологических исследований и подготовка данных 10
- •Глава 3. Процедуры получения описательных статистик и таблиц сопряженности 40
- •Глава 4. Сравнение средних, корреляции 78
- •Глава 5. Непараметрические тесты. Команда nonparametric tests 96
- •Глава 6. Регрессионный анализ 109
- •Глава 7. Исследование структуры данных 131
3.1.1.1. Подкоманды /barchart, /piecharTи /histogram– диаграммы распределения
Столбиковая и круговая диаграммы обычно используются для неколичественных переменных.
Гистограмма необходима для графического представления количественных данных. Для ее построения SPSS подбирает интервалы группирования значений переменной и представляет графически частоты или доли числа объектов, попавших в соответствующие интервалы. К сожалению, принцип определения числа интервалов в имеющейся у нас документации SPSS не описан. В синтаксисе команды можно задать интервал значений, для которых будет выдаваться гистограмма.
На рис. 3.2 представлен график, полученный командой, в которой задан интервал:
FREQUENCIES VARIABLES = V9/ HISTOGRAM min(30), max(50).
Соотношение высоты столбиков отражает соотношение количества респондентов, имеющих возраст из соответствующего двухлетнего интервала. Например, из гистограммы видим, что более всего в выборке было 36 – 38-летних. Или: с увеличением возраста после 44 лет численность опрашиваемых сокращалась почти в равных пропорциях для трех последующих интервалов. Можно отметить также активное включение в опрос лиц в возрасте 50 – 52 года.
3.1.1.2. Подкоманды /ntiles, /percentiles–n-тили, процентили
Подкоманда NTILESзадает печатьn-тилей – значений переменной, делящих распределение на заданное число групп с равным числом объектов. Следующая команда выдает квинтили (деление на 5 частей) переменной, содержащей данные по доходу:
FREQUENCIES /VARIABLES = V14 /NTILES = 5.
Подкоманда PERCENTILESпечатает процентили (процентиль – это квантиль, рассчитанная по доле, указанной в процентах). Процентили являются значениями переменной, отделяющими указанную в процентах долю совокупности объектов. Пример: найдем значения дохода, отделяющие 10 % выборки, 50 % (медиану) и 90 %:
FREQUENCIES /VARIABLES = V14 /PERCENTILES 10 50 90.
Процентили удобно использовать, если нам нужно разбить упорядоченные значения переменной на интервалы, которые содержали бы задаваемое нами количество объектов (анкет).
3.1.1.3. Подкоманда /statistics– описательные статистики
Подкоманда позволяет получить одномерные описательные статистики.
FREQUENCIES V1 V2 V4 /STATISTICS DEFAULT.
Ключевые слова:
MEAN – среднее;
SEMEAN – стандартная ошибка среднего;
MEDIAN – медиана (процентиль с 50 %)
MODE – мода (наиболее частое значение)
STDDEV – стандартное отклонение;
VARIANCE– дисперсия;
KURTOSIS– эксцесс (пикообразность);
SEKURT – стандартная ошибка эксцесса;
SKEWNESS– коэффициент асимметрии (скошенность);
SESKEW– стандартная ошибка коэффициента асимметрии;
RANGE – разброс =(MAX - MIN);
MINIMUM – минимум;
MAXIMUM – максимум;
SUM – сумма всех значений переменной;
ALL – все статистики;
DEFAULTS – статистикиМEAN, STDDEV, MIN, MAX.
Статистика MEAN вычисляется по известной формуле,VARIANCE– несмещенная оценки дисперсии – по формуле,SEMEAN– стандартная ошибка среднего – по формуле .
Стандартную ошибку можно использовать для оценки доверительного интервала матожидания (в случае нормального распределения генеральной совокупности границы (1 –)100 % доверительного интервала имеют вид). Напомним, что доверительным интервалом параметра называется интервал со случайными границами, накрывающий значение параметра с заданной (доверительной) вероятностью. В частности, приближенными оценками границ 95 %-го двустороннего доверительного интервала для матожидания являются значения(истинное значение матожидания с вероятностью 0,95 находится в этих пределах).
Примерно в пределах должно находиться около 68 % наблюдений совокупности.
На практике постоянно возникает вопрос, нормально ли распределение переменной, так как многие статистические методы разработаны в предположении нормальности. Исследуемые распределения обычно отличаются от нормального закона, а в этом случае оценки некоторых параметров будут смещены. Например, будет некорректно вычислена наблюдаемая значимость оценки. Исследователю важно понять, опасно ли смещение выборочного распределения от нормального. Приближенно и быстро оценить масштабы отклонения распределения от нормального можно, используя скошенность и пикообразность.
Скошенность SKEWNESSопределяется расчетом третьего момента по формуле– коэффициент асимметрии.
Если полученная величина меньше нуля, то распределение растянуто влево, если больше нуля – то вправо. Чем больше отличие от нуля, тем значительнее отклонения распределения от нормального.
Пикообразность KURTOSISопределяется значением четвертого момента:– эксцесс.
Нулевое значение Kurtosisозначает, что пикообразность распределения совпадает с пикообразностью нормального распределения. Чем больше четвертый момент, тем больше пикообразность распределения и, следовательно, отличие от нормального. В этом случае существенность отклонений статистик от теоретических можно проверить, используя стандартные ошибки этих статистик (Std. Error of Skewness и Std. Error of Kurtosis). В основе лежит факт, что отношение статистики к ее стандартной ошибке имеет распределение, близкое к нормальному). Например, если это отношение превышает 1,96, то мы должны отклонить гипотезу о равенствеKurtosisнулю в генеральной совокупности и, следовательно, о нормальном распределении переменной.
Полезность этих двух статистик не ограничивается проверкой нормальности распределения. Приобретя некоторый опыт, можно использовать эти статистики для качественного анализа распределения. Например, при исследовании доходов можно использовать Kurtosisкак измеритель степени неравенства доходов населения. Чем больше пикообразность, тем однороднее доходы.
Перечисленные описательные статистики команды FREQUENCIESиграют в анализе данных особую роль. Они позволяют провести первый этап статистических исследований выборки. Ниже приведен пример описательных статистик, полученных для переменной «Среднемесячный душевой доход в семье», построенной по ответам на 14-й вопрос анкеты «Курильские острова».
FREQUENCIES VARIABLES = V14 /NTILES = 4 /PERCENTILES = 10 90
/STATISTICS = STDDEV VARIANCE RANGE MINIMUM MAXIMUM SEMEAN MEAN MEDIAN MODE SUM SKEWNESS SESKEW KURTOSIS SEKURT.
Команда вычисляет также n-тили и процентили.
Таблица 3.2