SPSS Tecniche di Analisi e Raccolta dati Appunti + Esercitazioni

SPSS: Struttura e utilizzo

Finestra Dati

Data View
Struttura dei dati: in orizzontale: variabili. In verticale: unità. Riga: corrisponde a una variabile. Colonna: caratteristica delle variabili.

Variable View (“le variabili delle variabili”)

Caratteristiche variabili:

• Nome: no spazi
• Tipo: Numerico, Virgola, Punto. In notazione scientifica: negli output es. 2,3E12 (o -12) vuol dire 232,3*10¹², e vuol dire che è un numero grandissimo o piccolissimo (dipende dal segno).
• Stringa
• Lunghezza: numero di caratteri memorizzati
• Decimali: togliendoli SPSS calcola comunque correttamente
• Etichetta: descrizione della variabile (nome esteso)
• Valori: etichette per le modalità di risposta
• Missing: se indicati non vengono calcolati (indicati con numeri fuori scala; se ci sono dei buchi allora basta non segnare, easyman!!)
• Colonne/Allinea
• Misura: nominale (sconnesso), ordinale, quantitativa (scala)

Finestra Output

Descrizione delle funzioni e delle caratteristiche della finestra output.

Finestra Sintassi

Descrizione delle funzioni e delle caratteristiche della finestra sintassi.

Acquisizione dati

1. Inserimento diretto: Conviene sempre partire dalle variabili, di modo che posso già impostarle corrette. Nel caso di valori simili basta fare copia/incolla.
2. Acquisizione formato .sav
3. Acquisizione formato .xls, .dat, .txt (configurazione guidata) [per .dat o .txt File, Leggi testo]: Se è la prima volta che si importa il file, alla domanda “si tratta di un formato predefinito” la risposta è “no”. Chiede se i dati sono:
   • Formato fisso: allineati in colonna si dovrà “disegnare” dove inizia e finisce una variabile.
   • Delimitati: divisi da tabulatore o spazio. In questo caso occorre specificare il separatore (separa una variabile dall’altra) e il qualificatore (fa riconoscere quell’elemento come unica variabile).
   Il programma cerca di indovinare subito di che formato è la variabile, ma nel caso dei numeri con decimali se vi è un punto, questo non viene riconosciuto perciò bisogna impostare il formato come virgola/comma. MA SOLO IN QUESTO CASO!!!! Oppure dollaro!!!

Gestione archivi (menu dati)

• Definisci proprietà variabili
• Ordina casi: permette di ordinare i dati secondo un proprio criterio.
• Distingui: per analizzare separatamente determinati gruppi di casi
  • Ordinare casi rispetto alla variabile di raggruppamento
  • Scegliere variabile in base a cui saranno definiti i gruppi
  Tutto quello che si chiederà dopo verrà divisa nei gruppi definiti dalla variabile distinta.
• Seleziona casi: vengono barrati i casi su cui non si vuole eseguire il calcolo. Per ritornare al calcolo su tutti i casi bisogna togliere questo input.
  • Seleziona tutti i casi
  • Selezione con condizione
  • Selezione casuale
  • Selezione temporale
  • Usa variabile-filtro (0/1)
• Ristruttura: permette di trasformare gruppi di variabili in un nuovo caso, e casi collegati in variabili diverse dello stesso caso.
• Aggrega: permette il passaggio a dati relativi a gruppi di individui (da studenti a intere classi).
• Trasponi: ribalta variabili-casi

Manipolazione dei dati (menu trasforma)

Permette di fare operazioni sulle variabili

• Calcola: permette di creare o trasformare una variabile come funzione di altre variabili (vai alla voce variabili per valutare quale operazione compiere)
• Numeri casuali: generatore di numeri casuali
• Conteggia/Conta valori all'interno dei casi: permette di contare quante volte ricorrono uno o più valori in una lista di variabili per ciascun caso
• Ricodifica: permette di trasformare i valori di una variabile in valori diversi.
  • Nelle stesse variabili
  • In variabili differenti
  Permette di trasformare i valori di una variabile in valori diversi, sia scrivendo sulla stessa variabile, sia creando una nuova variabile (scelta raccomandata, altrimenti se si commettono errori questi si sostituiscono alla variabile originale, che viene così persa).
• Ricodifica automatica: consente di attribuire valori numerici a variabili di qualsiasi tipo; è particolarmente indicata per attribuire valori numerici a variabili stringa (però attenzione: la ricodifica automatica non modifica la scala di misura della variabile!)
• Categorizza variabili: crea una nuova variabile convertendo una variazione numerica in un certo numero di categorie.
• Categorizzazione visuale: permette di categorizzare dando prima una visione d’insieme di tutte le unità.
• Classifica casi: crea nuove variabili che contengono ranghi, punteggi normali o di Savage, percentili.
• Crea serie storica: crea nuove variabili basate su serie storiche di dati (adatte all’analisi di serie storiche)
• Sostituisci valori mancanti: calcola e imputa stime di valori mancanti.

Sintesi dei dati

Variabili

• Quantitative: se riguardano caratteristiche numeriche. Tra continue e discrete la differenza non è sempre chiara.
  • Continue: se possono assumere qualsiasi valore numerico entro un certo intervallo, anche non intero.
    • Scala rapporto: quando esiste uno zero assoluto. qualsiasi operazione
    • Scala intervallo: quando lo zero è solo convenzionale.
  • Discrete: se possono assumere solo valori interi; solitamente si tratta di “conteggi”, quindi di una scala rapporto.
• Qualitative: se non possono essere misurate con numeri. Anche se usciamo codici numerici una variabile qualitativa NON diventa quantitativa!
  • Ordinali: se è possibile “mettere in ordine” le categorie di risposta in modo univoco.
  • Categoriali o sconnesse: se non esiste nessun ordine naturale tra le categorie di risposta (religione, professione ecc.)
• Dicotomiche: è un caso particolare di variabile nominale, e più precisamente si tratta di una variabile nominale con due sole modalità.

Scale di giudizio

La scala dei giudizi può essere qualitativa ordinale o quantitativa. Se ciascun valore corrisponde a un’etichetta è sicuramente ordinale. Se invece è in termini quantitativi, la scala è ovviamente quantitativa. Le etichette poste soltanto agli estremi della scala servono a orientare la scala, ma non la rendono necessariamente ordinale.

Analisi (+ funzioni menu analizza)

Tipologie

• Esplorativa (data mining): utilizzate quando non si hanno in mente precise strutture di relazione fra le variabili, ma si cerca di trovare regolarità e pattern.
• Confermativa: usata quando si ipotizza una specifica struttura nella relazione fra i fenomeni osservati, e si intende verificare se i dati raccolti la confermano o la smentiscono. [Per esempio: ipotizzo che la fiducia e la soddisfazione creano la fedeltà della marca]

Metodi

• Statistiche descrittive: metodo usato per descrivere i dati e le loro caratteristiche.
• Statistiche inferenziali: uso delle informazioni che abbiamo per giungere a deduzioni (stime o previsioni) su ciò che non sappiamo.
  • Dal campione alla popolazione.

Cosa fare?

• Guardarli: Tabelle di frequenza: tabelle che contengono, per ogni singola modalità della variabile, il numero di volte che esso è stato osservato.
  • “Analizza” > “Statistiche descrittive” > “Frequenze”.
  • Per variabili quantitative continue, o comunque con molte modalità, la tabella è illeggibile. Perciò è utile a variabili sconnesse e ordinali.
• Controllarli:
  • Errori dell’intervistatore
  • Omissioni (volontarie o involontarie) del rispondente
  • Ambiguità: risposte non leggibili, questionari non chiari
  • Incoerenze interne: risposte in contraddizione
  • Mancanza di collaborazione: stessa risposta a intere batterie di item
  • Rispondente non eligibile: minorenne in indagini per maggiorenni
• Sintetizzarli: soprattutto se si tratta delle quantitative. Analizza > Statistiche descrittive > Descrittive/Frequenze [misure di centralità + misure di dispersione]

Misure di centralità (tendenza centrale)

Riassumono con un unico dato l’intera distribuzione, indicandone il punto centrale. Da sole non dicono nulla sulla forma dei dati, perciò bisogna ricorrere alle misure di dispersione.

• Moda: indica il valore che conta il maggior numero di osservazioni; ha senso solo per le qualitative.
• Mediana: indica il valore che si trova nel punto centrale della distribuzione, NON si può usare per le qualitative sconnesse; è utile per le quantitative asimmetriche.
• Media: la somma dei valori osservati divisa per il numero di osservazioni, si può usare SOLO per le quantitative.

Misure di dispersione

Indicano quanto i valori osservati si “disperdono”, ovvero quanto si allontanano dal punto centrale della distribuzione, per variabili quantitative.

• Range (campo di variazione): indica la differenza tra il valore più alto e quello più piccolo.
• Scarto interquartile: indica la differenza tra il terzo e il primo quartile, cioè l’estensione dello spazio occupato dal 50% di osservazioni più centrali; buono combinato con la mediana.
• Scarto quadratico medio (deviazione standard – s.q.m): è la media quadratica degli scarti dalla media; buono combinato con la media.
• Varianza: è il quadrato dello s.q.m.
• Percentili: sono i valori che lasciano sotto di sé una certa percentuale delle osservazioni; hanno senso solo per dati almeno ordinabili. Vi sono percentili speciali:
  • Quartile inferiore: il 25-esimo
  • Mediana: il 50-esimo
  • Quartile superiore: il 75-esimo
  • Decili: decimo, ventesimo ecc.
  • Quintili: ventesimo, quarantesimo, sessantesimo e ottantesimo.
• Asimmetria: una distribuzione si dice simmetrica quando le frequenze delle modalità a uguale distanza dalla misura centrale sono uguali a destra e a sinistra; una distribuzione simmetrica ha indice di asimmetria pari a 0; se l’indice è positivo c’è una lunga coda a destra, viceversa a sinistra.
• Curtosi (o appuntimento): è un indice che dice se e quanto la distribuzione sia più appuntita o più appiattita rispetto alla distribuzione normale; una distribuzione normale ha indice di curtosi pari a 0; se la curtosi è positiva, la distribuzione è più “appuntita” della normale (distribuzione leptocurtica), se la curtosi è negativa la distribuzione è più appiattita (platicurtica).

Rappresentarli

Grafici > Modelli

• Box-plot: sono un modo per inserire la dispersione nelle rappresentazioni grafiche. Per il confronto fra gruppi, possiamo disegnare più box-plot nello stesso grafico.
  • Per costruirli servono:
  • La mediana
  • Il quartile inferiore
  • Il quartile superiore
  • Il range interquartile
  • Il limite inferiore, dato da: [quartile inferiore – (1,5 x range interquartile)]
  • Il limite superiore, dato da: [quartile superiore + (1,5 x range interquartile)]
  • L’osservazione più piccola sopra il limite inferiore (L₁) e la più grande sotto il limite superiore (L₂)
  • Gli outliers
  Un box-plot simmetrico (cioè con la mediana a metà fra i quartili e i “baffi” della stessa lunghezza) indica una distribuzione simmetrica. La presenza di outliers può essere subito individuata e analizzata separatamente. Un “baffo” più lungo accanto al quartile superiore indica un’asimmetria positiva (coda a destra); viceversa, se l’asimmetria è negativa (cioè con coda a sinistra) sarà più lungo il “baffo” inferiore.

Per disegnarli con SPSS

Chiede sempre di definire variabili, ma si possono definire anche nella finestra di costruzione, basta cliccare con il destro sulla variabile (se non si definiscono correttamente, SPSS non le prende).

Grafici/regole

• No grafici a torta quando la variabile è quantitativa, o le modalità di risposta sono troppe [reddito]
• No grafici lineari se non c’è alcun vero ordinamento delle modalità di risposta
• Per dati quantitativi, l’istogramma è appropriato (accorpa valori contigui) mentre il grafico a barre fornisce un’immagine distorta perché non rappresenta gli spazi senza osservazioni.
• Per confrontare sottogruppi con variabilità rilevante, utilizzare box-plot o grafici degli errori (valore medio, intervallo di confidenza)
• Per verificare la forma della relazione tra due variabili quantitative, può andare bene un grafico a dispersione, ma con poche osservazioni.
• Si possono utilizzare grafici P-P (con le proporzioni cumulate) o Q-Q (coi quantili) per verificare la normalità delle variabili o la rispondenza ad altre distribuzioni.

Verificare ipotesi e fare confronti

Analizza > Confronta medie: Medie/Campione Unico/Camp. Indipendente/ANOVA univariata

• Medie: mostra le medie della variabile dipendente per i sottogruppi generati dalle variabili indipendenti (nessun test). Analizza > Confronta medie > Medie
• Campione unico: è un’operazione statistica che ci permette di stabilire se il campione di dati osservati conferma o smentisce una nostra teoria (o ipotesi). Nel caso più semplice, vorremmo stabilire se il valore medio della popolazione è uguale a un certo valore oppure no.
  • In questo caso avremo due ipotesi:
    • H₀: µ = valore teorico (H=ipotesi nulla)
    • H₁: µ ≠ valore teorico (H=ipotesi alternativa)
    Si cercherà di stabilire se, nel caso fosse vera H₀, avremmo una probabilità alta o bassa di ottenere i dati che abbiamo ottenuto. Si proverà a dimostrare che l’ipotesi H₁ è falsa.
  • Per verificare questa ipotesi bisogna calcolare una “statistica test”: \((\bar{X} - \mu) / SE\)
    Il valore ottenuto si confronta con le tavole della distribuzione normale, o della distribuzione t di student. Dalle tavole si ricava un valore che è detto “p-value” o livello di significatività osservato. Rappresenta la probabilità di ottenere valori della statistica test uguali o più grandi di quello osservato (in valore assoluto), cioè valori della media campionaria lontani dal valore teorico quanto quello osservato o più lontani, se H₀ fosse vera. Questo valore è calcolato sulla base dell’ipotesi nulla e indica la probabilità di avere un’evidenza empirica meno favorevole all’ipotesi nulla di quella realmente osservata. Trattandosi di una probabilità, varia tra 0 e 1.
  • Quindi, un p-value grande indica che i dati sono compatibili con l’ipotesi nulla, mentre un p-value piccolo indica che dobbiamo rifiutare l’ipotesi nulla.
  • Livello del test: è simile al livello dell’intervallo di confidenza, e mi dice quanta evidenza contraria ad H₀ voglio trovare per rifiutare l’ipotesi nulla:
    • Se il livello è 95%, rifiuto H₀ se il p-value è più piccolo di 0,05.
    • Se il livello è 99%, rifiuto H₀ se il p-value è più piccolo di 0,01.
  • Esempio: “Una compagnia aerea vuole verificare se la media dei ritardi nei voli è diversa da un valore, considerato ragionevole, di 30 minuti. Una volta raccolti ed elaborati i dati, risulta che la statistica test è pari a 2,82, e il p-value è uguale a 0,0048. Cosa possiamo dire?”
    • H₀ = il ritardo medio è 30 minuti; rifiuto H₀ perché la probabilità di ottenere i miei dati se H₀ fosse stata vera era 5 volte su 1000.
    • Bisogna tener conto di 2,82. Da cosa capisco che il ritardo è maggiore di 30 minuti o minore?
    • Che ci indica la positività del valore perciò è sopra il valore teorico quindi il ritardo è significativamente più grande di 30 minuti.
    • SPSS ci fornisce direttamente il valore della statistica test, e anche il suo p-value.
    (Analizza > Confronta medie > Test T: campione unico. Nella apposita finestra occorre scegliere: variabile quantitativa di cui si vuole verificare l’uguaglianza al valore teorico. Poi bisogna inserire il valore teorico con cui si vuole confrontare la media del campione. Con il pulsante “Opzioni” si può inserire il livello di intervallo di confidenza. L’output consiste in due tabelle: la prima riporta numerosità, media, s.q.m. e SE della/e variabile/i oggetto del test. La seconda riporta il risultato del test: valore della statistica test (t), numero di gradi di libertà (df), p-value (Sig. (2-code)), differenza fra valore osservato e atteso e intervallo di confidenza per tale differenza; un p-value piccolo indica che il valore osservato è diverso da quello teorico)