Upload
kiana
View
90
Download
0
Embed Size (px)
DESCRIPTION
Analýza dotazníků. RNDr. Michal Čihák, Ph.D. Likertova škála. je jednou z nejpoužívanějších a nejspolehlivějších technik měření postojů v dotaznících:. raději použít „Neutrální postoj „. Typy proměnné – statistický znak. Statistické znaky dělíme na: - PowerPoint PPT Presentation
Citation preview
Analýza dotazníkůRNDr. Michal Čihák, Ph.D.
je jednou z nejpoužívanějších a nejspolehlivějších technik měření postojů v dotaznících:
Likertova škála
raději použít„Neutrální postoj „
Statistické znaky dělíme na:• Nominální – lze interpretovat pouze rovnost nebo
nerovnost hodnot• Ordinální – hodnoty lze seřadit od nejmenší po největší
(nebo naopak)• Metrické
– intervalové – lze interpretovat rozdíl dvou hodnot– poměrové – mimo rozdílu lze interpretovat i podíl dvou hodnot
Typy proměnné – statistický znak
Likertovy škály lze považovat za ordinální – je možné tvrdit, že například hodnota „Naprosto souhlasím“ je před hodnotou „Spíše souhlasím“.
Některé typy škál je možné považovat i za intervalové – podmínkou je, aby mezi hodnotami byla stejná „vzdálenost.
Příklad 1. Likertova škála "Poor", "Average", "Good", and "Very Good" nemůže být považována za intervalovou, je pouze ordinální.
Ordinální vs. Intervalový metrický znak
Intervalové škályPříklad 2. Likertova škála " Strongly disagree ", "Disagree ", "Neither agree nor disagree ", "Agree ", "Strongly agree" je obvykle vnímána jako intervalová.
Příklad 3. Sémantický diferenciál je typem škály, která bývá považována za intervalovou (běžný respondent vnímá stupnici lineárně).
• Nominální znaky – lze použít pouze metody, které pracují s četnosti (například χ2 test nezávislosti)• Ordinální – lze navíc použít i neparametrické metody,
které pracují s pořadím (Wilcoxonův test, Mann-Whitneyův test, apod.) • Intervalové metrické – odpovědi na několik otázek (se
stejným typem škály) lze sčítat a na takto vzniklý znak lze použít parametrické testy (t-test, analýza rozptylu, apod.)Poznámka: Obecně se doporučuje sčítat minimálně 4 otázky, ideálně 8 a více otázek, což zaručuje (centrální limitní věta) normální rozdělení vzniklého znaku.
Důsledky pro statistické zpracování
Příklad 3. Pohlaví vs. účast v posledních volbách:
Ptáme se, zda účast ve volbách závisí na pohlaví.
χ2 test nezávislosti smí být použit pouze v případě výběrů, které nejsou párové.
Nominální znaky → χ2 test nezávislosti
VolbyPohlaví
muži ženy
účast 2792 3591neúčast 1486 2131
Analyze → Descriptive Statistics → Crosstabs…
χ2 test nezávislosti v SPSS
p-hodnota je 0,015 < 0,05 (hladina významnosti) Zamítáme H0 a přijímáme HA
Na hladině významnosti5 % byla zjištěna závislost mezi pohlavíma státní příslušností.
χ2 test nezávislosti – výsledky
Příklad 3. Ptáme se, zda je tzv. globálního oteplování vážným nebezpečím pro lidstvo:
Zajímá nás, zda přečtení studie ovlivnilo názor na globální oteplování.
Zde se jedná o tentýž výběrový soubor, pro nějž byl průzkum dvakrát zopakován (hodnoty tvoří páry) – musíme použít McNemarův test namísto χ2 test nezávislosti
Nominální znaky → McNemarův test
Před přečtením studie
Po přečtení studieano ne
ano 33 67ne 147 33
Analyze → Descriptive Statistics → Crosstabs… V našem cvičném souboru ale nemáme data vhodná
pro tento test.
McNemarův test v SPSS
Test smí být použit pouze v případě výběrů, které nejsou párové (žádný respondent se nesmí vyskytovat současně v obou výběrových souborech).
Příklad 4. Chceme zjistit, zda se liší názory Čechů a Poláků v otázce „Jsem si jistý/á, že se chci stát učitelem/kou.“
Ordinální znaky → Mann-Whitney test
Analyze → Nonparametric Tests → Legacy Dialogs → → 2 Independent Samples…
Mann-Whitney test v SPSS
p-hodnota je 0,351 > 0,05 (hladina významnosti) Nezamítáme H0
Na hladině významnosti5 % nebyl zjištěn rozdílmezi Čechy a Polákyv otázce „Jsem si jistý/á, že se chci stát učitelem/kou.“
Mann-Whitney test – výsledky
Test smí být použit pouze v případě výběrů, které jsou párové (na stejném souboru respondentů provedeme průzkum dvakrát).
Analyze → Nonparametric Tests → Legacy Dialogs → → 2 Related Samples…
V našem cvičném souboru ale nemáme data vhodná pro tento test.
Ordinální znaky → Wilcoxonův znaménkový test
Má smysl pouze v případě výběrů, které jsou párové (pro stejný soubor respondentů zkoumáme závislost dvou ordinálních statistických znaků).
Příklad 5. Chceme zjistit míru závislosti mezi otázkou „Jsem si jistý/á, že se chci stát učitelkou“ a otázkou „Celkově považuji profesní přípravu za maximálně užitečnou“.
Ordinální znaky → Spearmanův koeficient korelace
Analyze → Correlate → Bivariate…
Spearmanův koeficient korelace v SPSS
Spearmanův koeficient korelace je 0,078 p-hodnota pro tento koeficient je 0,195 > 0,05 Koeficient korelace nebyl shledán významným na
hladině významnosti 5 %. Nebyla zjištěna závislost mezi těmito dvěma otázkami.
Spearmanův koef. korelace – výsledky
Reliabilita (spolehlivost, hodnověrnost) je statistická veličina, udávající spolehlivost skupiny položek dotazníku.
Lze ji chápat jako míru přítomnosti chyby při měření Nabývá hodnot od 0 do 1 (0 % až 100 %) – čím je nižší,
tím je měření měně spolehlivé.
Příklad 6. Chceme zjistit reliabilitu položek A4a, A4B, A4c, A4d, A4e dotazníku.
Předpokládejme, že tyto položky měří „spokojenost se studiem“. Zajímá nás, jak spolehlivě ji měří.
Odhad reliability dotazníku
Analyze → Scale → Reliability Analysis…
Odhad reliability dotazníku v SPSS
Cronbachovo alfa vychází poměrně vysoké, tedy zvolených 5 otázek dobře měří jednu vlastnost „celkovou spokojenost se studiem“.
V další tabulce můžeme najít vypočtené korelace mezi jednotlivými otázkami.
V poslední tabulce můžeme pro každou otázku nalézt informaci, jak se změní Cronbachovo alfa, pokud tuto otázku odstraníme z dotazníku.
Odhad reliability dotazníku – výsledky
Příklad 7. Vytvoříme novou proměnnou
SoucetA4 = A4a + A4b + A4c + A4d + A4e
Na takto vzniklou proměnnou lze použít parametrické testy (t-test, analýza rozptylu, apod.)
Poznámka: Obecně se doporučuje sčítat minimálně 4 otázky, ideálně 8 a více otázek, což zaručuje (centrální limitní věta) normální rozdělení vzniklého znaku.
Intervalový znak vytvořený součtem ordinálních znaků
Transform → Compute Variable…
V datovém listu vznikne nová proměnná SoucetA4. Na záložce Data View nastavte pro tuto
proměnnou ve sloupci Measure hodnotu Scale.
Vytvoření nové proměnné v SPSS
Pouze pro metrické intervalové znaky (pro ordinální znaky je náhradou Mann-Whitneyův test)
Pouze v případě výběrů, které nejsou párové (žádný respondent se nesmí vyskytovat současně v obou výběrových souborech)
Příklad 8. Zajímá nás, zda se liší názor Čechů a Poláků na spokojenost se studiem.Vytvoříme novou proměnnou „spokojenost se studiem“
SoucetA4 = A4a + A4b + A4c + A4d + A4e
Dvouvýběrový t-test
Analyze → Compare Means → → Independent-Samples T Test…
Dvouvýběrový t-test v SPSS
p-hodnota je 0,060 > 0,05 (hladina významnosti) Nezamítáme H0, nicméně výsledek testu je „hraniční“
(0,060 je blízko 0,05). Na hladině významnosti 5 % nebyl zjištěn rozdíl mezi
Čechy a Poláky v „celkové spokojenosti se studiem“.
Dvouvýběrový t-test – výsledky
Příklad 9. Vytvoříme novou proměnnou Vek_intervaly, podle následujících pravidel:
Vek ≤ 20 interval číslo 121 ≤ Vek ≤ 22 interval číslo 2
23 ≤ Vek interval číslo 3
Pomocí této proměnné určíme četnosti hodnot proměnné Vek v jednotlivých intervalech
Intervalové rozdělené četností
Transform → Recode Into Different Variables…
Intervalové rozdělené četností v SPSS
Chceme porovnat více nezávislých souborů (t-test porovnává dva nezávislé soubory)
Respondenty třídíme do skupin podle jedné proměnné Opět pouze pro metrické intervalové znaky
Příklad 10. Zajímá nás, zda se liší názor Čechů, Poláků a Němců na spokojenost se studiem (třídící proměnná – Stat).
Příklad 11. Zajímá nás, zda se liší názor různých věkových skupin na spokojenost se studiem (třídící proměnná – Vek_intervaly).
Analýza rozptylu – jednoduché třídění
Analyze → Compare Means → → One-Way ANOVA…
Analýza rozptylu v SPSS
p-hodnota je 0,474 > 0,05 (hladina významnosti) Nezamítáme H0
Na hladině významnosti 5 % nebyl zjištěn rozdíl mezi jednotlivými věkovými skupinami.
Pokud by v jiné úloze byl zjištěn,hledáme ve druhétabulce, mezi kterými skupinamije Sig. menší než 0,05.
Analýza rozptylu – výsledky
Opět chceme porovnat více nezávislých souborů Respondenty třídíme do skupin podle dvou proměnných Opět pouze pro metrické intervalové znaky
Příklad 12. Zajímá nás, zda se liší názor na spokojenost se studiem u českých dívek, českých chlapců, polských dívek a polských chlapců (dvě třídící proměnné – Stat a Pohlavi).
Nevýhoda – chybí nabídka post hoc porovnání – lze řešit vytvořením nové třídící proměnné
Analýza rozptylu – dvojné třídění
Pouze pro metrické intervalové znaky (pro ordinální znaky je náhradou Wilcoxonův znaménkový test)
Pouze v případě výběrů, které jsou párové (na stejném souboru respondentů provedeme průzkum dvakrát)
Analyze → Compare Means → Paired_Samples T Test… V našem cvičném souboru ale nemáme data vhodná
pro tento test.
Párový t-test