Как пользоваться программой спсс

Пакет статистических программ SPSS является мощным и удобным инструментом статистического анализа, который можно использовать для решения как научных, так и прикладных задач. Пакет SPSS начал разрабатываться с 1960-х годов специалистами Чикагского университета и первоначально являлся компьютерной реализацией узко специализированных методов статистического анализа, используемых в социальных науках (психологии, социологии, культуральной антропологии и др.). Данная специализация до сих пор отражается в названии программного продукта — аббревиатура SPSS расшифровывается как Statistical Package for Social Science (Статистический пакет для социальных наук).

Анализ данных с применением компьютера включает выполнение ряда необходимых шагов:

1. Определение структуры данных.

2. Ввод данных в компьютер в соответствии с их структурой и требованиями программы.

3. Задание метода данных в соответствии с задачами исследователя.

4. Получение результата обработки данных.

Часть I. Знакомство с SPSS

5. Интерпретация результата обработки данных.

Шаги 1 и 5 не способна выполнить не одна компьютерная программа – их необходимо делать самому исследователю. Помощь компьютера (шаги 2 – 4) заключается в переходе от длинной последовательности расчетов к более компактной их последовательности. Исследователь вводит массив данных, который не недоступен осмыслению, но пригоден для компьютерной обработки (шаг 2). Затем исследователь дает программе команду на обработку данных в соответствии с задачей исследования и структурой данных (шаг 3). В итоге исследователь получает результат обработки (шаг 4) – тоже массив данных, но меньший, доступный осмыслению и содержательной интерпретации.

Современная версия программы SPSS является многоцелевым статистическим пакетом, включающим ряд различных способов анализа, что позволяет с успехом его использовать в любых отраслях науки. Кроме базового программного ядра, охватывающего наиболее распространенные и универсальные статистические операции, существует около 30 специализированных программных модулей, подключаемых к SPSS. Данные модули в основном содержат специализированные статистические инструменты для решения прикладных экономических задач. Для примера, можно указать на программу Answer Tree, которая позволяет составлять высокоточные маркетинговые прогнозы на основе эффективной сегментации потребителей. Данная программа позволяет производить статистические расчеты, такие как факторный, дисперсионный, кластерный анализ, частотный анализ, вычисляет коэффициент корреляции.

Пакет SPSS обладает всеми достоинствами прикладных статистических программ. Он позволяет вводить и редактировать данные, содержит в себе более 100 процедур статистического анализа, а также позволяет быстро создавать и редактировать полученные результаты в виде наглядных отчетов (в программе реализованы возможности для построения диаграмм около 50 типов). Кроме того, программа содержит мощную систему помощи и подсказок (в том числе по проведению статистического анализа), а также имеет удобный и интуитивно понятный интерфейс.

Начало работы с SPSS: описательные статистики

Вычисление средних значений с помощью программы SPSS

Для выполнения данной работы я воспользовалась алгоритмом действий, приведенным в главе 10 книги Андрея Дмитриевича Наследова «SPSS. Компьютерный анализ данных в психологии и социальных науках» (издательство «Питер»). Кроме того, на сайте издательства Питер находятся файлы данных, иллюстрировавшие данную книгу.

Я использовала файл данных ex01a.sav, в котором приведены выборки группы студентов по полу, по направлению ВУЗа (технический, экономический, гуманитарный или естественные науки), хобби (искусство, спорт или компьютер) и отметку по дисциплине «Безопасность жизнедеятельности».

Поскольку я воспользовалась готовым набором данных, 2 шаг я пропустила, загрузила файл в программу, убрала некоторые данные и переименовав один из показателей.

Задача: сравнить средние значения успеваемости по дисциплине «Безопасность жизнедеятельности» юношей и девушек, студентов различных ВУЗов, увлекающихся разными хобби — сравнение подгрупп объектов по средним значениям количественных признаков.

Вычислила средние значения, взяв за зависимую переменную отметку, за независимые – пол, направление ВУЗа и хобби:

В меню Анализ выбрала команду Сравнение средних. На экране появится диалоговое окно Средние. В диалоговом окне Средние задала переменные, которые будут участвовать в процедуре. Список Зависимые переменные: отметкаБЖД.

Список Независимые переменные служит для задания неколичествениых (номинативных) переменных, градации которых определяют сравниваемые подгруппы объектов: пол, вуз, хобби. На основе этих переменных строится таблица сопряженности.

Результаты программа генерирует в виде таблиц, в которых приводятся средние значения, частоты (N) и стандартные отклонения зависимой переменной отметкаБЖД для каждой из подгрупп.

1. Калинин С. И. Компьютерная обработка данных для психологов / Под науч. ред. А. Л. Тулупьева. -СПб.: Речь, 2002;

2. Наследов А.Д. SPSS: Компьютерный анализ данных в психологии и социальных науках. -СПб.: Питер, 2005;

Источник: megalektsii.ru

Обработка и анализ анкетирования студентов с помощью IBM SPSS

В статье рассматривается обработка и анализ проведенного анкетирования студентов с помощью IBM SPSS. Приведена методика обработки данных анкетирования. При обработке данных использовалось несколько инструментов анализа. Представлены результаты анализа данных в зависимости от разных факторов. Результаты анализа позволяют судить о выявленных мотивациях поступления на направление Землеустройство и кадастры, определены предпочтения при выборе будущего места работы.

Ключевые слова

АНКЕТИРОВАНИЕ, IBM SPSS, СТАТИСТИКА, АНАЛИЗ ДАННЫХ

Текст научной работы

С помощью IBM SPSS Statistics версии 20 проанализированы данные анкетирования студентов 1, 3 и 4 курсов направления 21.03.02 Землеустройство и кадастры САФУ, проведенного в 2018 году.

Программный комплекс IBM SPSS предназначен для статистического анализа данных и используется в социологии, экономике, науке и других сферах.

Целью анкетирования студентов ставилось:

• оценить мотивацию поступления на направление Землеустройство и кадастры, влияние профориентационных мероприятий на выбор направления обучения;
• узнать, какие из направлений будущей деятельности наиболее привлекательны для студентов, изменяются ли эти предпочтения со временем обучения;
• узнать предполагаемые места будущей работы и др.

Работа по анкетированию включает: разработку анкеты, анкетирование, обработку и анализ информации.

Обрабатываемая анкета содержит 13 вопросов:

1. Курс обучения: 1, 2, 3, 4 курс.
2. Место постоянного проживания до поступления в САФУ: 1 — Архангельск; 2 — Архангельская область и НАО; 3 — другой регион.
3. На выбор направления «Землеустройство и кадастры» при поступлении повлияло: 1 — советы родителей, родственников; 2 — советы друзей; 3 — информация из СМИ; 4 — дни открытых дверей в САФУ, профориентационные мероприятия, буклеты и рекламная информация САФУ.
4. Кто-то из Ваших родителей или родственников работает по направлению Землеустройство и кадастры или связаны с ним: 1 — да; 2 — нет.
5. Кто-то из Ваших друзей или знакомых работает по направлению Землеустройство и кадастры или связаны с ним: 1 — да; 2 — нет.
6. Вы больше склонны к изучению предметов: 1 — технических; 2 — гуманитарных.
7. Участвовали ли во время обучения в дополнительных программах и секциях университета и в каких: 1 — спортивные секции; 2 — художественно-культурологическое направление; 3 — историко-краеведческое направление; 4 — научно-исследовательская работа; 5 — волонтерская работа; 6 — не участвовал(а).
8. Какое из направлений работы в кадастровой деятельности вас больше привлекает: 1 — работа кадастрового инженера, геодезические съемки, обработка данных измерений; 2 — информационные технологии, в том числе геоинформационные системы; 3 — оценка земли и недвижимости, риэлтерская деятельность; 4 — административная работа в муниципальных учреждениях и других организациях.
9. Собираетесь ли Вы сдавать экзамен на кадастрового инженера: 1 — да; 2 — нет.
10. Собираетесь ли продолжить учебу в магистратуре: 1 — да, в магистратуре САФУ; 2 — да, в магистратуре другого вуза; 3 — нет.
11. Вы уже определились с будущим местом работы: 1 — да; 2 — нет.
12. Вы планируете работать в: 1 — Архангельске; 2 — Северодвинске; 3 — Архангельской области; 4 — Москве; 5 — Санкт-Петербурге; 6 — другом регионе.

Всего было обработано 45 анкет.

В анкете использовались закрытые вопросы. Во всех вопросах было выполнено кодирование ответов опрашиваемых числами.

Работу с IBM SPSS начинаем с представления переменных и ввода данных.

Перед вводом данных выполнялся визуальный контроль правильности и полноты заполнения анкет. Такой контроль позволяет выявить не полностью заполненные анкеты и ошибки в их заполнении.

Задаем представление переменных. Используем метки значений, которые позволяют описать возможные значения переменной. Так, например, в случае переменной «Пол» можно задать метку «мужской» для значения «1» и метку «женский» для значения «2».

Для их описания выбрана номинальная шкала.

Представление переменных показано на рисунке 1.

Вводим данные анкетирования (рисунок 2).

Далее переходим к анализу данных. Для предварительного анализа данных используем данные о месте проживания студентов до поступления в университет и их распределение по полу. Для этого выполняем команду: Анализ > Отчеты > Информация о данных.

На рисунке 3 показано распределение студентов по месту проживания до поступления в университет.

Для визуализации данных по месту проживанию студентов до поступления в университет использовалась круговая диаграмма (рисунок 4). Для построения диаграммы выполняем команду: Графика > Мастер диаграмм.

На основе построенной диаграммы можно сделать вывод, что большинство студентов до поступления в университет проживало в Архангельске (46,7 %) и Архангельской области (44,4 %).

На рисунке 5 показано распределение студентов по полу.

Среди студентов преобладают девушки — 73,3 %.

С помощью команды Данные > Задать свойства переменных можно выбирать для обработки не все, а только часть данных, удовлетворяющих заданным условиям. Задав, например, выборку данных по влиянию родителей на поступление на это направление, мы получаем, что для 32 студентов из 45 (71,1 %) на выбор направления повлияли родители и родственники.

Для анализа данных можно использовать таблицы сопряженности или таблицы контингентности. Таблица сопряженности используется для представления совместного распределения двух переменных, предназначенное для исследования связи между ними.

Для построения таблицы сопряженности выполним команду Анализ > Описательные статистики > Таблицы сопряженности.

Построим таблицу сопряженности из переменных «Пол» и «Участие в дополнительных программах и секциях» (рисунок 6).

Значение Хи-квадрата приведено на рисунке 7.

На основе таблицы сопряженности (рисунок 6) видно, что занимаются в спортивных секциях преимущественно ребята — 6 мужского пола (50 %) и 10 женского (30,3 %). В целом распределение студентов мужского и женского пола по выбору секций одинаково.

Построим таблицу сопряженности из переменных «Место проживания до поступления в университет» и «Планируемое место работы после окончания университета» (рисунок 8).

Нажмем на кнопку Точные в окне «Таблицы сопряженности». Откроется окно «Точные критерии», в котором установим точку на методе Монте-Карло.

Нажав на кнопку Статистики установим флажок на Хи-квадрат.

После этого нажимаем ОК и получаем таблицу сопряженности (рисунок 9).

Значение Хи-квадрат по Пирсону (Pearson Chi-Square) — 17,514; отношение правдоподобия (Likelihood Ratio) — 13,167; зависимость линейный-линейный (Linear-by-Linear Association) — 2,523; df (число степеней свободы) — 10, асимптотическая значимость (Asymptotic Significance) — 0,064 (рисунок 10).

На основе таблицы сопряженности (рисунок 9) видно, что 14 студентов (66,6 %), проживавших до поступления в Архангельске, планируют остаться на работу в этом же городе. Из студентов, приехавших учиться из Архангельской области — 50 % планируют работать в Архангельске и только 10 % планируют вернуться на работу в область.

Из таблицы 5 видно, что место проживания определяет дальнейшее место работы на уровне статистической тенденции.

Результаты исследования зависимости пола и выбранных направлений будущей работы приведены на рисунке 11.

Значение Хи-квадрат для переменных «Пол» и «Направления будущей работы» представлено на рисунке 12.

Из приведенных рисунков 11 и 12 видно, что студенты обоих полов одинаково подходят к выбору будущей работы. Девушки более часто выбирают направление Информационные технологии.

Полученные выводы позволяют судить о мотивации поступления на направление Землеустройство и кадастры, участии студентов в дополнительных программах и секциях, будущем направлении рабочей деятельности, оценить влияние профориентационной работы на выбор направления обучения.

Использование специального программного обеспечения, такого как IBM SPSS Statistics, позволяет быстро обработать информацию анкетирования и на основе полученных результатов выполнить анализ данных.

Проблемы учащихся в использовании транспортных средств и пути их решения

1. Солижонова С.Д.

Corruption is the bane of national development

1. Шарипова О.О.

Методические основы контроллинга на промышленном предприятии

1. Касюк А.В.
2. Касюк Е.А.

The use of e-version and printed sources for students

1. Хабибуллаева Ф.Н.

Анализ рынка недвижимости города Архангельска с помощью геоинформационной системы MapInfo Professional

1. Колобова К.А.
2. Яковлев В.Н.

Цитировать

Яковлева, Н.А. Обработка и анализ анкетирования студентов с помощью IBM SPSS / Н.А. Яковлева, В.Н. Яковлев. — Текст : электронный // NovaInfo, 2021. — № 124. — С. 90-94. — URL: https://novainfo.ru/article/18493 (дата обращения: 01.07.2023).

Поделиться

Настоящий ресурс содержит материалы 16+

Источник: novainfo.ru

Анализ психологических данных с помощью программы SPSS

Для пользователя ценность компьютера определяется преимущественно качеством и многообразием существующих программ.

Программа SPSS очень мощным и широко распространенным средством компьютерного анализа данных в психологии и социальных науках. SPSS – это аббревиатура от Statistical Package for the Social Science (статистический пакет для социальных наук). Как следует из названия, SPSS представляет собой множество различных программ, предназначенных для анализа данных в социальных науках(http://ru.wikipedia.org/wiki/SPSS).

Эти программы позволяют организовывать ввод данных, гибко менять их структуру, применять к ним самые современные методы обработки или их последовательность и получать результаты в удобной и наглядной форме. Все это множество программ объединено в единую систему, обеспечивающую простой и дружественный диалог с исследователем и снабженную исчерпывающей справочной поддержкой. Официальный русскоязычный сайт программы -http://www.predictivesolutions.ru/. Окно программы показано на рисунке 3.1.

Рисунок 3.1 – Окно программы SPSS

Программное обеспечение IBM SPSS — всеобъемлющий комплекс инструментов для прогностической аналитики и анализа данных.

Внедрение аналитики в действующие бизнес-процессы компании позволит лучше узнать своих клиентов, улучшить результаты деятельности компании, усилить конкурентные позиции на рынке, увеличить выручку компании.

Программное обеспечение IBM SPSS поможет:

— собрать всю необходимую информацию о вкусах и мнениях потребителей;

— прогнозировать реакцию клиентов на специальные предложения до того, как они осуществятся;

— влиять на результаты деятельности компании за счет внедрения прогностической аналитики в бизнес-процессы.

Анализ данных с применением компьютера включает выполнение ряда необходимых шагов:

1. Определение структуры данных.

2. Ввод данных в компьютер в соответствии с их структурой и требованиями программы.

3. Задание метода данных в соответствии с задачами исследователя.

4. Получение результата обработки данных.

5. Интерпретация результата обработки данных.

Шаги 1 и 5 не способна выполнить не одна компьютерная программа – их необходимо делать самому исследователю. Помощь компьютера (шаги 2 – 4) заключается в переходе от длинной последовательности расчетов к более компактной их последовательности. Исследователь вводит массив данных, который не недоступен осмыслению, но пригоден для компьютерной обработки (шаг 2). Затем исследователь дает программе команду на обработку данных в соответствии с задачей исследования и структурой данных (шаг 3). В итоге исследователь получает результат обработки (шаг 4) – тоже массив данных, но меньший, доступный осмыслению и содержательной интерпретации.

Основные виды статистического анализа компьютерной обработки данных в программе SPSS:

1. Частотный анализ. Любое научное психологическое исследование начинается с частотного анализа. Частотный анализ является самым примитивным видом статистической обработки данных. Данный вид анализа можно производить вручную, но это займет на порядок больше времени и сил, чем подсчет частот при помощи компьютера.

Частота – это количество объектов в выборке, имеющих данное значение признака. Так, например, в приложении 1 представлен пример частотного анализа по шкалам «пол», «возраст» и «семейное положение». Как видно из таблицы (столбец Frequency), выборку составило 6 респондентов женского пола и 3 респондента мужского пола. Из них 2 респондентам 29 лет, 3-м 30 лет, 2-м 34 года, 35 лет одному респонденту и 36 лет также одному респонденту. 5 из опрошенных человек состоят в браке, 4 человека разведены.

Также частотный анализ позволяет увидеть процентное соотношение данных групп респондентов (столбик Percent).

2. Статистические критерии. Множество задач психологического исследования предполагает те или иные сопоставления. Мы сопоставляем группы испытуемых по ка­кому-либо признаку, чтобы выявить различия между ними по этому признаку.

Мы сопоставляем то, что было «до» с тем, что стало «после» наших экспериментальных или любых иных воздействий, чтобы определить эффективность этих воздействий. Мы сопоставляем эмпирическое распределение значений признака с каким-либо теоретическим законом распределения или два эмпирических распределения между собой, с тем, чтобы доказать неслучайность выбора альтернатив или различия в форме распределений.