Tehnici de testare a ipotezelor

ASOCIERI

semnificativ statistic

există o probabilitate f mică de a obține datele culese in cazul in care ipoteza nulă este adevărată

condiții

date numerice (interval sau proportii)

relație liniară

homoscedasticitate

Ipoteze unidirecționale și bidirecționale

Intensitatea relației

mărimea efectului

in cazul corelațiilor

in cazul in care avem VI și VD

arată GRADUL DE COMUNALITATE între 2 variabile

arată PROCENTUL DIN DISPERSIA VD EXPLICAT DE INFLUENȚA VI

Valori = .01, .06, .14

sursele/cauzele relației dintre 2 variabile

dependență cauzală (creșterea consumului de apă cu cât gradul de deshidratare crește)

dependența de o terță variabilă (fenomenele atmosferice care pot afecta dispozitia afectivă, pe lângă zilele ploioase)

variabilă moderatoare

variabilă mediatoare

var etichetă

explică relația

SOLUȚIE

corelație parțială

COMPARAȚII

tehnici nonparametrice

tehnici parametrice

tehnicile hi pătrat: definiția

testele t și testele z

compară diferențele dintre frecvențele de răspuns a categoriilor unei variabile (dacă există diferențe între frecventele asteptate și cele observate) + scale nominale

tipuri

compară diferențele dintre medii a 2 grupuri + VD prin scale numerice (interval sau proportii)

hi pătrat al gradului de potrivire

hi pătrat al gradului de omogenitate

de ex. dacă există diferențe semnificative între răspunsurile la o întrebare de genul: dacă duminică ar avea loc alegerile prezidențiale, v-ati prezenta la vot? Da/Nu/Nu știu

de ex. când vrem să vedem diferențe sau asocieri între categoriile de răspuns de la două întrebări: dacă duminică ar avea loc alegerile prezidențiale, v-ati prezenta la vot? Da/Nu/Nu știu //////// Ati votat ultima data la alegeri? Da/Nu

date colectate

VI ordinală sau nominală

VD nominal

condiții

observațiile trebuie să fie independente - să nu se influențeze reciproc, fără dg cu măsuri repetate

să fie cel puțin 20 de frecvențe observate. Frecvența așteptată (teoretică) să nu fie mai mică de 1

Pt tabele de contingență de tip 2x2, se aplică corelația Yates

la tehnicile hi pătrat se urmărește frecvența

tipuri de teste t

pt un singur eșantion

pt eșantioane independente

pt eșantioane perechi

= se face diferența dintre media unui eșantion și media populației din care a fost extras

= diferența dintre mediile a două eșantioane independente

= diferența dintre mediile a două eșantioane perechi (corelate, dependente)

au fost alese la întâmplare, pe baza situației lor naturale (ex. două clase paralele de elevi, două grupe de vârstă diferite)

Unde este diferența?

se calculează Reziduurile standardizate ajustate, valoarea semnificativă: în afara intervalului +2,-2

cele 2 grupe sunt într-o relație una cu cealaltă, fie prin intervenția experimentatorului, fie prin corespondența naturală a elementelor din cele 2 grupe

măsurători repetate

perechi naturale

perechi artificiale

pe un grup de subiecți este măsurată aceeași variabilă de două ori (pretest, posttest). Testând la inceputul unei intervenții si la finalul ei se ajunge la perechi de scoruri

formate din una sau mai multe caracteristici prealabile, care există în mod natural = frați, soți

elementele pe baza căruia s-a făcut grupul sunt create de experimentator. De ex, se dă un test inițial pe baza căruia formează grupe in funcție de scoruri

condiții

VD numerică

VD distribuită normal

Pt teste independente = omogenitatea varianțelor

Pt teste dependente (perechi) = nu e nevoie sa fie dispersie omogenă. Trebuie să fie distribuție normală între pretest-posttest

testele z

dacă există un nr suficient de mare (30 participanti în fiecare grup), distribuția z pare normală, și se poate estima AS a populației din care au fost extrase pe baza rezultatelor obtinute din cele 2 gr studiate

Managementul datelor brute

când avem date lipsă

când avem valori extreme/neobișnuite

când trebuie să transformăm datele

puține date lipsă = le eliminăm

multe date lipsă = se estimează valoare datelor lipsă pe baza mediei, mediane, modului

facem regresie + variabila lipsă se folosește drept criteriu, iar var asociate vor fi predictor

pt că am introdus greșit datele

valori min, max

pt că nu face parte din populația respectivă

se elimină

pt că avem mai multe valori extreme

se calculează cu și fără valori extreme să vedem cât de mult ele influențează datele

pentru că avem relație neliniară

împărțim intervalul de valori a variabilei pe 3 categorii

ridicăm la pătrat valoarea x

avem heterodasticitate

transformăm prin logaritm

nu avem normalizate datele/avem distr asimetrică

utilizîm radicalul

mărimea efectului = W=.10, .30, .50

relația dintre managementul impresiei și volumul cheltuielilor este moderat de genul participanților)

când plouă, oamenii rămân acasă și au un contact redus de contacte sociale