- •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
Глава 4. Сравнение средних, корреляции
4.1. Compare Means – простые параметрические методы сравнения средних
Параметрические методы проверки гипотез о равенстве средних нулю (нулевые гипотезы) предполагают нормальность распределения анализируемых переменных или остатков в моделях дисперсионного анализа, сравнения средних в парах групп объектов и т. д. Однако условие нормальности выборки при анализе анкетной информации выполняется весьма редко. Наиболее доступным решением проблемы является создание новых переменных путем усреднения множества независимых случайных данных. По центральной предельной теореме такие переменные имеют распределение, близкое к нормальному.
На практике эти методы все же используются для больших совокупностей данных других типов распределений при условии, что они «не слишком сильно» отклоняются от нормального распределения. «Не слишком сильно» – неопределенное понятие, обычно решение принимается при рассмотрении гистограммы распределения на фоне кривой нормального распределения.
Взгляните, например, на распределение населения по душевому доходу, рис. 4.1. Распределение имеет длинный хвост в направлении больших доходов, нормальная кривая недостаточно хорошо огибает гистограмму. Если использовать вместо этой переменной логарифм доходов, полученный командой COMPUTE lnv14 = ln(v14)., то получаем более приемлемое распределение (рис. 4.2).
Основные идеи и формулы параметрических методов анализа средних и дисперсий рассматриваются в курсе математической статистики; и здесь, по ходу изложения материала, мы коротко напомним отдельные положения этой теории.
4.1.1. Одновыборочный тест (One sample t-test)
Одновыборочный t-тест предназначен для проверки гипотезы о равенстве математического ожидания переменной заданной величине (в общепринятых обозначенияхH0: = 0). Напомним, что для проверки этой гипотезы используется статистика, которая распределена по закону Стьюдента сn – 1 степенями свободы.
Команда для проверки гипотезы выдает двусторонний доверительный интервал для ).
Примеры применения одновыборочного t-теста.
Пример 1. Для элиминирования влияния инфляции на измерение доходов его нормируют, измеряя в относительных единицах – числе средних или медиан. Доход, отнесенный к величине медианы, называется промедианным доходом. Оценка медианы душевых доходов населения по ранее проведенному достаточно обширному обследованию 200 р. Если допустить, что логарифм доходов имеет нормальное распределение, то среднее логарифма промедианных доходов должно незначимо отличаться от нуля (поскольку нормальное распределение симметрично относительно математического ожидания). Проверим это:
COMPUTE lnv14m = ln(v14/200).
VARIABLE LABELS lnv14m "логарифм промедианного дохода".
T-TEST /TESTVAL = 0 /VARIABLES = lnv14m /CRITERIA = CIN (.95).
Таблица 4.1
Одновыборочный t-тест. Средний промедианный доход незначимо отличается от нуля
|
t |
df |
Sig. (2-tailed) |
Mean Difference |
95 % Confidence Interval of the Difference | |
Lower |
Upper | |||||
LNV14M |
–0,831 |
672 |
0,406 |
–0,017 |
–0,058 |
0,023 |
В нашем примере 0 = 0 (TESTVAL = 0), отклонение среднего равно – 0,017, наблюдаемая значимость – 0,406 (почти в 40 % случаев большее отклонение от ожидаемого значения может быть получено случайно), поэтому гипотеза о равенстве нулю матожидания логарифма промедианного дохода не отклоняется. Об этом же говорит и тот факт, что 95 %-й доверительный интервал покрывает ожидаемое значение. Таким образом, по указанному параметру распределение доходов похоже на логарифмически нормальное.
Пример 2. Есть предположение, что малообразованное население имеет доход, существенно меньший, чем доход более образованной его части. Это утверждение не абсолютно, а выполняется «в среднем». Мы проверим его, исследовав различие средних логарифмов доходов в указанных группах. По существу это означает сравнение средних геометрических дохода. В нашей анкете образование закодировано следующим образом:
1. Высшее;
2. Незаконченное высшее;
3. Среднее специальное;
4. ПТУ, ФЗУ;
5. 10 – 11кл;
6. 7 – 9 кл.;
7. 4 – 6 кл.;
8. Менее 4 кл.;
9. Нет образования.
Проверим предположение, воспользовавшись временной выборкой данных о респондентах, имеющих образование не выше среднего.
COMPUTE f = (v10 > 3).
*формирование переменной фильтра.
FILTER f.
T-TEST /TESTVAL = 0 / VARIABLES = lnv14 /CRITERIA = CIN (.95).
FILTER OFF.
Таблица 4.2