Methods of Statistic

УНИВЕРСИТЕТ ПО АРХИТЕКТУРА СТРОИТЕЛСТВО И ГЕОДЕЗИЯ, гр. София

КУРСОВ ПРОЕКТ Студент: Благой Георгиев Петков Факултетен №: 10047 Специалност: Урбанизъм Факултет: Архитектурен Модул: Статистически Методи Ръководител: Александър Цветков Учебна година: 2004/2005

EUROPEAN CREDIT TRANSFER SYSTEM (ECTS) INFORMATION PACKAGEЕВРОПЕЙСКА СИСТЕМА ЗА ТРАНСФЕР НА КРЕДИТНИ ЕДИНИЦИ (ECTS) ИНФОРМАЦИОНЕН ПАКЕТ

Практика Practice

Сигнатура STM1bCBU

Наименование на дисциплината по учебен план

Статистически методи

Започва в семестър 4 Завършва в семестър 4

ECTS 4.0

СтатутЗадължителен

Code STM1bCBU

Title of the discipline in the academic curriculum

Methods of Statistic

Starts in semester 4 Ends in semester 4

ECTS4.0

Type Compulsory

300

60

60

Анотация

Дисциплината развива умения за прилагане на различни техники за анализ в урбанистичната практика. Придобиват се умения за избор на подходящи техники за анализ на данни. Създава се отношение към потребността от обективност и различието при интерпретацията на резултатите.

Annotation

The module develops skills to apply different methods of analysis in planning practice. Abilities for selection of appropriate analytical methods are obtained. Attitude is shaped towards the necessity of precise assessment and the variable scope of the results’ interpretations.

3030

0

60

60Катедра

ГрадоустройствоDepartmentUrban Planning

Principal lecturerAssoc. Prof. Dr. Yordan Kalchev

Водещ преподавателдоц. д-р Йордан Калчев

Самостоятелна подготовка

Аудиторни часове (общо) Academic hours(total )

Individual independant study

Lectures Лекции 30Упражнения/Семинарни занятия Exercises/Seminars

Форма на оценяванеИзпит

Form of assessmentExam

\URB\STM1bCBU4U.pdf

Възможност за преподаване на чужд език Possible training in foreign languages

Урбанизъм - бакалавър*UACEG, 26.10.2006, A- 3432 STM1bCBUUrbanism - bachelor*

Благой Георгиев Петков УРБ 10047

Статистически Методи стр. 2

ВЪВЕДЕНИЕ: СТАТИСТИЧЕСКИ МЕТОДИ Събиране и систематизация на статистически данни

1. Същност и етапи a. Обект на изследване – масови явления; съвкупност – общност от

еднородни единици; всяка единица може да бъде / да не бъде физически обоснована;

b. Признаци (предмет на изследване) на единиците; c. Индивидуални сведения – данни за отделните единици; след

обработка – статистически данни; d. Регистриране на сведения – технически процес; статистическо

изучаване (наблюдаване, изследване, според някой автори) – три етапа:

i. Статистическо наблюдение – подготовка, организация на работа, регистрация на данни;

ii. Статистическа групировка – обработване на индивидуални сведения; таблично представяне на данни; графично; ГИС; (данни, пълни, за 16 града)

iii. Анализ – различни методи; проява на масови явления във времето – динамичен анализ;

2. План и програма на статистическото изучаване; До 1990 – планова икономика, перфектни условия за статистика; по лесно събиране на данни; над 850 хил. фирми сега, 200 хил. действащи; В целия този хаос – да се създаде ред; Соц. Изследвания, започват от 60-те години – проучване на обществено мнение; ЕВРОСТАТ – изисква голяма документация; всяка стъпка на изследването се описва; инструментариум на изследването; ПРОГРАМА: определя се предмета на изследването;

- инструментариум на изследване; инструкции; самонаблюдение; обекта на изследването – всички хора, кои от тях; определени сгради от всички;

- да се дефинират точно; - извадкови изследвания;

Формулиране на цел на изследването; основна и подцели, ако изследването е по голямо; изследователски задачи; Дефиниране на хипотези – много тънка разлика със задачи; Разработване на формуляр, форма на събиране на данни; специализирани електронни средства; електронен формуляр – от сайт, дискета; специален компютър, който в реално време прави проверки; подобряване на информация; в скандинавски страни – домакини сами се интервюират с такива устройства; Конкретизира се метода на събиране на данни – въз основа на счетоводни записвания – юридически лица; Основни направления на анализа; ПЛАН:

- след като сме създали концепцията, модела и инструментариума, трябва да се проведе самото изследване, организационен план;

- кой, кога, с какви ресурси, за какъв период;



- организационно-технически въпроси – предоставяне на информация, статистическа тайна;

2001 год. – всеобщо преброяване на цялото население, сградния и жилищен фонд, селско и горско стопанство;

8 млн. жители 3 „ жилища 24 млн. лв. бюджет 2 „ сгради 1,7 „ селски стопанства

Закон за преброяването, органи – областни, общински комисии, кметове, статистически институт и бюрата му по места; 42-43 хил. преброители, обучението им; на всеки 7-8 – контрольор, който се отчита на кмета; Турция – 48 часа е забранено излизането, само армията се движи по улиците; Критичен момент – 1 март, 0:00 часа, т.е. анкетата към тази дата и час; Търговище и Благоевград 1975 год. – будили хората през нощта; Среща временно присъстващ / отсъстващ тогава на ръка – 750 хил. размер на вътрешна миграция;

- 70 хил. раждаемост през 2005, но семейството отмира като форма; негативна тенденция – смъртността се подмладява, раждаемостта е колкото в Европа – 9/1000;

Статистиката не предоставя индивидуални сведения; анонимизиране на записите; Статистика, служба СГРАО, МВР, НОИ, Здравна каса – регистрация на хора, които работят с лични данни; глоби 10-20 хил. лв.; регистрация на юзъра и по време, и по бази за базата данни на статистическия институт; - Законът не засяга много точно частни агенции; - Проблем – МВР не предоставя на статистическия институт данни за

излезли от страната; - СГРАО – предава данни, 70 хил. нови записа/год. - Статистическа информация няма юридическа сила; основава се на

декларативен принцип; инфлацията – единствената информация, която има юридическа стойност;

- Отстраняване на грешки, неверни данни; Типове въпроси – отворени / затворени Категорийни – качествени променливи в SPSS Количествени променливи – пример: възраст, доход, с това число могат да се извършват аритметични действия Дихотомни признаци – пол, съгласие / не Ординална (Рангова) и Номинална скала; пример: среден успех Множествени отговори – с повече от един отговор Уникален код на анкетните карти: Област / Община / Преброителен участък / Анкетьор / No анкета с букви - колко респондента да анкетираме; response rate; колко са ни отговорили на изпратени анкети; тези, които не са ни отговорили – защо, отказ, пълно / временно отсъствие; инструкция – да се ходи до три пъти на адреса, записва се причина; обработва се за да се намали при следващо изследване; - контрол на анкетьорите; - пробно изследване, за да се тества анкетната карта на терен;



- кодиране – пример: да=1, не=о; - Data Entry – контрол на входа; задължителни въпроси за отговор; логически контрол – родени деца / пол; Null – празното не е нула; - скипове – работа / безработен; безработния прескача определен брой въпроси; - Последващ контрол – пример: едно ЕТ може да е регистрирано само в един районен съд; при дублиране при събиране на данни от отделните бюра на статистическия институт – последваща проверка за дублиране. SPSS - основни стъпки при работа Стартиране на SPSS Както всички програми от Start Programs --> SPSS for Windows --> SPSS 10.0 for Windows (или съответната ви налична версия) След стартирането се вижда прозореца на SPSS Data Editor, който изглежда по следният начин: Отваряне на работен файл Файлът с данни обикновено има разширение sav. Отварянето е чрез: File --> Open -->Data и намиране на съответния файл SPSS работи само с един работен файл с данни, но е възможно да са отворени други видове специфични SPSS файлове! Меню на SPSS Менюто на SPSS съдържа някои от основните за Windows програмите подменюта и някои специализирани функции. Стандартни менюта File || Edit || View || ... || Window || Help В сандартните менюта са изведени известните от другите програми функции. В някои има заложени по-специфични за тази среда настройки, но ако имате опит с други среди, то и тук ще се оправите Файл с данни на SPSS За SPSS данните са в таблица като променливите (variables) са в колони, а случаите/наблюденията (cases) са в редиците. От версия 10 SPSS има 2 изгледа на прозореца за редактиране на данни (основния прозорец на програмата): Data view - изглед за данните и Variable view - изглед за променливите. Тези два изгледа се превключват с кликване с мишката върху съответния им надпис, който е долу в ляво на екрана. Тези два изгледа позволяват по-лесно модифициране на някои настройки на променливите. Тези настройки могат да се правят и от менютата на програмата.



Полета за редакция на променливите във Variable View: Name Имената на променливите са от 8 символа, задължително започващи с буква, буквите автоматично стват малки, без специални символи в.т.ч. +, -, % и др. Възможно е да има кирилица, но може да създаде проблеми с разлики в кодовите таблици. Type SPSS поддържа множество типове на променливи, който могат да се специфицират от това полео. Различните типове се виждат от падащото меню, което се активира с мишката в положение на края на полето за съответната променлива. Модифицирането на основния тип на променливата, когато има въведени данни в нея може да доведе до загубата им. Например променлива, която е само от числа (каквото и ЕГН-то), дефинирана като string (тя е идентификатор и за нея не се прави анализ) и превърната в numeric от там изгубва наличните до момента на промяната стойности. Разумно и да се променят броя на цифрите след десетичната запетая например. Width Отнася се до броя цифри/символи на променливата. Decimals Отнася се до броя цифри след десетичната запетая. Label Етикет на променливата - до 255 символа, може да е на кирилица, те могат да се виждат в резултата от анализа. Values Етикет на стойностите на променливата. Въвеждат се с помощта на прозорци (до 10 версия не е така). Етикетите може да са на кирилица и те също могат да се виждат в резултата от анализа. Missing Възможно е определянето на някои стойности като липсващи, включването им в други и отделно анализ само на тях. Използва се при кодиране на въпроси с отговор "не знам", който не би трябвало да се загубят, а при анализа не са необходими. Columns Отнася се до ширината на колоната в Data view. Align Отнася се до подравняване на колоната в Data view.



Measure Дефинирането на скалата на променливите може да бъде от полза при определяне на променливите за анализ или графики (неподходящите не излизат в прозорците за избор на променливи). По подразбиране числовите са интервални/скалови (scale), а символните - номинални (nominal). Възможно е да се определят някои числови, които са кодове за номинални, а други, за които наредбата на стойностите има значение за наредени/ординални (ordinal). Работа с полета за редакция на променливите във Variable View: Values С кликване на мишката в края на полето се отваря прозорец Value Labels, който изглежда по следния начин: След въвеждане на стойност в полето Value (обикновено кодирана променлива) и съответно етикет в Value Label, се активира бутона Add. Той се избира и така въведените стойности отиват в голямото поле под тях: Вече може да се въведат следващи код и етикет и се добавят към списъка от етикети с бутона Add: Тази операция продължава, докато е необходимо. На края се потвърждава въвеждането с OK. Така въведените етикети могат да се използват и за други променливи (често се налага поради еднотипните кодове при еднотипни въпроси в едно проучване) без повторно въвеждане чрез copy и paste. Възможно е редактиране на съществуващ етикет: С кликване на мишката в края на полето се отваря прозорец Value Labels. Избира се етикет от големия прозорец със списъка от етикети, който да се промени. Тогава се активира бутон remuve / премахване. Така може да се изтрие някоя комбинация код - етикет. Когато се промени името на етикета (поле Value Label), то се активира бутон Change. Когато се промени полето стойност (value) се активират и двата бутона Add и Change. При Add се въвежда нова комбинация код - етикет, а при Change се редактира съществуващата. След промяна на етикета се потвърждава с OK.



ЗАДАНИЕ:

1. Разработване на макет и въвеждане на данни в SPSS 2. Получаване на едномерни разпределения за всички типове признаци 3. Графично представяне на получените едномерни разпределения с

подходяща диаграма 4. Получаване на двумерни разпределения (cross tables) между два

признака 5. Изчисляване на относителните дялове на разпределение 6. За относителните дялове на разпределение на един от двата признака

да се построи интервал на доверителност 7. Проверка за съществуването на статистическа зависимост и измерване

силата на зависимостта между двата признака чрез подходящи измерители

8. За всяка от посочените задачи да се направи подходящ писмен коментар За целта на статистическото изследване е нужно данните да бъдат подредени и обработени. Въвеждането им от анкетни карти става след създаване на макет, включващ подходящо кодиране – отговорите на всички въпроси да се въвеждат с числа – 0 или 1 за да / не и посочен / не посочен или на всеки отговор да съответства число като това изисква отворените въпроси (ако има такива) да бъдат обработени предварително и отговорите да бъдат кодирани. Във Variable View на SPSS се въвежда модела – всеки от въпросите, типа и броя на знаците, пояснения и в колонката за стойност се записва кода на всеки отговор. В Data View се въвеждат данните. Обикновено това не се прави в SPSS, а се използват специализирани програми, които могат да правят проверка на входа – груби грешки, логически проверки и т.н. Едномерни разпределения Определят се в зависимост от конкретния статистически ред – Descriptive Statistics / Frequencies се използва за въпроси с един отговор, като в зависимост от данните можем да определим модата, медианата и средната аритметична и Multiple Response / Define Sets – за въпроси с повече от един отговор. Тук определяме условията нужни за да получим верни резултати и се връщаме към първата група функции. Анализ на данни Въпрос 1 : Как оценявате образованието по архитектура в България?

- неметриран признак, използваме само модата; основният процент анкетирани (60,9%) смята, че образованието е класическо с добри традиции;

Frequencies



Stat ist ics

Kak ocenjavate obrazovanieto po Arhitectura v Bulgaria?46

03

ValidMissing

N

Mode

Kak ocenjavate obrazovanieto po Arhitectura v Bulgaria?

2 4.3 4.3 4.3

4 8.7 8.7 13.0

28 60.9 60.9 73.9

2 4.3 4.3 78.38 17.4 17.4 95.7

2 4.3 4.3 100.0

46 100.0 100.0

prekaleno avangardnomoderno, na svetovnonivoklasichesko, s dobritradiciikonservativno i banalnoizostanalo, v zastoihaotichno promenja6tose, bez cel i posokiTotal

ValidFrequency Percent Valid Percent

CumulativePercent

Въпрос 2 : Оценка за образованието по архитектура. Имаме три уточняващи подвъпроса 2.1.като теоретични знания. 2.2.като професионални умения 2.3.като обща култура Метриран признак – медиана, средна аритметична и стандартно отклонение; средната аритметична (5,17) се различава от модата и медианата (5,00) при 2.1; същото се наблюдава и в 2.2; Frequency Table

Ocenka za obrazovanieto po Arhitek tura kato teoret i4ni znania

4 8.7 8.7 8.730 65.2 65.2 73.912 26.1 26.1 100.046 100.0 100.0

doburmn. doburotlichenTotal


CumulativePercent



Ocenka za obrazovanieto po Arhitektura kato profesionalni umenia

2 4.3 4.3 4.38 17.4 17.4 21.7

20 43.5 43.5 65.214 30.4 30.4 95.7

2 4.3 4.3 100.046 100.0 100.0

slabsredendoburmn. doburotlichenTotal


CumulativePercent

Ocenka za obrazovanieto po Arhitek tura kato ob6ta kultura

8 17.4 17.4 17.426 56.5 56.5 73.912 26.1 26.1 100.046 100.0 100.0

doburmn. doburotlichenTotal


CumulativePercent

Въпрос 3: Необходими ли са промени в образованието по архитектура? Само модата има смисъл; двама от анкетираните не са отговорили; мненията са в две противоположни направления – 43,5% смятат, че са необходими незначителни промени, а 31,1 – значителни

Stat ist ics

Neobhodimi li sa promeni v obrazovanieto po arhitektura44

23

ValidMissing

N

Mode

Neobhodimi li sa promeni v obrazovanieto po arhitek tura

6 13.0 13.6 13.618 39.1 40.9 54.520 43.5 45.5 100.044 95.7 100.0

2 4.346 100.0

Da, radikalni i izcqloDa, zna4itelniDa, nezna4itelniTotal

Valid

SystemMissingTotal

Frequency Percent Valid PercentCumulative

Percent

Въпрос 4 :Затруднения по предмети. Разделили сме въпроса на десет подвъпроса, за по лесна обработка. 4.1.история на урбанизма 4.2.въведение в урбанизма 4.3.умения за учене и комуникация 4.4.социология на урбанизма



4.5. анализ на градската среда 4.6.проект за малко селище 4.7.околна среда и устойчиво развитие 4.8.градоустройство 4.9.теория на урбанизма 4.10.информационни технологии Дихотомна скала (две възможности за отговор), обединяване на данните с Multiple Response; Най-проблемни са Въведение в урбанизма и Социология, а най-малко проблеми студентите срещат по Теория на урбанизма и История на урбанизма; Multiple Response Group $V4 v4 (Value tabulated = 1) Pct of Pct of Dichotomy label Name Count Responses Cases Zatrudneniq po istoriq na URB V4.1 2 2.2 4.3 Zatrudneniq po vavedenie v URB V4.2 26 28.3 56.5 Zatrudneniq po sociologiq na URB V4.4 24 26.1 52.2 Zatrudneniq po analiz na gradskata sreda V4.5 12 13.0 26.1 Zatrudneniq po okolna sreda i ustoi4ivo V4.7 16 17.4 34.8 Zatrudneniq po teoriq na URB V4.9 2 2.2 4.3 Zatrudneniq po informacionni tehnologii V4.10 10 10.9 21.7 ------- ----- ----- Total responses 92 100.0 200.0 0 missing cases; 46 valid cases Въпрос 5 : Брой проекти за един семестър. Само модата има смисъл; отговорите са равномерно разпределени между 1, 2 и 3 проекта и в много малък процент 4; двама души не са отговорили Frequencies



Stat ist ics

Broi proekti za edin semestur44

21a

ValidMissing

N

Mode

Multiple modes exist. The smallest value is showna.

Broi proekti za edin semestur

14 30.4 31.8 31.814 30.4 31.8 63.614 30.4 31.8 95.5

2 4.3 4.5 100.044 95.7 100.0

2 4.346 100.0

edin goljam i kompleksendva profiliranitri profilirani4etiri profiliraniTotal

Valid

SystemMissingTotal


Percent

Въпрос 6 : Кои преподаватели са Ви харесали най-много? 6.1.Първи харесван преподавател 6.2.Втори харесван преподавател Обединяваме двата въпроса, като този път не са с дихотомен признак, а с категории, като задавам категории от 1 до 10. Смисъла на първи и втори преподавател не е че първия е по харесван, така че процентите надхвърлят 100, защото анкетираните са дали повече от един отговор. Най-добре тези резултати се илюстрират с графика. Multiple Response _ Group $V6 V6 Pct of Pct of Category label Code Count Responses Cases A. Aleksandrov 1 10 11.9 21.7 E. Dimitrova 2 6 7.1 13.0 V. Don4ev 3 12 14.3 26.1 V. Ivanov 4 30 35.7 65.2 I. Tarsankov 5 16 19.0 34.8 V. Troeva 6 2 2.4 4.3 G. Boqrov 7 2 2.4 4.3 A. Galabov 8 2 2.4 4.3 Q. Kiosev 9 4 4.8 8.7 ------- ----- ----- Total responses 84 100.0 182.6 0 missing cases; 46 valid cases



Въпрос 7 : Развихте ли знания и умения по...(отново разделяме въпроса на отделни подточки, за които ще търсим отговор да или не, и съответно ще е по-лесно за обработка.) 7.1. знания и умения за правилен методически подход 7.2. знания и умения за разработване на проект на сграда 7.3. знания и умения за разработване на арх.-строителни детайли 7.4.знания и умения за разработване на подробми градоустройствени планове 7.5. знания и умения за действащите законови нормативни разпоредби 7.6. знания и умения за възможностите за проф. реализация 7.7. знания и умения по статистика Обединението става по дихотомен признак; предпоследната колона показва относителния дял на посочилите съответния отговор, спрямо общия брой въпроси, а последната абсолютния в проценти; 7.1 е с най-голям дял, следван от 7.5 и 7.4; Multiple Response _ Group $V7 V7 (Value tabulated = 1) Pct of Pct of Dichotomy label Name Count Responses Cases znania i umenia za pravilen metodi4eski V7.1 42 28.0 91.3 znania i umenia za razrabotvane na proek V7.2 12 8.0 26.1 znania i umenia za razrabotvane na arh.- V7.3 8 5.3 17.4 znania i umenia za razrabotvane na podro V7.4 28 18.7 60.9 znania i umenia za deistva6tite zakonovi V7.5 34 22.7 73.9 znania i umenia za vazmojnostite za prof V7.6 18 12.0 39.1 znania i umenia po statistika V7.7 8 5.3 17.4 ------- ----- ----- Total responses 150 100.0 326.1 0 missing cases; 46 valid cases Въпрос 8 : Условия относно бъдещата професионална реализация само мода; 43,5% смятат, че условията са по-скоро подходящи; Frequencies



Stat ist ics

Uslovia otnosno bude6tata prof. realizaciq46

02

ValidMissing

N

Mode

Us lovia otnosno bude6tata prof. realizac iq

4 8.7 8.7 8.7

20 43.5 43.5 52.2

12 26.1 26.1 78.3

10 21.7 21.7 100.0

46 100.0 100.0

napulno podhodja6tiw izwestna stepenpodhodja6tinjamam predstavaw izwestna stepennepodhodja6tiTotal


CumulativePercent

Въпрос 9 : Считате ли, че е целесъобразно студентите да се оценяват периодично? дихотомна скала (да / не); качествен признак; 91,3% отговарят с да; Frequencies

Statist ics

S4itate li,4e e celesuobraznostudentite da se ocenjavat periodi4no

4600

ValidMissing

N

Mode

S4itate l i,4e e celesuobrazno student ite da se ocenjavat periodi4no

42 91.3 91.3 91.34 8.7 8.7 100.0

46 100.0 100.0

daneTotal


CumulativePercent

Въпрос 10 : Вашият пол? –Тук признакът е качествен качествен признак; 56,5% от анкетираните са били жени; Frequencies



Stat ist ics

Wa6ijat pol?46

02

ValidMissing

N

Mode

Wa6ijat pol?

20 43.5 43.5 43.526 56.5 56.5 100.046 100.0 100.0

mujjenaTotal


CumulativePercent

Въпрос 11: Вашата възраст? метриран признак – най-често срещаната възраст е 20 години, а средната – 20,74; Frequencies

Stat ist ics

Vazrast46

020.7420.00

201.437

ValidMissing

N

MeanMedianModeStd. Deviation

Vazrast

2 4.3 4.3 4.326 56.5 56.5 60.910 21.7 21.7 82.6

4 8.7 8.7 91.32 4.3 4.3 95.72 4.3 4.3 100.0

46 100.0 100.0

192021222326Total


CumulativePercent

Въпрос 12: Какъв е вашия месечен доход? целесъобразно е да обединим доходите в няколко групи с Transform / Recode / Into Different Variables със отметка Output variables are strings за да мога да



опиша границите, а именно – в интервалите между 150 / 250 / 400 / 550 / ; почти половината анкетирани (47,8%) попадат в границите 250 - 400 лв. Frequencies

Stat ist ics

Mese4en dohod42

4358.33340.00

300126.427

15983.740.225.365

-.698.717450150600

ValidMissing

N

MeanMedianModeStd. DeviationVarianceSkewnessStd. Error of SkewnessKurtosisStd. Error of KurtosisRangeMinimumMaximum

Mese4en dohod

2 4.3 4.8 4.82 4.3 4.8 9.52 4.3 4.8 14.32 4.3 4.8 19.0

12 26.1 28.6 47.62 4.3 4.8 52.44 8.7 9.5 61.94 8.7 9.5 71.42 4.3 4.8 76.26 13.0 14.3 90.52 4.3 4.8 95.22 4.3 4.8 100.0

42 91.3 100.04 8.7

46 100.0

150160180250300340350400475500570600Total

Valid

SystemMissingTotal


Percent

Въпрос 13: Работите ли? 78,3% отговарят с да; Frequencies



Stat ist ics

Rabotite li44

21

ValidMissing

N

Mode Rabot ite li

8 17.4 18.2 18.236 78.3 81.8 100.044 95.7 100.0

2 4.346 100.0

0daTotal

Valid

SystemMissingTotal


Percent

Въпрос 14: Среден успех от предходната сесия? Frequencies

Stat ist ics

Sreden uspeh ot predhodnata sesia46

05.656.00

6.566.321

-1.407.350

1.118.688

2

ValidMissing

N

MeanMedianModeStd. DeviationVarianceSkewnessStd. Error of SkewnessKurtosisStd. Error of KurtosisRange

Sreden uspeh ot predhodnata sesia

2 4.3 4.3 4.312 26.1 26.1 30.432 69.6 69.6 100.046 100.0 100.0

doburmn.doburotli4enTotal


CumulativePercent

Въпрос 15: Препоръки за повишаване качеството на обучение? Multiple Response _



Group $V15 V15 Pct of Pct of Category label Code Count Responses Cases pove4e praktika 1 12 24.0 40.0 modernizirane na obrazovanieto 2 18 36.0 60.0 podobrjavane na mat.-tehn. baza 3 10 20.0 33.3 po-obektivno ocenjavane 4 4 8.0 13.3 podobrjavane na adm. obslujvane 5 6 12.0 20.0 ------- ----- ----- Total responses 50 100.0 166.7 16 missing cases; 30 valid cases Системата позволява изготвянето на всички видове диаграми без използването на допълнително офис приложение като MS Excel. Въпроси 3, 4, 11 и 12 са илюстрирани с подходящи диаграми:

Neobhodimi li sa promeni v obrazovanieto po a

Neobhodimi li sa promeni v obrazovanieto po arhitektura

Da, nezna4itelniDa, zna4itelniDa, radikalni i izcq

Freq

uenc

y

30

20

10

0



Sreden uspeh ot predhodnata sesia

mn.doburdobur

Cou

nt

40

30

20

10

0

Mese4en dohod

600570

500475

400350

340300

250180

160150

Missing

Cou

nt

14

12

10

8

6

4

2

0

mujjena

Wa6ijat pol?

Pies show counts

43.48%

56.52%



Двумерни разпределения за въпроси 10 и 4.4. Crosstabs / Analyze – Descriptive Statistic

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Wa6ijat pol? * Zatrudneniq po sociologiq na URB 46 100,0% 0 ,0% 46 100,0%

Wa6ijat pol? * Zatrudneniq po sociologiq na URB Crosstabulation

Count

Zatrudneniq po sociologiq na URB Total

neposo4en poso4en neposo4en

Wa6ijat pol? muj 10 10 20

jena 12 14 26

Total 22 24 46

В колоната “Total” е даден общият брой на анкетираните – разделени по пол. В редицата “Тotal” е попълнен общият брой на анкетираните, които са дали съответно мнение да или не. Относителни дялове на разпределение


Cases

Valid Missing Total


Zatrudneniq po sociologiq na URB * Wa6ijat pol? 46 100,0% 0 ,0% 46 100,0%

Zatrudneniq po sociologiq na URB * Wa6ijat pol? Crosstabulation

Wa6ijat pol? Total

muj jena muj

Zatrudneniq po sociologiq na URB

neposo4en

Count 10 12 22

% within Zatrudneniq po sociologiq na URB 45,5% 54,5% 100,0%

% within Wa6ijat pol? 50,0% 46,2% 47,8%

% of Total 21,7% 26,1% 47,8%

poso4en

Count 10 14 24



% of Total 21,7% 30,4% 52,2%



Total

Count 20 26 46



% of Total 43,5% 56,5% 100,0%

Най-големият брой е на жените, които са се затруднили с предмета. Интервал на доверителност

- на затруднилите се с предмета:

Nn

n−= 1σµ , където за N приемаме има достатъчно голяма стойност

Тогава:

, където p+q=1 q=1-pNσµ = Следователно:

npp )1.( −

=µ

.µ∆ = Ζ =

p p p− ∆ ≤ ≤ + ∆

с 95% опезпеченост

- на не посочилите предмета:

с 95%опезпеченост Проверка за статистическа зависимост

За целта трябва да формулираме съответно нулевата и алтернативната хипотеза

Ho – не съществува статистически значима разлика между оценката за промяна в образованието и оценяването периодично



H1 - има статистическа значима разлика между оценката за промяна в образованието и оценяването периодично

Понеже поне един от двата признака се представя на слабите скали използваме Chi-квадрат анализа -от Analyze/Descriptive Statistics/Crosstab и с бутоните Cells и Statistic маркираме Chi-square Phi and Cramer’s V пускаме хи-квадрат анализа. Условията за използване на Chi-квадрат анализа са:

1) в клетките на таблицата не трябва да има теоретични честоти <1 ( не трябва да има празни клетки в таблицата)

2) ако има клетки с теоретични честоти<5, то те не трябва да са >20% от всички клетки в таблицата

Явно условията са изпълнени


Cases

Valid Missing Total


Zatrudneniq po sociologiq na URB * Wa6ijat pol? 46 100,0% 0 ,0% 46 100,0%

Zatrudneniq po sociologiq na URB * Wa6ijat pol? Crosstabulation

Count

Wa6ijat pol? Total

muj jena muj

Zatrudneniq po sociologiq na URB neposo4en 10 12 22

poso4en 10 14 24

Total 20 26 46

Chi-Square Tests

Value df Asymp. Sig. (2-sided) Exact Sig. (2-sided) Exact Sig. (1-sided)

Pearson Chi-Square ,067(b) 1 ,796

Continuity Correction(a) ,000 1 1,000

Likelihood Ratio ,067 1 ,796

Fisher's Exact Test 1,000 ,515

Linear-by-Linear Association ,066 1 ,798

N of Valid Cases 46

a Computed only for a 2x2 table

b 0 cells (,0%) have expected count less than 5. The minimum expected count is 9,57.

Symmetric Measures

Value Approx. Sig.

Nominal by Nominal Phi ,038 ,796



Cramer's V ,038 ,796

N of Valid Cases 46

a Not assuming the null hypothesis.

b Using the asymptotic standard error assuming the null hypothesis.

Стойността на коефициента на Крамер клони към 0 (0,038) следователно силата на зависимостта между двата признака е слаба.



ЛИТЕРАТУРА:

1. Записки от лекции по модула 2. СТАТИСТИКА ЗА ИКОНОМИСТИ, Георги Мишев, Стоян Цветков,

Университетско издателство „Стопанство”, София 1998 3. http://cmamucmuka.hit.bg/STAT_PAC/SPSS/SPSS.html

http://cmamucmuka.hit.bg/STAT_PAC/SPSS/SPSS.html

Methods of Statistic

Documents

Transcript of Methods of Statistic