SPSS Glsur Meistaranna Vor 2013 1 Kafli Grunnatrii

SPSS Glósur Meistaranna Vor 2013

1. Kafli – Grunnatriði - efnisyfirlit • • • 1. 1: Lýsandi tölfræði og tíðni 1. 2: Þumalputtareglur um tölfræðipróf 1. 3: Að búa til nýja breytu (compute) 1. 4: Að rekóða breytu (recode) 1. 5: Að nota split file

1. 1. Lýsandi tölfræði • Lýsandi tölfræði er góð leið til að draga gögnin saman og fá gott yfirlit yfir hvernig þau eru, t. d. hver er meðalaldur fólks í gagnasafninu • Inni í SPSS er hægt að keyra “Descriptives” og “Frequencies” (tíðni) • Frequencies: nota fyrir flokkabreytur eins og kyn, eða já / nei svör, hitt fyrir skala og tölur

LÝSANDI Lýsandi tölfræði - Ályktunartölfræði TÖLFRÆÐI • • • Aðferðir til að draga saman og lýsa gögnum. Er yfirleitt framkvæmd snemma í ferlinu. Mikilvægt skref í að kynnast gögnunum. Myndir og töflur gegna lykilhlutverki. Mikilvægt að átta sig á hvaða kvarði er notaður til að mæla einstaka breytur. 4

LÝSANDI Lýsandi tölfræði - Ályktunartölfræði TÖLFRÆÐI Það má skipta Lýsandi tölfræði í tvennt: 1. Mælingar á miðsækni (central tendency): • • Tíðni (frequency): Hversu margir • Miðgildi (median): Gildið sem er í miðjunni ef tölunum er raðað upp frá lægstu til þeirrar hæstu, er ekki viðkvæmt fyrir útlögum Meðaltal (mean): Upplýsingar um hvað er dæmigert, er viðkvæmt fyrir útlögum og getur því gefið villandi mynd 2. Mælingar á dreifingu (variability) • Tíðasta gildi (mode): Gildið sem kemur oftast fyrir, er ekki viðkvæmt fyrir útlögum, geta verið fleiri en eitt tíðasta gildi • Spönn (range): Mæling á dreifingu, lægsta gildið dregið frá hæsta gildi í gagnasafninu, viðkvæmt fyrir útlögum og byggir aðeins á tveimur gildum • Staðalfrávik (standard deviation): Hversu langt að meðaltali einstaklingarnir í gagnasafninu víkja frá meðaltalinu 5

LÝSANDI Lýsandi tölfræði - Ályktunartölfræði TÖLFRÆÐI TÍÐNI Tíðni (frequency) • • Hversu margir svöruðu hverjum svarkosti viðkomandi spurningar. • Til að kanna hvort útlagar (gildi sem eru langt frá flestum öðrum gildum) leynast í stökum breytum er hægt að skoða dreifingu þeirra t. d. með stöpla-, kassa- eða punktariti. • Ef villa eða útlagi finnst þarf að skoða viðkomandi þátttakanda og breyta ef við á. Algengt að kanna hvort villur leynast í gögnum með tíðnigreiningu, t. d. Innsláttarvillur. 6

LÝSANDI Lýsandi tölfræði - Ályktunartölfræði TÖLFRÆÐI TÍÐNI Veljið Analyze Descriptive Statistics Frequencies Veljið þær breytur sem þið viljið framkvæma tíðnidreifingu á, sem er til vinstri og smellið á örina, við það færist breytan í Variable(s) gluggan til hægri. Ef þið viljið einnig fá mynd veljið “Charts” og t. d. “Histograms”, hakið við 7 “Show normal curve on histogram”, veljið “Continue” og svo “OK”.

LÝSANDI Lýsandi tölfræði - Ályktunartölfræði TÖLFRÆÐI TÍÐNI Tíðni Hlutfall Uppsafnað hlutfall 8

LÝSANDI Lýsandi tölfræði - Ályktunartölfræði TÖLFRÆÐI • Meðalgildi og staðalfrávik Veljið Analyze Descriptive Statistics Descriptives Veljið þær breytur sem þið viljið kanna t. d. starfsandann og smellið á örina til að færa yfir í Variable(s). Veljið Options. Veljið mean, Std. Deviation, Minimum, Maximum, Range, Kurtosis, Skewness og Variable list. Veljið “Continue” og svo “OK”. 9

LÝSANDI Lýsandi tölfræði - Ályktunartölfræði TÖLFRÆÐI • Meðalgildi og staðalfrávik – Niðurstöður Lægsta gildið er 1, hæsta gildið er 4, meðalgildið er 3, 21 og staðalfrávikið er 0, 862. 10 10

LÝSANDI Lýsandi tölfræði - Ályktunartölfræði TÖLFRÆÐI EIN BREYTA Skewness og Kurtoisis gefa okkur upplýsingar um hvernig svörin dreifast. Dreifingin er normal þegar Skewness og Kurtoisis eru 0. Ef Skewness er jákvæð eru fleiri svör vinstra megin við miðju þ. e. fleiri lægri gildi, ef neikvæð eru fleiri svör hægra megin við miðju þ. e. fleiri hærri gildi. Hér er Skewness -0, 466 og því fleiri svör hægra megin við miðju. Ef Kurtosis er jákvæð þá dreifast svörin lítið, ef neikvæð dreifast þau mikið yfir skalann. Hér er Kurtosis -1, 338 sem þýðir að svörin dreifast mikið. 11

1. 2. Þumalputtareglur um tölfræðipróf • Hvaða próf á að nota í hvaða aðstæðum – Ef þú ert að bera saman 2 hópa: t próf • (independent samples t test) – Ef þú ert að bera saman fleiri en 2 hópa: ANOVA – Ef þú ert að reyna að sjá hvort ein breyta spái fyrir um útkomu á annarri breytu þá geriru aðhvarfsgreinginu (regression) – Ef þú ert að reyna að sjá hvort gagnasafn skiptist upp í einhverja hópa (t. d. markhópa) þá geriru klasagreiningu (cluster analysis)

SPSS 4 þumalputtareglur í SPSS 1. Ef B 1 er nafnbreyta og B 2 er nafnbreyta, þá er hægt að kanna tengsl milli þeirra. (Krosstöflur) (e. Crosstables) 2. Ef B 1 er nafnbreyta (tvípóla – bara 2 hópar, t. d. karl og kona) og B 2 er skalabreyta þá er hægt að kanna mismun milli hópa eða breyta. (indipendent t-próf) (e. indipendent t-test) 3. Ef B 1 er nafnbreyta (með fleiri en 2 hópa) og B 2 er skalabreyta þá er hægt að kanna marktækan mun milli meðaltala. (Dreifigreining) (e. ANOVA) 4. Ef B 1 og B 2 eru báðar skalabreytur, þá er hægt að kanna ansi margt t. d. fylgni sem kannar mun milli hópa (e. 13 correlation)

1. 3. Að búa til nýja breytu • Stundum þarf að búa til nýja breytu úr öðrum breytum eða t. d. sameina 2 breytur eða fleiri í eina, segjum að við höfum 4 mælingar á ánægju og við viljum búa til eina • Til þess að gera það förum við þessa leið í SPSS – Transform → Compute Variable

Compute Variable • Þá kemur þessi gluggi • Er basically reiknivél • Inni í “Target Variable” skrifarðu nafnið á nýju breytunni • Inn í “Numeric Expression” skrifarðu hvernig breytan á að reiknast úr öðrum breytum • Ýtir svo á OK • Þá birtist ný breyta í gagnasafninu (ekkert gerist í output)

Compute Variable - dæmi • Segjum að við erum með 2 mælingar á ólíkri ánægju; ánægja með verð og með gæði (sjá mynd á glæru á undan) • Ætla að búa til meðaltal af þessum báðum inni í Compute Variable • Skíri nýju breytuna “Anaegja_gaedi_verd” og geri inn í numerical expression: – (Anaegja_gaedi + Anaegja_verd) / 2 – Ýti á OK

1. 4 Að rekóða breytur • Við notum recode þegar við viljum umreikna eða endurkóða breytur • T. d. Ef við erum með breytu sem er: Kyn og hún er flokkuð sem “Karl” og “Kona” – Við viljum fá tölugildi til að lýsa þessu – Gerum recode into different variable • Eða við viljum búa til nýja breytu sem sameinar ákveðin gildi, t. d. að búa til flokka

SPSS ENDURKÓÐUN Framhald frá síðasta tíma – Endurkóðun (e. Recode) • Bæði hægt að breyta gildum á núverandi breytu eða búa til nýja breytu með nýju gildunum. • Dæmi: Búa til aldursflokkabreytu út frá breytu sem inniheldur aldur í árum eða að sameina gildi á viðhorfsbreytu, mjög ánægður og ánægður fá sama gildið á nýrri breytu; mjög óánægður og óánægður fá sama gildi og þriðja gildið yrði þá hvorki né sem ekki þarf að breyta. 18

SPSS ENDURKÓÐUN Búum til nýja breytu sem sameinar aldurshópa. Sp 16 (aldur). Sameinum gildi 1 og 2 (35 ára og yngri) 3 og 4 (36 -55) 5 og 6 (56 eða eldri) 19

SPSS ENDURKÓÐUN • Veljið Transform Recode into different variable • Veljið “Aldur” sem Numeric Variable. Búum til nýtt nafn á nýju breytuna t. d. Ny_Aldur og Veljum “Change”. Ny_Aldur færist þá yfir í Numeric Variable. Skilgreinum Label. Veljið “Old and New Values” 20

SPSS ENDURKÓÐUN Farið í “Old value” og sláið inn 1 farið í “New Value” og veljið 1 og svo “Add”. Farið í “Old value” og sláið inn 2 farið í “New Value” og veljið 1 og svo “Add”. Sláið inn öll gildin, veljið svo “Continue. Veljið “OK”. Þá sjáið þið nýju breytuna ykkar í Variable View. Skilgreinið “Values” í “Variable View” fyrir nýju breytuna og þar sem við á. 21

1. 5. Að nota split file • Ef við viljum láta SPSS sýna okkur allar niðurstöður eftir ólíkum hópum • T. d. ég vil sjá allt skipt eftir kyni • Þá er gert Data → Split File • Þá kemur þessi gluggi

Split file • Veljum “Organize output by groups” • Setjum inn breytuna sem ég vil að SPSS flokki eftir, til dæmis kyn • Nú koma ALLAR niðurstöður í tvennu lagi, fyrir konur og svo fyrir karla • MUNA að taka Split File AF þegar maður vill að SPSS greini öll gögnin, ekki eftir hópum

2. Kafli: Fylgni • Notum fylgni til að skoða tengsl á milli breyta • Muna að þó svo að það sé sterk fylgni á milli breyta þá þýðir það ekki að ein orsaki annarri – Fylgni segir ekki til um orsakasamband

PRÓFIN FYLGNI T-próf – Fylgni - Dreifigreining – Krosstöflur Fylgni (correlation) • Fylgnistuðull (correlation coefficient) lýsir sambandi á milli breyta. • Fylgnistuðull getur bæði verið jákvæður og neikvæður og tekið gildin frá -1 til +1. • Ef fylgnin er: 1 = Fullkomið jákvætt línulegt samband á milli breytanna. Ef önnur breytan eykst þá eykst hin. -1= Fullkomið neikvætt línulegt samband á milli breytanna. Ef önnur breytan eykst þá minnkar hin 0 = Ekkert línulegt samband.

PRÓFIN FYLGNI T-próf – Fylgni - Dreifigreining – Krosstöflur Fylgni (correlation) Hversu sterk eru tengslin? Stærð stuðuls segir til um styrk sambands milli breyta • Almenn viðmið fyrir félagsvísindin +/- 0, 0 til +/- 0, 2 mjög veik tengsl +/- 0, 2 til +/- 0, 4 veik tengsl +/- 0, 4 til +/- 0, 6 miðlungs tengsl +/- 0, 6 til +/- 0, 8 sterk tengsl +/- 0, 8 til +/- 1, 0 mjög sterk tengsl

PRÓFIN FYLGNI T-próf – Fylgni - Dreifigreining – Krosstöflur Fylgnistuðlar – Pearson r • • Til eru margir fylgnistuðlar. Pearson r er notaður þegar breytur eru mældar á jafnbila- eða hlutfallskvarða. Pearson r mælir línulegt samband á milli tveggja breyta á jafnbila- eða hutfallskvarða (skalabreytur) Jafnframt fást upplýsingar um stefnu tengslanna (hvort tengslin séu jákvæð eða neikvæð) og styrk tengslanna. Í Pearson r er aðeins litið á þær breytur sem verið er að kanna – Litið er á aðrar breytur sem fasta

PRÓFIN FYLGNI T-próf – Fylgni - Dreifigreining – Krosstöflur Fylgni (correlation) Til að kalla fram Pearson r greiningu í SPSS veljið: Analyze – Correlate Bivariate

PRÓFIN FYLGNI T-próf – Fylgni - Dreifigreining – Krosstöflur Túlkun Pearson r úr SPSS Skoðum p-gildið til að athuga hvort marktæk tengsl séu á milli breytanna. 29

PRÓFIN FYLGNI T-próf – Fylgni - Dreifigreining – Krosstöflur Túlkun Pearson r úr SPSS Fylgnistuðullinn segir okkur til um hversu sterk fylgnin er og hvort um jákvætt eða neikvætt samband er að ræða. Því nær gildinu 1 sem fylgnistuðullinn er, því sterkari er fylgnin. 30

PRÓFIN FYLGNI T-próf – Fylgni - Dreifigreining – Krosstöflur Túlkun Pearson r úr SPSS Tölfræðiprófið: r(398) = 0, 87; p < 0, 001 N-2 31

3. Kafli: T próf og ANOVA Efnisyfirlit • 3. 1. T próf • 3. 2. ANOVA

3. 1 T próf • Notum þetta til að bera saman 2 hópa • Fyrir okkar verkefni erum við alltaf að nota independent samples t – test eða t próf óháðra úrtaka • Í SPSS: – Analyze → Compare Means → Independent samples T test

PRÓFIN T-PRÓF T-próf – Fylgni - Dreifigreining – Krosstöflur 2. t-próf tveggja óháðra úrtaka (independent-samples t-test) • Meðaltöl tveggja óháðra hópa t. d. karla og kvenna, eru borin saman. • Við notum tvær breytur: - Eina nafnbreytu sem er óháða breytan - Eina jafnbila- eða hlutfallsbreytu sem er háða breytan • Dæmi: H 1: Munur er á viðhorfi kynjanna til þess hve miklu máli sjávarútvegsmál muni skipta í næstu kosningum H 0: Ekki er munur á viðhorfi kynjanna til þess hve miklu máli sjávarútvegsmál muni skipta í næstu kosningum

PRÓFIN T-PRÓF T-próf – Fylgni - Dreifigreining – Krosstöflur 2. t-próf tveggja óháðra úrtaka (independent-samples t-test)

PRÓFIN T-PRÓF T-próf – Fylgni - Dreifigreining – Krosstöflur 2. t-próf tveggja óháðra úrtaka (independent-samples t-test) Hér eru gildin valin sem eru notuð til að tákna hópana sem á að bera saman 1. Karl 2. Kona Háða breytan er sett í “Test Variable”. Eða sú breyta sem á að skoða muninn á og er á jafnbila- eða hlutfallskvarða. Óháða breytan er sett í “Grouping Variable”. Eða sú breyta sem stendur fyrir þá hópa sem á að bera saman og er á nafnkvarða.

T-próf – Fylgni - Dreifigreining – Krosstöflur PRÓFIN T-PRÓF 2. t-próf tveggja óháðra úrtaka (independent-samples t-test) p-gildið fyrir F-gildið. t-gildið p-gildið fyrir t-gildið Frígráðurnar • Könnum hvort niðurstöður Levene’s prófsins geri ráð fyrir sömu dreifingu í svörum fyrir báða hópana • Ef p-gildið (Sig. ) fyrir F-gildið er hærra en 0, 05 notum við efri línuna, ef það er jafnt og eða lægra en 0, 05 notum við neðri línuna

T-próf – Fylgni - Dreifigreining – Krosstöflur PRÓFIN T-PRÓF 2. t-próf tveggja óháðra úrtaka (independent-samples t-test) p-gildið fyrir F-gildið. t-gildið p-gildið fyrir t-gildið Frígráðurnar • • • Til að athuga hvort það sé marktækur munur á meðaltölum hópanna skoðum við dálkinn Sig. (2 tailed). Ef p-gildið (Sig. (2 -tailed)) er jafnt og eða lægra en 0, 05 er munurinn á meðaltölunum marktækur, ef það er hærra en 0, 05 er munurinn ekki marktækur Þar sem p-gildið er hér hærra en 0, 05 er munurinn á meðaltölunum ómarktækur. Höfnum H 1 um að munur er á viðhorfi kynjanna til þess hve miklu máli sjávarútvegsmál muni skipta í næstu kosningum og styðjum H 0 um að ekki sé munur. Ef það væri munur á milli meðaltalanna, þyrftum við að skoða hvar hann liggur. Sjá í næstu töflu

PRÓFIN T-PRÓF T-próf – Fylgni - Dreifigreining – Krosstöflur 2. t-próf tveggja óháðra úrtaka (independent-samples t-test) Meðaltal hópanna og dreifing þeirra • Fjórar tölur eru birtar fyrir hvorn hóp fyrir sig: Fjöldi, meðaltal, staðalfrávik og staðalvilla meðaltalsins. • Ef það er marktækur munur á meðaltölum karla og kvenna, þá sjáum við hér hvar hann liggur.

PRÓFIN T-PRÓF T-próf – Fylgni - Dreifigreining – Krosstöflur 2. t-próf tveggja óháðra úrtaka (independent-samples t-test) Dæmi: Er kynjamunur á því hversu mikilvæg velferðar-mál eru í næstu kosningum? 1. 2. 3. 4. 5. 6. Setjið fram núlltilgátu og móttilgátu Er dreifingin í hópunum sú sama (samræmdar dreifitölur)? Hvort er notuð efri eða neðri lína fyrir t-gildi? Hvert er t-gildið? Hvert er p-gildið? Er marktækur munur?

PRÓFIN T-PRÓF T-próf – Fylgni - Dreifigreining – Krosstöflur 2. t-próf tveggja óháðra úrtaka (independent-samples t-test)

PRÓFIN T-PRÓF T-próf – Fylgni - Dreifigreining – Krosstöflur 2. t-próf tveggja óháðra úrtaka (independent-samples t-test) Ef það er marktækur munur og við ætlum að fjalla um prófið í skýrslu þurfum við að setja fram þessa formúlu til að sýna niðurstöðurnar. Þetta sýnir í raun niðurstöðu prófsins.

3. 2 ANOVA (Dreifigreining) • Notum ANOVA þegar við erum að bera saman fleiri en 2 hópa • ANOVA = Analysis of Variance • Í SPSS: – Analyze → Compare Means → One Way ANOVA

PRÓFIN DREIFIGREINING Dreifigreining (ANOVA) • t-próf eru notuð þegar við ætlum að bera saman meðaltöl tveggja hópa eða tveggja breyta frá sama úrtaki. • Þegar verið er að bera saman þrjá eða fleiri hópa óháðu breytunnar á gildi háðu breytunnar er rétt að nota dreifigreiningu. • Dreifigreining ber saman breytileika (dreifingu) milli ólíkra hópa, við breytileika (deifingu) innan hvers hóps

PRÓFIN DREIFIGREINING Dreifigreining (ANOVA) • ANOVA stendur fyrir Analysis of Variance. • Í dreifigreiningu notum við F-próf – F-gildið er fundið með því að deila breytileika milli hópanna með breytileika innan hópanna – Hátt F-gildi gefur til kynna að það sé meiri breytileiki milli hópanna heldur en innan hvers hóps • Dreifing verður að vera svipuð í hópunum. • Gengið út frá núlltilgátu um að ekki sé munur á meðaltölum hópanna í þýðinu • Marktækt F-próf (p gildi 0, 05 eða lægra) táknar að við getum hafnað núlltilgátunni • Marktækt F-próf segir okkur þó ekki á milli hvaða hópa munurinn liggur – Þurfum að framkvæma post-hoc próf – hér notast við Tukey • Förum í einhliða dreifigreiningu (one-way analysis of variance)

PRÓFIN DREIFIGREINING Dreifigreining (ANOVA) • Einhliða dreifigreining (One way anova) – Notuð til að bera saman meðaltöl hópa, þriggja eða fleiri – Ein háð breyta á jafnbila- eða hlutfallskvarða, t. d. viðhorf til mikilvægi sjávarútvegsmála í næstu kosningum – Ein óháð breyta á nafnkvarða með þremur eða fleiri hópum, t. d. aldur

PRÓFIN DREIFIGREINING Einhliða dreifigreining (one way ANOVA) • Veljið Analyze Compare Means One Way ANOVA

PRÓFIN DREIFIGREINING Einhliða dreifigreining (one way ANOVA) • Veljið breytuna “Velferðamál skipta hve miklu máli í næstu kosningum” og setjið í “Dependent List”. (háða breytan) • Veljið breytuna “Aldur” í Factor (óháða breytan) Háða breytan er á jafnbila- eða hlutfallskvarða. Óháða breytan er á nafnkvarða

PRÓFIN DREIFIGREINING Einhliða dreifigreining (one way ANOVA) • Veljið “Options” þá opnast þessi gluggi. • Veljið “Descriptive” og ýtið svo á “Continue”.

PRÓFIN DREIFIGREINING Einhliða dreifigreining (one way ANOVA) • Veljið “Post Hoc”. Til eru mörg post hoc próf, við notum Tukey hér. • Dreifigreining sýnir hvort það sé munur á milli einhverra hópa en ekki á milli hvaða hópa. • Notað er post hoc próf til að athuga á milli hvaða hópa munurinn er, ef hann er til staðar.

PRÓFIN DREIFIGREINING Einhliða dreifigreining (one way ANOVA) • Skoðum meðaltölin fyrir hópana.

PRÓFIN DREIFIGREINING Einhliða dreifigreining (one way ANOVA) • Skoðum ANOVA töfluna • • P-gildið er minna en 0, 05 og því er marktækur munur milli einhverra hópa, en við vitum ekki á milli hvaða hópa munurinn liggur. F(4, 356)=3, 528, p < 0, 05 Tölfræðiprófið Skoðum Post hoc prófið til að kanna hvar munurinn liggur

PRÓFIN DREIFIGREINING Merkt með stjörnu hvar munurinn liggur á milli hópanna.

PRÓFIN DREIFIGREINING Dreifigreining (ANOVA) • Hér sést einnig hvar munurinn liggur. Þegar meðaltöl hópa eru í sitt hvorum dálknum er marktækur munur á milli þeirra. • Munur er því á milli: – 56 -65 ára og yngri en 25 • Ekki er marktækur munur á milli annarra hópa.

PRÓFIN DREIFIGREINING Dreifigreining (ANOVA) Gott að spyrja sig af þessu: 1. Hver er háða breytan og hver er óháða breytan? Óháða breytan 1. Hvert er F-gildið? 2. Hvert er p-gildið? 3. Er marktækur munur? 4. Ef marktækur, á milli hvaða hópa?

4. Kafli: Aðhvarfsgreining • Hægt að nota til þess að spá fyrir um útkomu einstaklings á einni breytu ef útkoma hans á eihverri annarri breytu er þekkt • T. d. Einkunn á samræmdu prófum og meðaleinkunn á fyrsta ári í háskóla • Aðhvarfsgreining skoðar SAMBAND á milli breyta og segir ekki til um orsök – Greiningin byggir á fylgni

Aðhvarfsgreining í SPSS • Analyze → Regression → Linear Regression • Þá kemur þessi gluggi • Setja ÓHÁÐU breytuna í “Independents” og háðu breytuna í “Dependent” • Óháða breytan er sú breyta sem á að spá fyrir um hina breytuna • T. d. Einkunn á samræmdu prófi er óháð breyta og meðaleinkunn í háskóla háð breyta

Aðhvarfsgreining í SPSS (2) • Ef þú ýtir á “Statistics” inni í aðhvarfsgreiningar-glugganum þá geturu valið að fá ýmislegt, sniðugt að velja öryggisbil (95%)

Niðurstöður úr aðhvarfsgreiningu

Niðurstöður úr aðhvarfsgreiningu • 3 töflur sem skipta máli

5. Kafli: Klasagreining • Gerum klasagreiningu þegar við viljum sjá hvort að einstaklingar í gagnasafni skiptist upp í einhverja hópa eða klasa (t. d. markhópa) • MUNA að keyra klasagreiningu tvisvar. Í fyrra skiptið er það gert til að sjá hvað við fáum marga klasa, í seinna skiptið er það gert með þá tölu í huga og til þess að vista klasana sem breytur

Klasagreining í SPSS • Í SPSS – Analyze → Classify → Hierarchical Cluster • Þessi gluggi opnast • Inn í “Variables”: setja allar breytur sem okkur dettur í hug að geti skipt máli þegar það kemur að einkennum einstaklinga í safninu, t. d. Aldur, kyn, ánægja, tekjur, hversu oft þeir versla o. s. frv

Klasagreining í SPSS (2) • Ýta á Plots – Það á að vera merkt við Dendrogram • Ýta á Method – Velja Wards method úr listanum

Niðurstöður úr klasagreiningu • Í SPSS Outputið kemur risastór tafla og síðan myndin sem heitir Dendrogram • Sú mynd segir okkur hversu margir klasar eru í gagnasafninu

Að lesa úr dendrogram • “Draga “ línu lóðrétt niður í gegnum dendrolínurnar, draga “fæstu mögulegu” og “flestu mögulegu” og finna milliveg þarna á milli. . • MUNA EKKERT EITT RÉTT SVAR • Segjum að dendrogramið hafi sýnt 4 klasa, þá keyrum við aftur, með 4 klasa í huga

Klasagreining – seinni keyrsla • Eftir að við erum búin að keyra klasagreiningu einu sinni og lesa úr dendrogram hve margir klasar eru, þá keyrum við hana AFTUR • Í glugganum sem opnast veljum við “Statistics” og veljum “Single solution” og 4, af því við viljum fá 4 klasa

Klasagreining – seinni keyrsla (2) • Haka líka við “Save” og gera það sama, ss skilgreina að við séum með 4 klasa • Þetta gerir það að verkum að það vistast breytur í gagnsafninu sem skiptir fólki í klasana fjóra!

Viðauki: Gamlar prófspurningar • Spurningar úr prófinu í fyrra og aðferðir til að svara þeim • Muna alltaf að: – Allar gagnlegar upplýsingar eru góðar – Svara þessu eins og þú værir að svara þessu fyrir yfirmanninn þinn / fyrirtækið þitt – Ekki eitt rétt svar eða ein rétt leið – Rökstyðja mál sitt – Sýna töflur, tölur, niðurstöður, myndir.

1. Hvernig viðskiptavinir versla hjá Pizza Polo? • Til að svara þessu væri gott að skoða lýsandi tölfræði (descriptives), en muna að skoða ekki lýsandi tölfræði fyrir flokkabreytur (eins og kyn) • Skoða tíðnigreiningu fyrir kyn (frequencies) • Breytur sem henta í descriptives: aldur, tekjur, ánægja, hlutfall af tekjum sem fara í skuldir (%), o. s. frv. Basically = ef meðaltal er viðeigandi, þá er descriptives viðeigandi

1. Hvernig viðskiptavinir versla hjá Pizza Polo? (2) • Breytur sem henta í tíðnigreiningu: kyn, menntun, starfstitill, o. fl. – Breytur sem skipta fólki í flokka – Breytur sem er viðeigandi að lýsa í prósentum (T. d. 64% viðskiptavina eru konur) • Hægt að flækja málin og leika sér meira, t. d. Gera t-próf skoða hvort það sé munur á ánægju eftir kyni, aldri, eða einhverju o. s. frv.

2. Er ánægja viðskiptavina mikil? • Skoða ánægju kvarðana, lýsandi tölfræði • Líka hægt að búa til nýja breytu sem er heildaránægja, gerð úr hinum breytunum (compute variable) • Svar við svona spurningu er matsatriði. Kvarðinn er 1 -5 þar sem 5 er gott. Segjum að meðaltal sé 3, 5 þá er það þitt að meta hvort það sé mikil ánægja. (3 = hlutleysi)

2. Er ánægja viðskiptavina mikil? • Gætir gefið niðurstöðuna svona: – Heildaránægja (breytan sem við bjuggum til) er meðaltal 3, 5, ég segi þetta er ekki gott – Hins vegar ef ólíkir ánægjukvarðar eru skoðaðir kemur í ljós að viðskiptavinir eru ánægðir með verð (4, 5). Þeir eru hins vegar ekki sérstaklega ánægðir með gæðin (3, 2) – Færa rök fyrir þínu máli, setja inn töflur og tölur. – Allar gagnlegar upplýsingar eru góðar upplýsingar, svör geta ekki verið of löng.

3. Er ánægjan misjöfn á milli hópa? (t. d. kvenna og karla) • Skoða mun á milli hópa, það kallar á t-próf • Analyze – Compare Means – Independent samples t test • Sé t-prófið marktækt þá er munur á milli hópa, ef ekki, þá er EKKI munur! • Setur hópana sem þú ætlar að skoða í grouping variables (kyn) og breytuna sem þú ætlar að skoða í Test variables (ánægja)

4. Hvað er það sem ákvarðar helst ánægju viðskiptavina? • Ef spurt er um að eitthvað “ákvarði” eða “spái fyrir um” eitthvað annað, þá er það alltaf AÐHVARFSGREINING (regression) • Hér myndum við gera multiple regression (setur ánægju inn í dependent (háða breytan) og setur allar breytur sem þér dettur í hug að geti haft áhrif inn í independents (óháða breytan) og síðan skoða niðurstöður)

4. Hvað er það sem ákvarðar helst ánægju viðskiptavina? (2) • Skoða marktektina, ef einhver breyta er marktæk í aðhvarfsgreiningunni þá getum við sagt að hún sé að ákvarða ánægju • Ef breyta er ekki marktæk þá er hún ekki að því, ef ENGAR breytur eru marktækar þá segjum við: “Gögnin sem við höfum bjóða ekki upp á að skoða hvað það er sem ákvarðar ánægju viðskiptavina. Aðhvarfsgreining var framkvæmd og engin breyta hafði marktæk tengsl við ánægju”

5. Skiptast viðskiptavinir Pizza Polo í markhópa? Hver eru einkenni þessa hópa? • KLASAGREINING • Gera klasagreiningu (tvisvar, muna það, skoða glærur um það) • Þegar fjöldi klasa hefur verið ákvarðaður og vistaður inn í gagnasafnið, er hægt að gera Split File og skoða lýsandi tölfræði eftir klösum, þá getum við sagt aðeins frá hvaða einkenni klasarnir hafa (t. d. Ungar konur sem búa í 101, eldri menn sem búa í 107 osfrv)

5. Skiptast viðskiptavinir Pizza Polo í markhópa? Hver eru einkenni þessa hópa? • Þá myndum við svara: • Já, viðskiptavinirnir virðast skiptast í 4 hópa. Einn hópurinn eru konur á aldrinum xxx—xx o. s. frv. Lýsa hópunum.