statystyczna
analiza danych
wspomagana programem SPSS
SPSS Polska
Kraków 2005
Anna Malarska
Statystyczna
analiza danych
wspomagana
programem SPSS
1.2 Graficzne formy prezentacji danych
1.2.1 Wykres słupkowy, histogram
Częstości realizacji ośmiu wariantów cechy skokowej 100-elementowej zbio-
rowości przedstawiają zestawienia17 na rysunku 1.4.
a
b
Rysunek 1.4
Rozkład zmiennych:
a) Zm1; b) Zm2
Podstawowymi graficznymi formami prezentacji danych są wykresy słup-
kowe i histogramy. Na osi odciętych (OX), zarówno wykresu słupkowego,
jak i histogramu, zawsze lokowane są wartości cechy, na osi rzędnych (OY)
natomiast  albo częstości (kolumna 2 na powyższych rysunkach), albo
procentowo wyrażone wskaz
niki struktury (kolumna 3 na powyższych ry-
sunkach).
Jak nietrudno zauważyć, suma czÄ™stoÅ›ci (Ogółöem) rozkÅ‚adu zmiennej Zm1
wynosi 200, a Zm2  100. Stąd wynika, że wartości w kolumnach Częstość
i Procent dla Zm2 są sobie równe, a dla Zm1 równe nie są. Efekty tego będą
widoczne na skalach osi rzędnych wykresów częstości i procentów danej
zmiennej.
Dla cech typu ilościowego można sporządzić obie z wymienionych form
graficznego rozkładu, podczas gdy dla cech wyrażonych na skalach słabych
(opisanych słownie) konstruowane są wyłącznie wykresy słupkowe18. Oś
odciętych wykresu słupkowego opisana jest wówczas wariantami cechy lub
ich etykietami, jeśli tylko zostały one nadane. Dla zmiennej Zm1 (rys. 1.4a)
uzyska siÄ™ wykresy przedstawione na rysunku 1.5.
17 O tabelarycznych i graficznych formach prezentacji danych, zasadach oraz zaletach ich sporzÄ…-
dzania traktuje m.in. rozdział 2 pracy zbiorowej [9], s. 25 49.
18 Wyrazem tego jest automatyczny brak cech tekstowych w liście potencjalnych cech poddawa-
nych analizie graficznej za pomocÄ… histogramu.
24
Eksploracja
jednej zmiennej
a b
Rysunek 1.5
Zmienna Zm1:
a) wykres słupkowy
z częstościami;
b) histogram częstości
a b
Rysunek 1.6
Zmienna Zm1:
a) wykres słupkowy
z procentami;
b) histogram częstości
z krzywÄ… normalnÄ…
Ze względu na dość liczny (bo 8-elementowy) i liczbowy charakter warian-
tów cechy, którym nie nadano opisu (etykiet), etykiety znaczników osi odcię-
tych są takie same dla wykresów słupkowych z częstościami (por. rys. 1.5a
i b), jak i procentowymi wskaz
nikami struktury (por. rys. 1.5a i 1.6a).
Oferowane w programie SPSS histogramy mogą uwzględniać empiryczną
krzywÄ… normalnÄ… bÄ…dz
nie. Wykresy słupkowe tej opcji nie mają. Krzywą
normalną  nałożoną na histogram graficznie prezentowanej cechy  opi-
sują empiryczne wartości średniej arytmetycznej i odchylenia standardowego
(por. rys. 1.5b i 1.6b).
Rysunki 1.5a i 1.6a są takie same, jednak  z uwagi na inną zmienną zależną
(częstość i procent)  skale osi OY są różne.
Graficznemu wizerunkowi rozkładu tej samej cechy w formie histogramu
można nadawać różny wygląd. Na rysunku 1.7 przedstawione są przykła-
dowe histogramy dla zmiennej Zm2 (rys. 1.4b).
a b
Rysunek 1.7
Zmienna Zm2: histogramy
częstości z krzywą normalną.
Objaśnienia w tekście
25
Statystyczna
analiza danych
wspomagana
programem SPSS
Oś OX obu histogramów opisują środki przedziałów cechy. Pierwszy z wy-
kresów (rys. 1.7a) jest oryginalnym (automatycznie generowanym) produk-
tem programu SPSS. W drugim (rys. 1.7b) skorygowane zostały zarówno
rozpiętości przedziałów cechy (1.125), jak i zakres skali osi OY (max = 9.6).
Dostępna w pakiecie SPSS możliwość ingerencji użytkownika w klasyfikację
cechy (skutkująca modyfikacją skali osi OX) sprzyja częstym poszukiwaniom
niekoniecznie formalnych argumentów przemawiających za zgodnością roz-
kładu empirycznego cechy z rozkładem normalnym.
W każdym histogramie można umieszczać legendę z empirycznymi warto-
ściami średniej arytmetycznej i odchylenia standardowego. Na przedstawio-
nych powyżej histogramach opcja ta została wyłączona.
1.2.2 Wykres skrzynkowy
Wykres skrzynkowy (Box-and-Whisker Plot, Boxplot), zwany też pudełkowym
lub skrzynką z wąsami, przedstawia rozkład uporządkowanych wartości
cechy pod postaciÄ… wykorzystanego w nazwie prostego przedmiotu. UÅ‚atwia
diagnostykę rozproszenia wartości cechy oraz charakteru (typu) skośności
rozkładu cechy.
Z wykresu skrzynkowego nietrudno odczytać:
położenie wartości środkowej (mediany);
wartości kwartyli (pierwszego i trzeciego);
położenie wariantów cechy, które nie odstają od tendencji centralnej;
występowanie nietypowych wariantów cechy;
występowanie ekstremalnych wariantów cechy.
CharakterystykÄ™ wykresu skrzynkowego przedstawia rysunek 1.8.
Wartości
wartość maksymalna (skrajna)
cechy
wartość nietypowa
najwyższa obserwowana wartość,
która nie odstaje od pozostałych
wÄ…s
75 percentyl
mediana
25 percentyl
wÄ…s
najniższa obserwowana wartość,
która nie odstaje od pozostałych
Rysunek 1.8
wartość nietypowa
Wykres skrzynkowy
wartość minimalna (skrajna)
dla rozkładu
symetrycznego cechy Y
Nazwa cechy
Długość rozstępu międzykwartylowego (hspread) jest różnicą między krawę-
dziami skrzynki (pudełka). W obszarze pudełka mieści się 50% wartości ce-
chy. Wąsy skrzynki pokazują wartości cechy, jakie mieszczą się wewnątrz 1.5
26
rozstęp
międzykwartylowy
Eksploracja
jednej zmiennej
długości zawiasu (choć 1.5 długości zawiasu może wykraczać poza wąsy).
Symbolem  " oznaczone są nietypowe wartości ekstremalne oddalone od
25. (75.) percentyla dalej niż 3 długości pudełka, zaś symbolem  ć%  nie-
typowe wartości, oddalone od 25. (75.) percentyla dalej niż 1.5 długości
pudełka.
Zasadę wnioskowania o typie skośności rozkładu na podstawie wykresu
skrzynkowego przedstawia rysunek 1.9.
a b
Me
Rysunek 1.9
Wykresy skrzynkowe dla x x
rozkładu asymetrycznego:
Me
Me > x Me < x
Å» Å»
a) lewostronnie;
b) prawostronnie x - Me < 0 x - Me > 0
Å» Å»
W programie SPSS możliwa jest prezentacja kilku boxplotów na jednym
wykresie równocześnie. Znajduje to zastosowanie w analizach porównaw-
czych rozkładów warunkowych (podzbiorów) cechy, wyodrębnianych np. ze
względu na płeć, grupy wieku, kontynenty itp. Przykładem tego są wykresy
przedstawione na rysunku 1.10.
a b
Rysunek 1.10
Zmienna Z:
a) boxplot rozkładu;
b) boxploty rozkładów
warunkowych
Wykresy skrzynkowe z rysunku 1.10b ilustrujÄ… zdekomponowany na 3 roz-
łączne, różnoliczne klasy rozkład cechy Z z rysunku 1.10a. Tylko klasa środ-
kowa tej cechy charakteryzuje się brakiem wartości odstających (w pozosta-
łych klasach jest ich po kilka). W żadnym z rozkładów warunkowych nie
występują wartości skrajne. Liczba 132 (widoczna na rysunku 1.10a) jest ety-
kietÄ… (tu: pozycjÄ… obserwacji) jedynego nietypowego wariantu zmiennej Z,
jaki cechuje rozkład ogólny.
27
Statystyczna
analiza danych
wspomagana
programem SPSS
1.2.3 Diagram łodyga i liście
Diagram łodyga i liście19 (Stem-and-Leaf Plot) jest formą graficznej prezen-
tacji rozkładu zmiennej przypominającą histogram. Punktowo zagregowane
wartości realizacji zmiennej przedstawione są w postaci poziomego ciągu
znaków numerycznych odpowiadających leżącym (obróconym o kąt 90ć%)
kolumnom histogramu.
Każda z trzech odrębnych kolumn diagramu opatrzona jest osobnym na-
główkiem o treści: częstość, łodyga i liść (odpowiednio: Frequency, Stem &
Leaf). Diagram uzupełniają informacje o wystąpieniu wartości ekstremal-
nych i komunikat o tym, że każdy element liścia odpowiada pojedynczemu
przypadkowi cechy (Each leaf: 1 case(s)).
Istotę konstrukcji diagramu łodyga i liście oraz podobieństwo z histogramem
najlepiej prześledzić na przykładach.
PRZYKA
AD 1.1 Na rysunku 1.11 znajduje się histogram częstości i odpowiadający mu diagram ło-
dyga i liście przykładowej zmiennej Z1.
a
b
Rysunek 1.11
Zmienna Z1:
a) diagram łodyga i liście;
b) histogram częstości
Z drugiego od dołu wiersza diagramu czytamy, że pięciokrotnie (Frequency=5)
występuje wartość 2.0 cechy (Stem=2). Z szerokości łodygi równej 1 wynika bowiem,
że każdorazowo rząd wielkości wartości oryginalnej cechy wynosi 1, tzn. jest ona
jednocyfrowa (Stem width: 1), a z zawartości kolumny łodygi (Stem) w tym wierszu,
że wynosi dokładnie 2. Część dziesiętna tego wariantu cechy wynosi każdorazowo 0,
ponieważ w kolumnie liści (Leaf) występuje pięć zer.
19 Zamiennie z  łodygą używany jest termin  gałąz
 .
28
Eksploracja
jednej zmiennej
PRZYKA
AD 1.2 Na rysunku 1.12 znajduje się histogram częstości i odpowiadający mu diagram ło-
dyga i liście przykładowej zmiennej Z2.
Rysunek 1.12
Zmienna Z2:
a) diagram łodyga i liście;
b) histogram częstości
Z drugiego wiersza diagramu wynika, że wartość 6.0 cechy występuje dziewięcio-
krotnie, gdyż część dziesiętna tego wariantu cechy wynosi każdorazowo 0 (podobnie,
jak w przykładzie 1.1, a szerokość gałęzi wynosi 1).
Zdarza się, że diagram łodyga i liście nie posiada  dobrego odpowiednika
(wiernej kopii) w postaci histogramu. Åšwiadectwem tego sÄ… prezentowane
w przykładach 1.3 i 1.4 alternatywne wersje histogramów. Automatycznie
uzyskiwane w programie SPSS obie formy graficznego rozkładu cechy są
mało zbieżne (niepodobne), a histogramy wnoszą mniej szczegółów do opisu
rozkładu zmiennej aniżeli diagram łodyga i liście.
PRZYKA
AD 1.3 Na rysunku 1.13 znajduje się histogram częstości (wersja automatycznie wygenero-
wana przez program i wersja skorygowana) i odpowiadajÄ…cy mu diagram Å‚odyga
i liście przykładowej zmiennej.
PRZYKA
AD 1.4 Na rysunku 1.14 znajduje się histogram częstości (wersja automatycznie wygenero-
wana przez program i wersja skorygowana) i odpowiadajÄ…cy mu diagram Å‚odyga
i liście przykładowej zmiennej.
W przykładach 1.3 i 1.4 szerokość gałęzi wynosi 10 (Stem width: 10). Ozna-
cza to, że wartości wariantów cech przedstawionych na obu diagramach są
dwucyfrowe. Pierwsza z cyfr wartości cechy, będąca liczbą dziesiątek, po-
dana jest wprost w kolumnie Å‚odygi diagramu (Stem), natomiast informacja
o cyfrze jednostek poszczególnych wariantów cechy znajduje się na kolej-
nych pozycjach liści (Leaf). W przykładzie 1.3 odpowiada to schematowi
z tabeli 1.4.
29
Statystyczna
analiza danych
wspomagana
programem SPSS
a
b c
Rysunek 1.13
Przykładowa zmienna:
b) diagram Å‚odyga
i liście; histogram:
a) wersja automatyczna;
c) wersja skorygowana
a
b c
Rysunek 1.14
Przykładowa zmienna:
b) diagram Å‚odyga
i liście; histogram:
a) wersja automatyczna;
c) wersja skorygowana
Cyfra dziesiÄ…tek (Stem) Cyfra jednostek (Leaf ) Liczba
Cyfra dziesiÄ…tek (Stem) Cyfra jednostek (Leaf ) Liczba
8 02 80, 82
8 02 80, 82
7 223489 72, 72, 73, 74, 78, 79
7 223489 72, 72, 73, 74, 78, 79
6 5889 65, 68, 68, 69
Tabela 1.4 6 5889 65, 68, 68, 69
5 2389 52, 53, 58, 59
5 2389 52, 53, 58, 59
Zasada konstrukcji
4 4 44
4 4 44
diagramu łodyga i liść
W liściu trzecim przykładu 1.4 występuje 8 znaków numerycznych, które po
skojarzeniu z wartością gałęzi (7) i jej szerokością (10) odpowiadają następu-
jÄ…cym realizacjom zmiennej: 70, 70, 71, 72, 73, 74, 74 i 74. W drugim wierszu
tego diagramu powtarza się liczba dziesiątek gałęzi trzeciej, ale znaki nume-
ryczne liścia są większe od 4. Tym samym wiadomo, że jeszcze trzykrotnie,
30
Eksploracja
jednej zmiennej
choć w osobnej klasie, występują warianty cechy z przedziału 70 79 , tzn.
75, 75 i 78.
Uniwersalnym i prostym sposobem ustalania wartości konkretnego wariantu
cechy jest jednoczesne wykorzystanie informacji o wartości łodygi (Stem),
wartości liścia (Leaf) i o szerokości gałęzi (Stem width) w myśl zasady:
(Stem.Leaf ) · Stem width = wartość cechy,
gdzie:
Stem  część wartości cechy występująca przed przecinkiem (tu: kropką)
liczby;
Leaf  część wartości cechy występująca po przecinku liczby.
W przykładzie 1.1 wartości wszystkich wariantów cechy z częstością 5 (wy-
różniony wiersz 2 diagramu) wynoszą:
2.0 · 1 = 2.
W przykładzie 1.3 w wyróżnionym czwartym wierszu diagramu łodyga i liść
z częstością 4 występują różne wartości cechy wynoszące kolejno:
5.2 · 10 = 52,
5.3 · 10 = 53,
5.8 · 10 = 58,
5.9 · 10 = 59.
Przykłady 1.3 i 1.4 prezentują podział wariantów cechy na pięć klas. Roz-
kłady te różni rozpiętość klas, która w przykładzie 1.3 wynosi 9, a w przy-
kładzie 1.4 jest niższa i wynosi tylko 4. Jakakolwiek próba unifikacji rozpię-
tości przedziałów obu rozkładów jest bezzasadna. Potwierdzeniem tego są
odpowiadające diagramom histogramy. Każdy z histogramów jest bowiem
rozbieżny z wizerunkiem rozkładu przedstawionego na diagramie dlatego,
że inna jest metoda grupowania danych. A metoda ta jest notabene nieza-
leżna od użytkownika.
Wszystkie zaprezentowane przykłady akcentują rolę, potrzebę i przydat-
ność wielu różnych, uzupełniających się sposobów tabelarycznej i graficznej
prezentacji danych w poprawnej diagnostyce rozkładów cech.
1.2.4 Wykresy normalności
Zaprezentowane powyżej graficzne formy wizualizacji danych wykorzysty-
wane są w większości przypadków do opisu rozkładu pojedynczej zmiennej
Y = {y1, y2, . . . , yn} .
Tymczasem wiadomo, że każda taka zmienna Y może podlegać wewnętrz-
nemu zróżnicowaniu ze względu na określony czynnik
X = {x1, x2, . . . , xk} .
31
Statystyczna
analiza danych
wspomagana
programem SPSS
Pojawieniu się nowej zmiennej X w analizach rozkładu zmiennej Y towarzy-
szą znane już problemy opisu jej ogólnego rozkładu oraz w wydzielanych
przez czynnik X grupach, tj.: identyfikacja typu rozkładów warunkowych,
ocena wielkości rozrzutu czy asymetrii wewnątrz grup.
Wiadomo już, że do diagnozowania asymetrii rozkładu stosowane są wykresy
skrzynkowe (Boxplots) oraz diagramy łodyga i liście (Stem-and-Leaf Plots),
które wychwytują wartości nietypowe w rozkładzie empirycznym cechy
i ułatwiają obserwację wpływu transformacji zmiennej na zmianę kształtu
rozkładu.
KolejnÄ…, graficzno-analitycznÄ… ofertÄ… programu SPSS wykorzystywanÄ… do
badania wielkości odstępstw rozkładu empirycznego zmiennej od normalności są
wykresy normalności (Normality Plots)20 K K (Kwantyl Kwantyl) w wer-
sji z tendencją główną i bez. Analitycy twierdzą bowiem, że skłonność czy
wręcz preferencje do studiowania wykresów normalności, a nie testowa-
nie hipotez o normalności rozkładu, wynikają z potrzeby identyfikacji oraz
oceny skali wystąpień pojedynczych różnic rozkładu empirycznego zmien-
nej od oczekiwanego normalnego.
Wykres normalności K K z trendem ilustruje położenie punktów Pi o współ-
rzędnych (xi, xi) w stosunku do prostej opisanej liniowym przekształceniem
N
standaryzacyjnym empirycznych realizacji zmiennej X
xi - x
Å»
zi = .
S(x)
Na osi odciętych (OX) wykresu znajdują się rzeczywiste kwantyle (xi) zmien-
nej X, na osi rzędnych (OY) natomiast hipotetyczne kwantyle empiryczne odwrot-
nej, skumulowanej funkcji gęstości standaryzowanego rozkładu normalnego
wyznaczane według wzoru:

Ri
-1
xi = ¨ (1.31)
N
N + 1
gdzie:
-1
¨  odwrotność skumulowanej funkcji gÄ™stoÅ›ci rozkÅ‚adu normalnego
standaryzowanego21;
Ri  ranga xi-tej obserwacji lub średnia rang obserwacji powiązanych rangą.
Obserwacje xi są wartościami oczekiwanymi zmiennej rzeczywistej X wyni-
N
kającymi z założenia o jej rozkładzie normalnym standaryzowanym. Współ-
rzędne xi punktów Pi są wartościami argumentów empirycznej dystrybu-
N
anty, liczonej według wzoru:
fi sk
F (Nxi) = (1.32)
N
w którym fi sk oznaczają skumulowane częstości empiryczne xi-tego kwan-
tyla, xi: N(0; 1).
N
20 Rozkład normalny jest przedmiotem szczegółowych rozważań w p. 3.1.2 pracy.
-1
21 Funkcja ¨ zwraca wartość argumentu podanej wielkoÅ›ci skumulowanej funkcji gÄ™stoÅ›ci roz-
kładu normalnego standaryzowanego.
32
Eksploracja
jednej zmiennej
Jeżeli punkty Pi układają się (oscylują) wzdłuż linii prostej (zlinearyzowanej
dla potrzeb grafiki krzywej normalnej), wówczas twierdzi się, że dane em-
piryczne dobrze dopasowują się do rozkładu normalnego, a innymi słowy,
że rozkład normalny dostarcza dobrego dopasowania do danych empirycz-
nych. Wyraz wolny i współczynnik kierunkowy dopasowanej linii prostej są
interpretowane jako graficzne oszacowania odpowiednio średniej (m) i od-
chylenia standardowego (Ã) rozkÅ‚adu normalnego. Dopasowana linia regre-
sji jest przekątną wykresu normalności K K z trendem.
Jeśli przed wygenerowaniem linii regresji dopasowanej do punktów Pi (xi, xi)
N
usunięta jest główna tendencja rozwojowa (rozumiana jako tendencja zmian),
wówczas dopasowana prosta jest postaci di = 0, a graficzny obraz punktów
empirycznych z hipotetycznymi nazywany jest wykresem normalności K K bez
trendu. Wykres ten ilustruje położenie punktów Pi o współrzędnych {xi, di}
w stosunku do linii di = 0, przy czym di jest różnicą wartości jednostki
standaryzowanej i wartości opisanej formułą (1.31), tzn.:
di = zi - xi (1.33)
N
Wykres normalności K K bez trendu jest wykorzystywany do oceny tego,
czy i do jakiego stopnia rozkład zmiennej podlega rozkładowi normalnemu.
Eliminacja trendu skutkuje rozciągnięciem rzędnych wykresu (zwłaszcza dla
nielicznie reprezentowanej zmiennej), ułatwiając odkrywanie wzorców od-
chyleń. Obserwacja wielkości i tendencji odchyleń rozkładu empirycznego
od hipotetycznego rozkładu normalnego stanowi podstawę poszukiwań for-
muł transformacji wartości rzeczywistych zmiennej.
Subiektywnie oceniany stopień zgodności empirycznego rozkładu zmiennej
(oryginalnej bÄ…dz
jej transformacji) z oczekiwanym rozkładem normalnym
wynika z położenia punktów Pi względem:
linii regresji (linii dopasowania)  w przypadku wykresu normalności
K K z trendem,
linii di = 0  w przypadku wykresu normalności K K bez trendu.
Wykres normalności K K bez trendu czytelniej opisuje poziom odchyleń roz-
kładu empirycznego od hipotetycznego rozkładu normalnego. Na wykresie
tym oczekiwane są jak najmniejsze dystanse wszystkich punktów empirycz-
nych od linii regresji. W myśl teorii trzech sigm:
P {|X| 3Ã} = 0.9973,
odstÄ™pstwa te nie powinny przekraczać odlegÅ‚oÅ›ci Ä…3Ã, co jest Å‚atwo wery-
fikowalne na osi rzędnych wykresu. Istotę analizy wykresów normalności
rozkładu najlepiej prześledzić na następujących przykładach.
PRZYKA
AD 1.5 Niech rysunki 1.15a i b przedstawiają rozkłady warunkowe cech Z1 i Z2 ze względu
na wiek respondentów ankiety przeprowadzonej wśród 100 osób22.
Wykresy normalności rozkładów empirycznych zmiennych Z1 i Z2  wyłącznie dla
grupy wiekowej 21 lat  przedstawione są na rysunkach 1.16 (z uwzględnieniem
tendencji głównej) i 1.17 (w wersji bez trendu).
22 Cechy Z1 i Z2 zaczerpnięte są ze zbioru 1 dodatku C.
33
Statystyczna
analiza danych
wspomagana
programem SPSS
a
b
Rysunek 1.15
Rozkłady zmiennych:
a) Z1 według wieku;
b) Z2 według wieku
a b
Rysunek 1.16
Wykres normalności
z trendem dla zmiennej:
a) Z1; b) Z2
a b
Rysunek 1.17
Wykres normalności bez
trendu dla zmiennej:
a) Z1; b) Z2
Niełatwe jest wnioskowanie o tym, który z porównywanych rozkładów (cechy Z1,
czy Z2) jest bliższy normalnemu. Na obu wykresach bowiem położenie punktów
o współrzędnych określonych przez wartości obserwowane i oczekiwane względem
linii regresji jest bardzo podobne, chociaż nieco bliższe prostej wydają się być one
dla zmiennej Z2. Więcej szczegółów w tym zakresie wnoszą wykresy bez trendu
(rys. 1.17).
34
Eksploracja
jednej zmiennej
Z porównania skal osi rzędnych wykresów normalności bez trendu wynika, że od-
chylenia rozkładu empirycznego od normalnego w przypadku zmiennej Z1 mieszczą
siÄ™ w obszarze Ä…0.8Ã, podczas gdy dla zmiennej Z2 sÄ… mniejsze i mieszczÄ… siÄ™ w ob-
szarze Ä…0.6Ã. Sugeruje to, że bardziej zbliżony do normalnego jest rozkÅ‚ad zmiennej
Z2 aniżeli Z1, co nie jest równoznaczne z domniemaniem, że rozkład którejkolwiek
ze zmiennych jest normalny. Wnioskowanie o tym wymaga przeprowadzenia sto-
sownego testu statystycznego.
Z punktu widzenia analiz małych zbiorowości przydatnym może być też
spostrzeżenie, że to obserwacje skrajne obu zmiennych są przyczyną naj-
większych odstępstw rozkładów empirycznych od normalnego. Korekta roz-
kładów empirycznych może iść w kierunku eliminacji zidentyfikowanych
wykresami normalności przypadków skrajnych badanych zmiennych.
1.2.5 Wykres rozrzut a poziom
Punktowy wykres rozrzut a poziom (Spread-versus-Level Plot) znajduje zasto-
sowaniewyłączniewanalizierozkładuzmiennejY = {y1, y2, . . . , yn} podlega-
jącej zróżnicowaniu ze względu na określony czynnik X = {x1, x2, . . . , xk}.Jest
on narzędziem diagnostyki zmian równości wariancji międzygrupowych zmiennej
Y(X ) poddanej na przykład różnym formułom transformacji.
k
Wykres skali dyspersji i poziomu średniego zmiennej warunkowej ilustruje
położenie punktów Pi o współrzędnych {pi, ri} dla i = 1, 2, . . . , k grup. Oś
odciętych wykresu stanowią wartości median zmiennej w każdej z grup
(lub ich logarytmy), pi, zaś oś rzędnych  międzykwartylowe rozstępy (od-
chylenia ćwiartkowe) zmiennej odpowiadające każdej z grup (lub ich loga-
rytmy), ri.
Wykres rozrzut a poziom sporzÄ…dzany jest w trzech wariantach. W wersji
pierwszej (Oszacowanie potęgi, Power estimation) logarytmów naturalnych
odchyleń ćwiartkowych względem logarytmów naturalnych median dla każ-
dej z grup wykres rozrzut poziom zawiera dwuskładnikowy komentarz
słowny zawierający informacje dotyczące:
wielkości nachylenia (slope) linii regresji punktów Pi względem poziomu;
wartości wykładnika potęgi przekształcenia potęgowego zmiennej (Moc
transformacji, Power for transformation), które zrównuje wariancje mię-
dzygrupowe23.
W komentarzach do obu następnych wersji wykresu rozrzut poziom znaj-
duje się tylko jeden parametr  nachylenie linii regresji punktów Pi wzglę-
dem poziomu.
W wersji drugiej (PrzeksztaÅ‚öcone dane, Transformed) wybierana jest formuÅ‚a
przeksztaÅ‚cenia zmiennej. W wersji trzeciej (Nie przeksztaÅ‚öcone, Untransfor-
med) taka możliwość nie występuje, a wykres sporządzany jest na podstawie
danych z
ródłowych zmiennej.
23 Równość wariancji międzygrupowych zmiennej Y(X ) ma miejsce wówczas, gdy wykres roz-
k
rzut a poziom przedstawia liniowy układ punktów Pi z parametrem nachylenia bliskim zero
i wykładniku bliskim jeden.
35
Statystyczna
analiza danych
wspomagana
programem SPSS
Zastosowanie tego narzędzia jest pomocne w doborze postaci transformacji
zmiennej. Zmienną przekształca się po to, by stabilizując rozrzut, syme-
tryzować jej rozkład. Wyznaczona w programie SPSS wartość mocy trans-
formacji (wykładnika potęgi) na poziomie 0 (i bliska temu) sugeruje trans-
formację logarytmiczną, wartość 0.5 (i bliska temu)  transformację w po-
staci pierwiastka kwadratowego, natomiast wartość 1 jest symptomem braku
wskazań do transformacji24. Wartości mocy z przedziału (0, . . . , 0.5) wska-
zują na testowanie dwóch postaci transformacji uwzględniających warto-
ści skrajne tego przedziału, a moc z przedziału (0.5, . . . , 1)  pierwiastka
kwadratowego.
Uzyskiwane wskazania tego narzędzia mogą być zawodne dla zmiennych
o zbyt małej liczbie rozkładów warunkowych. Istotną sugestią w tym zakre-
sie jest konfrontacja wielu postaci transformacji dokonywana w kontekście
wizualnej oceny rozkładów warunkowych zmiennej na podstawie wykresów
skrzynkowych, diagramów łodygi i liści oraz wyników testu Levene a jedno-
rodności wariancji. Nie bez znaczenia jest także rozpoznanie bibliograficzne
stosowanych transformacji w zakresie analizowanej i pokrewnej tematyki.
Inną przyczyną zawodności diagnostyki postaci transformacji zmiennej na
podstawie wykresu rozrzut a poziom jest występowanie nietypowych grup
zmiennej warunkowej spowodowane małą liczbą obserwacji.
Poszukiwanie właściwej transformacji zmiennej bywa nieskuteczne w przy-
padkach, w których nietypowe rozkłady warunkowe mają wpływ na para-
metr nachylenia. Wówczas odrzucane są punkt/punkty nietypowe (wizual-
nie wystarczy zakryć je ręką), a dalsze rozważania dotyczą tego, czy wy-
kładnik potęgi poszukiwanej krzywej przebiegającej przez pozostałe punkty
wykresu jest dodatni, czy ujemny.
Zasadne jest transformowanie zmiennej a priori (wyznaczenie przykładowo
jej wartości logarytmicznej) i sporządzenie wykresu rozrzut poziom. Ana-
liza wykaże, czy ta klasyczna postać transformacji ma sens, czy też nie. A nie
jest ona bezzasadna wtedy, gdy uzyskane nachylenie jest bliskie zeru (Ä…),
a tym samym wykładnik transformacji potęgowej (moc)  jedynce (odp. ").
Przykłady wykresów rozrzut a poziom dla zmiennych Z1 i Z2 (por. rys. 1.15)
przedstawiajÄ… rysunki 1.18.
a b
Rysunek 1.18
Wykres rozrzut a poziom
zmiennej: a) Z1 (Ln
rozrzutu vs Ln poziomu,
nachylenie = .140, moc
przekształcenia = .860);
b) Z2 (Ln rozrzutu vs
Ln poziomu, nachylenie =
.1.085, moc przekształcenia
= -.085) według wieku
24 Pełniejszy wykaz tych przekształceń pokazuje zestawienie znajdujące się w p. 2.3.1 dotyczącym
testu Levene a jednorodności wariancji.
36
Eksploracja
jednej zmiennej
Położenie punktów rejestrujących równoczesną wielkość poziomu i rozrzutu
zmiennej Z1 względem wieku nie wykazuje żadnej regularnej tendencji
zmian. Układ punktów aż trzech (spośród pięciu) kategorii wieku wska-
zuje na brak związku między poziomem a rozproszeniem, gdyż różna jest
wielkość rozrzutu dla tego samego poziomu średniego cechy. W przypadku
zmiennej Z2 prawidłowość ta dotyczy dwóch pierwszych klas wieku. Z infor-
macji zawartych w podpisie do wykresów (o postaci sugerowanej transfor-
macji cech) wynika, że zmienna Z1 nie powinna być transformowana (moc
przekształcenia wynoszącą 0.860 można uznać za bliską 1), natomiast wobec
zmiennej Z2 sugerowane jest przekształcenie logarytmiczne (moc przekształ-
cenia wynoszącą -0.085 można uznać za bliską 0).
Dla zaobserwowania skutków przekształcenia wartości zmiennych na relację
między poziomem a rozrzutem zastosowana została transformacja logaryt-
miczna. Rezultaty tych zabiegów ilustruje rysunek 1.19.
a b
Rysunek 1.19
Wykres rozrzut a poziom
zmiennej: a) Ln(Z1) (Ln
rozrzutu vs Ln poziomu,
nachylenie = -.198, moc
przekształcenia = 1.198);
b) Ln(Z2) (Ln rozrzutu
vs Ln poziomu, nachylenie
= 1.346, moc przekształcenia
= -.346) według wieku
W obu przypadkach zabiegi zmian tendencji i relacji między poziomem
a rozrzutem okazują się być nieskuteczne, gdyż ogólny obraz punktów na
rysunkach 1.18a i b nie różni się od rysunków 1.19a i b.
UWAGA Szybkim sposobem przeprowadzenia operacji transformowania zmiennej, a następnie jej te-
stowania wykresem rozrzut a poziom, bez konieczności powrotu do Edytora danych, jest po-
wtórne uruchomienie opcji Opis statystyczny Eksploracja, z poziomu której można
narysować wykres rozrzut a poziom, dobierając jedną z sześciu wbudowanych postaci trans-
formacji.
Wystarczy zaznaczyć polecenie Transformacja, aktywujÄ…c opcjÄ™ PrzeksztaÅ‚öcone dane
znajdujÄ…ce siÄ™ pod poleceniem Rozrzut poziom z testem Levene a w oknie dialogowym
Eksploracja Wykresy.
1.2.6 Wykres punktowy
W diagnostyce powiązań między cechami25 we wstępnym rozpoznaniu cha-
rakteru i kierunku zależności par cech ilościowych pomocny jest najprostszy
25 Punkt ten, w drodze wyjÄ…tku, nie jest elementem eksploracyjnej analizy jednej zmiennej. Pre-
zentacja wykresów punktowych w tym miejscu podyktowana jest zamiarem wyczerpania i zgru-
powania najczęściej wykorzystywanych graficznych form prezentacji danych.
37
Statystyczna
analiza danych
wspomagana
programem SPSS
z wykresów korelacyjnych tzw. wykres punktowy w programie SPSS zwany
wykresem rozrzutu (Scatter Plots). Przykładowe wykresy rozrzutu przedsta-
wia rysunek 1.20.
a b
Rysunek 1.20
Wykres rozrzutu prostoli-
niowej zależności cech X
i Y postaci w
i = a + bxi
wg kierunku zależności
cech: a) kierunek dodatni;
b) kierunek ujemny
Zgodnie z ogólną zasadą graficznej prezentacji zależności między dwoma
cechami (yi = f (xi)) warianty cechy niezależnej X reprezentuje oś odcię-
tych układu współrzędnych, oś rzędnych natomiast  warianty cechy za-
leżnej Y. Wnętrze wykresu wypełniają punkty Pi (o współrzędnych {xi, yi}
dla i = 1, 2, . . . , n) charakteryzujÄ…ce siÄ™ i-tymi realizacjami cech X (xi " X)
i Y (yi " Y) równocześnie. Proste znajdujące się na wykresach są teoretycz-
nymi liniami regresji, opisującymi liniowe zależności zmiennych. Na pod-
stawie ich położenia nietrudno zauważyć, że w wariancie z rysunku 1.20a
wzrostowi wartości cechy X towarzyszy wzrost wartości cechy Y, natomiast
w wariancie przedstawionym na rysunku 1.20b, wzrostowi wartości cechy
X towarzyszy spadek wartości cechy Y. W pierwszym przypadku dodatni
współczynnik b liniowej zależności cech X i Y wskazuje na korelację do-
datnią między cechami, w drugim natomiast współczynnik b jest ujemny,
wskazujÄ…c na korelacjÄ™ ujemnÄ….
Nie zawsze jednak jednoznaczna jest postać, czy kierunek zależności między
cechami X i Y. Tego typu sytuacjÄ™ ilustruje rysunek 1.21.
a b
Rysunek 1.21
Wykres rozrzutu dodatniej
zależności cech X i Y
wg typu w
i = a + bxi,
2
w
i = a + bxi + cxi :
a) zależność prostoliniowa;
b) zależność kwadratowa
Dla tych samych danych zależność między cechami w wariancie przedsta-
wionym na rysunku 1.21a opisuje regresja prostoliniowa, w wariancie z ry-
sunku 1.21b  krzywoliniowa (prawe ramię paraboli). O tym, która z teo-
retycznych linii regresji lepiej dopasowuje siÄ™ do danych empirycznych, de-
cydują szczególne charakterystyki regresji dostępne już na etapie konstru-
owania wykresu punktowego (współczynnik determinacji R2).
38
Eksploracja
jednej zmiennej
a b
Rysunek 1.22
Wykres rozrzutu kwadrato-
wej zależności cech X i Y
2
(w
i = a + bxi + cxi ) wg typu:
a) zależność wypukła, c > 0;
b) zależność wklęsła, c < 0
Fragmentami różnokierunkową zależność między cechami opisują parabo-
liczne linie regresji automatycznie uzyskiwane w programie SPSS na danym
materiale empirycznym. IlustracjÄ… tego jest rysunek 1.22.
1.3 Przekształcenia danych
Niemająca żadnych przeciwwskazań diagnostyka rozkładów cech nie jest
sztuką samą w sobie. Sprzyja poprawności zastosowań wielu procedur sta-
tystycznych, u podstaw których leżą wymogi formalne stawiane cechom
wyrażonym na skali co najmniej porządkowej. Wobec danych statystycznych
o charakterze ilościowym najczęściej formułowanymi postulatami są:
symetria rozkładu cech;
addytywność (sumowalność) cech, oznaczająca zdolność ich porówny-
walności, zwłaszcza gdy są różnoimienne;
stałość rozstępu cech (stałość wartości ekstremalnych);
dodatniość cech, oznaczająca występowanie wyłącznie wartości dodat-
nich;
jednolitość preferencji, czyli jednokierunkowość oddziaływania cech na
zjawisko przez nie opisywane.
Spełnienie przez cechę dowolnego z ww. postulatów, którego naturalnie nie
posiada, uzyskiwane jest różnymi sposobami. Najczęściej są to przekształ-
cenia algebraiczne określane ogólnym mianem normalizacji. Ten sam typ
normalizacji zapewnia równoczesne spełnienie postulatów addytywności i sta-
łości rozstępu.
Formułami ujednolicania cech są:
rangowanie,
przekształcenia ilorazowe,
standaryzacja,
unitaryzacja.
Rangowanie, adresowane do cech wyrażonych na skali co najmniej porząd-
kowej, polega na zastąpieniu realizacji zmiennej wyjściowej ich rangami
(miejscami na liście), wynikającymi z uporządkowania obserwacji (przypad-
ków) zgodnie z zasadą monotonicznej hierarchizacji wariantów cechy.
39


Wyszukiwarka

Podobne podstrony:
Analiza danych jakościowych SPSS metody badań geografii społeczno ekonomicznej
Wstępna analiza danych Materiał statystyczny i jego porządkowanie Szeregi statystyczne
Praca mag Interaktywny system regułowej analizy danych marketingowych dotyczących satysfakcji klie
Excel Analiza danych biznesowych
Statystyczna analiza systemow bonus malus w ubezpieczeniach komunikacyjnych e6j
Analiza danych
13 Analiza danych w podgrupach
07 Analiza danych
lab5 Analiza danych sprzedazowych
Metodyka statystycznych analiz wypadków przy pracy
analiza danych przestrzennych

więcej podobnych podstron