Nekaj statističnih pojmov za uspešno pripravo raziskave zaključnega dela (drugi del)

Zmeda pri uporabi statističnih metod za dokazovanje povezanosti ali razlik med spremenljivkami v okviru tematike, ki jo raziskujemo v družboslovju, je in bo vedno prisotna. Zapleteni procesi so računalniškim algoritmom mala malica za serviranje tabel s številkami, katerih imena smo sicer že slišali, a si z njimi brez kakovostne interpretacije ne moremo kaj dosti pomagati. Oglejmo si nekaj pojmov, kot so T-test, ANOVA, Pearsonov ali Spearmanov koeficient.

 

Vir slike: Unsplash

 

Zadnjič smo si že ogledali, kaj pomeni opisna statistika, kako lahko razdelimo spremenljivke in kako naj bi izgledala hipoteza. Danes pa se podajmo v skrivnostni svet različnih korelacijskih ali razločevalnih preizkusov (testov) in korelacijskih koeficientov, s katerimi v družboslovju utemeljujemo ugotovitve. Najprej moramo ugotoviti, ali bomo svojo hipotezo preizkusili z analizo razlik znotraj neke spremenljivke glede na neko drugo ali bomo iskali povezanost med določenimi spremenljivkami. Pri izbiri metode preizkusa pa moramo vedeti tudi, ali imamo atributne (nominalne oz. ordinalne) ali numerične (intervalne) spremenljivke.

 

T-test
Kadar raziskujemo dve neodvisni skupini, nam t-test pomaga ugotoviti, če se njuni aritmetični sredini pomembno razlikujeta. Že sama aritmetična sredina nam da vedeti, da za to potrebujemo numerične spremenljivke, npr. intervalne ali drug t. i. proporcionalne (razmernostne) spremenljivke. Torej številčne vrednosti, ki jim lahko določimo medsebojna razmerja. S T-testom lahko vedno primerjamo le dve spremenljivki.

 

Test ANOVA
Za primerjavo več numeričnih spremenljivk kot dve (kot pri t-testu) sočasno izberemo test ANOVA, ki primerja po dve in dve spremenljivki medsebojno. Nekateri zato ANOVI rečejo tudi posplošen t-test.

 

Hi-kvarat oz. Chi-square test
Mnogi ga lažje prepoznajo po simbolu male grške črke chi, ki je podobna našemu X in jo krasi še nadpisana dvojka, ki pomeni kvadrat. Za razliko od prejšnjih dveh ga običajno uporabimo pri ugotavljanju povezave med dvema nominalnima atributivnima spremenljivkama.

 

Pearsonov koeficient
Prikaže povezave dveh numeričnih spremenljivk. Njegovo številčno vrednost ubesedimo kot moč povezave (ki je lahko vse od ničelne do močne), grafično pa nam ga lahko predstavijo tudi točke razsevnega diagrama, ki se lahko zberejo bližje ali dlje od navidezne korelacijske premice.

 

Spearmanov koeficient
Pomaga nam ugotoviti povezanost dveh ordinalnih spremenljivk. Pri njem ni potrebe po normalni razporeditvi, da preverimo statistično pomembnost.

 

Seveda pa pri preverjanju korelacije v splošnem moramo upoštevati tudi statistično pomembnost p, ki jo običajno preverjamo pri 0,05 ali 0,01.

 

Za podrobnejša navodila in interpretacije pa bo potrebno odpreti še kakšno knjigo. ;) Vsekakor vam želimo, da uspešno opravite vse potrebno za vašo zaključno nalogo in da pri statistični analizi ne vržete puške v koruzo takoj na začetku. Splača se poskusiti naštudirati kakšen program - kdo ve, morda pa v času, ko radi poudarjamo statistične vrednosti in veliko manipuliramo podatke, pride prav tudi v praksi. 

 

Share on Facebook
Please reload

Mariborska cesta 2

3000 Celje

Slovenija

  • White Facebook Icon
  • White YouTube Icon
  • White Instagram Icon
Piši nam

© 2017 by Matic Gabriel & Tadej Perčič