Определение переменных

Переменные в пакете Statistica for Windows изначально имеют звания VAR1, VAR2, VAR3 и т.д. Эти обозначения можно менять по своему усмотрению, щелкнув по названию переменно. Откроется окно, в котором вы сможете произвести перенастройку. Напоминаем: название переменной не может содержать более 8 символов, и лучше — английское написание. Дело в том, что и данный пакет, как и предыдущий, дает сбои, если исследователем используется в названиях случаев и переменных русский алфавит.

Гораздо лучше уже после обработки данных перед выводом на печать русифицировать название таблиц, графиков. Так как наши данные имеют числовой тип и представляют двузначные числа в поле Width (Общая ширина), надо ввести значение 2.

Будьте готовы к тому, что столбец может автоматически сузиться и не будет соразмерен названию переменной. Для этого полю переменной надо задать адекватную ширину. В поле Decimal (Количество десятичных знаков после запятой) для обеих переменных зададим 0. В поле Data (Дата) зададим формат вводимых значений.

В поле Long Name (Полное — длинное — имя) можно ввести Label (Метку) переменной, в этом варианте ее «длинное» название будет выводиться при подытоживании результатов. Введем те же самые метки, что и в предыдущем примере. Кстати, сюда же можно вводить и формулы.

В пакете Statistica можно оперировать метками отдельных значений переменной, задавать текстовые названия для числовых результатов измерений. Введем (для тренировки) новую переменную с именем SUM, присвоим ей метку «Груп-пирующая переменная», тип — числовой с длиной 1 и количеством знаков после запятой 0. Для этой цели в диалоговом окне нажмем кнопку Text Values (Текстовые значения) и введем текстовые названия, числовые значения и их метки.

По условиям разработчиков текстовые названия не должны выходить за пределы восьми символов, а длина меток числовых значений — 40 символов. Новая строка вводится клавишей Insert. Потренируемся, вводя несколько значений 1 и 2. В таблице показываются сами значения, а чтобы перейти к их текстовым названиям, нажмем на панели инструментов кнопку Text Value (Текстовые названия). Автоматически появляются не числовые значения, а их названия. Повторное нажатие кнопки возвращает нас к числовым значениям.

И вновь, как и в предыдущем примере, на этом определение используемых переменных нами закончено. Сохраним введенные данные в файле для дальнейшей работы с ним. Приемы редактирования данных в пакете аналогичны соответствующим для пакета SPSS.

Приемы описательной статистики

Это первый достаточно простой, однако самый ответственный этап статистического анализа эмпирических данных. И начинается работа, как вы понимаете, с проверки полученных данных на «нормальность» .

И это не догма: от данной процедуры зависят корректность и однозначность выводов практически всех и главным образом сложных, многомерных методов анализа данных (например, дискриминантного или факторного анализа, которые будут рассмотрены ниже).

Традиционно используются:

• дескриптивная статистика и визуализация,

• критерии согласия распределений. Дескриптивные методы дают обобщенное описание как

эмпирической выборки, так и генеральной совокупности: среднее арифметическое, минимум, максимум, мода, медиана, дисперсия, стандартное отклонение, асимметрия, эксцесс и др.

Визуальный метод (гистограмма, линейные графики эмпирического распределения) реализован во всех популярных статистических пакетах, он помогает сопоставить опытные данные с теоретической кривой нормального распределения.

Оценки показателей асимметрии и эксцесса сопряже­ны с одновременным получением их стандартных ошибок.

Асимметрия (Skewness), коэффициент скошенности эмпирического распределения частот, — отклонение впра­во или влево относительно максимальной ординаты:

Для симметричных распределений показатель асим­метрии равен нулю. Отрицательный показатель асиммет­рии означает, что кривая распределения от теоретической симметричной кривой распределения скошена влево, по­ложительный — вправо.

Стандартная ошибка асимметрии (Standard error of Skewness) — отклонение показателя асимметрии от нуля:

Показатель эксцесса (Kurtosis), или коэффициент ос­тровершинности выборочной совокупности, рассчитыва­ется так:

Стандартная ошибка эксцесса (Standard error of Kur­tosis):

Для нормального распределения показатели асиммет­рии и эксцесса равны нулю:

Для проверки на нормальность применяют оценки выборочных коэффициентов асимметрии и эксцесса:

• распределение считается симметричным в случае , асимметричным, если ;

• распределение близко к нормальному, если , и значительно отклоняется от него, если