Schema Analisi statistica dei dati per la ricerca di mercato, docente Martini

LEVENE

gruppi TEST T:

indicare a cosa corrisponde 1 e 2. Mi dice se le medie di due gruppi sono diverse in modo significativo

STATISTICA “variabili del test” tra colo che “dicotomica0” e coloro che “dicotomica1”.

>0,05 (no sig), accetto H0, varianze =, guardo riga per varianze =

(“verificare se ci sono differenze tra uomini e donne per quanto riguarda il reddito”, gruppo 1 e 2 con var x).

TEST T A CAMPIONI APPAIATI: utilizzato per capire se due gruppi hanno lo stesso valore rispetto ad una <0,05 (sig), rifiuto H0, i due gruppi sono ≠

caratteristica. Mi dice se le medie sono sig ≠ per lo stesso campione che fa cose diverse o le stesse in un >0,05 (no sig), accetto H0, i due gruppi sono =

Confronta arco di tempo diverso (“verificare se chi possiede VCR possiede anche lo stereo”, gruppo con var 1 e 2).

medie esiste

<0,05 (sig), medie ≠, TAMHANE o GAMES-HOWELL (post hoc):

almeno una coppia di medie •>0,05 non ci sono differenze tra gruppi

WELCH e BROWN-FOR in cui vi è una differenza sig. •<0,05 i gruppi sono diversi tra loro, commento dati asteriscati.

<0,05 (sig), varianze ≠ (test robusti).

ANOVA A UNA VIA (o UNIVARIATA): (dipendenti-quantitative // fattore-sconnesse). In quindi accetto l’ipotesi di uguaglianza delle medie,

>0,05 (no sig), medie =,

opzioni, spuntare “test di omogeneità della varianza”. “Verificare l’hp che le medie di due o il che ci dice che non c’è una relazione tra “fattore” ed “elenco dipendenti”.

LEVENE

più gruppi siano diverse”.

NB: si usa sempre quando ho più di due gruppi, se in “fattore” una risposta è stata data da un TUCKEY o SIDAK (post hoc):

solo caso, si mette come mancante. Per commento guardare SILVIA o a pag.9 della guida. •>0,05 non ci sono differenze sig tra gruppi, posso provare con sottoinsiemi omogenei (guida2 pag 10).

<0,05 (sig), medie ≠

>0,05 (no sig), varianze = ANOVA •<0,05 i gruppi sono diversi tra loro, commento dati asteriscati.

poiché le medie dei gruppi sono uguali, non c’è una relazione tra “elenco dipendenti” e “fattore”.

>0,05 (no sig), medie =,

UNIVARIATA (o ANOVA A PIÙ VIE): con “y” quantitativa (dipendente) e “x” quantitativa (covariate) o 1° Test degli effetti fra soggetti: 2° Stime dei parametri (var. quantitative):

si osserva R- evidenzio i sig e i 3° Confronti a coppie (var. non quantitative):

modello

sconnessa-ordinale-dicotomica (fattori fissi). In spuntare “personalizzato” e spostare le var di sx il modello

quadrato corretto (0,688=68%) e scrivo B delle sole var. quantitative significative e commento i dati

Modello lineare “ var

commento per parametri sig con

spiega il “x%” della var. dipendente y. la var “x” risulta significativa, in particolare

Evidenzio le per ognuna:

opzioni

a dx, spuntare “effetti principali” in tipo per commentare le qualitative. In portare a dx tutte le var. dipendente” di “I_sx”, aumenta/diminuisce di

generalizzato all’aumentare (o diminuire) oppure chi ha o non ha la “var x (es.

var. <0,05 (sig) (no modello corretto e intercetta) e

NON quantitative, spuntare “confronta effetti principali”, scegliere “Sidak”, e “stime dei parametri” che ci “I-J” rispetto a “I+risposta”. Schema Silvia.

le var. risultate sig per questo modello sono…. le pinne)”, la “var dipendente” aumenta (o diminuisce) di “B”.

scrivo

mostrerà una tab. con la quale si devono commentare le variabili quantitative.

>0,05 (no sig), la relazione non è significativa.

BIVARIATA: due o più var

(Pearson)

•2quantitative <0,05 (sig), la relazione è significativa e per commentare guardo “coefficiente di correlazione”: con x<0 (inversa), con x>0

(Tau-b di Kendall)

•2ordinali (diretta), con x=0 c’è indipendenza tra le var. Se 0<x<0,10 debole, se 0,10<x<0,25 abbastanza forte, se x>0,25 forte.

(Spearman)

•quantitativa-ordinale Idem con numeri negativi (es. -0,10<x<-0,25). Commento con positivo/negativo, rel. diretta/inversa, rel. forte/debole.

Correlazione Nella parte sopra si osserva la sig (>o<0,05). Nella parte sotto della tab. viene inserita la variabile di

PARZIALE: opzioni

solo quantitative, in spuntare “correlazioni di ordine zero” per capire il risultato controllo, si guarda la sig e se questa conferma o fa scomparire l’eventuale sig riscontrata nella parte sopra.

che si otterrebbe senza togliere l’effetto della variabile inserita nella finestra “rimuovi effetti di”.

•r=+1 (perfetta relazione positiva), 0<r<1 (rel. positiva), r=0 (no rel. lineare), -1<r<0 (rel. negativa), r=-1 (perfetta rel. negativa).