Andmeanalüüsi konspekt (1)

Andemanalüüsi konspekt:
Mõisteid küsitakse eksamis: näidete toomise , selgitamise, võrdlemise ja analüüsimise tasandil. 
Binaarne tunnus-

• sugu;
  
• jah/ei
  

Järjestustunnus-

• kooli tüüp, 1-väga hea, 2- hea jne(NB!- Õpilaste hinnang koolile ),
  
• kui suured on klaassid- väga suured, suured jne,
  
• milline kooli maine- väga hea, hea jne,
  
• millisesse vahemikku jääb arv (0-200, 201-301 jne)
  

oluline oleks, et Display frequence ees oleks linnuke , siis saab teha sagedustabeli
Intervalltunnus-

• 1-väga hea, 2-hea jne (NB!_- Kooli hoolekogu hinnang eelmise õppeaasta tulemustele?/ Kooli hoolekogu hinnang eelmise aasta juhtimisele?),
  
• hulk (n: minu klassi avatakse),
  
• vanus (keskmine vanus),
  
• kui kaugel asub kool millestki - km-tes,
  

Nimitunnus-

• millegi nimi, huviringude nimed, kooli nimi jne,
  
• kas koolis töötab nõustaja - ei tööta, töötab, mõlemad jne,
  

Kiire ülevaade, palju on vastanud väärtusi: Analyse→ Missing Values Analysis paremklõps tunnusele: display Variable Names /Display variable Labels→tõstan vajamineva (N. Brutopalk) paremale väljale→ok!
Mean - keskmine
Sugu- mõistlik viia kategoriaalsele väljale- alumine siis (vahet väga palju pole)
Vanus: mingi osa ei vastanud- asendan missing →x (katusel kriips)
Asendatakse puuduvad vastused keskmisega: Transform→ replase missing values- (series mean-võetakse kõik andmed)
Vahemike loomine: transform→recode into different variables/ visual binning?
....: analyse→descriptive statistic→frequncies
Märgistan kõik: ctrl+ A
Valid percent - kes reaalselt ka vastasid
Percent-alati kasulikum (kui valid percenti) seda kasutada
Haridustasemed peab kõik välja tooma
Töötab-1, õpib-2 jne nummerdamine- kõikidel gruppidele omad väärtused!
10 varianti- tahan muuta 5ks: transform- recode into dif. Valiables. valim →teise välja→name→ change →old and new values (old: 1- copy old values)
Transform- compute variable target variable??

Programmi SPSS kasutamine

View – Value Labels: näidata koodide asemel nimetusi

Utilites – Variables: muutujate/tunnuste sisu ülevaade
Muutuja /tunnuse määrangute muutmine: topeltklõps selle nimel tabeli ülal. Nii saab näiteks muutujale uut nime anda või väärtuste nimetusi muuta.
Output- aknast saab tabeleid ja graafikuid Word’i tõsta need valides ja siis Copy ning Word’is Paste .

Sagedustabeli koostamine- vanuse puhul, kui väärtusi kiiga palju, siis ei kasutata sagedustabelit

Seal esitatakse tunnuse väärtused (valid), nende esinemissagedus (frequence) ning protsendid (percent).
Sagedustabeli järjestamiseks sagduste järgi: uus tabel: analyze/ferquences . tunnus perekonnaseis varialbel väljale ning klõpsame nupule format . Descending counts linnuke.
Kui tunnusel on aga palju erinevaid väärtuseid, näiteks sissetulekud on kõikidel vastajatel tõenäoliselt erinevad, siis sagedustabel andmete kokkuvõtmiseks ei sobi.
Andmestikus kultuur.sav on selliseks tunnuseks vanus. Koostades vanuse väärtustest sagedustabeli, on see liiga mahukas, et seda andmete esitamiseks kasutada.

Statistics – Summarize – Frequencies

Variable(s): millistest muutujatest sagedustabelit soovitakse
Statistics: võimalus tellida muutuja(te) kohta statistikuid (kvartiile-min/max, keskmist, standardhälvet jne) – ainult rangelt arvandmete korral!
Charts: võimalus tellida muutuja kohta graafikuid (histogrammi)
Format: peamiselt muutujate järjestus (ei taha koos histogrammiga töötada):

Ascending values: muutuja väärtuste kasvavas järjekorras
Descending values: sama kahanevas järjekorras
Ascending counts: muutujad esinemissageduste suurenevas järjekorras
Descending counts: sama kahanevas järjekorras
Tulemuseks saame Output- aknasse taolised tabelid :

Märkused:

Frequency : muutuja väärtuste sagedus

Percent: protsent

Valid Percent: protsent ilma puuduvate väärtusteta

Cumulative Percent: kumulatiivne protsent (liidetuna eelmiste väärtustega)

Graafikuid saab muuta topeltklõpsutades selle peal.

Risttabelite koostamine

Statistics – Summarize – Crosstabs

Row(s): reamuutuja(d)
Column (s): veerumuutuja(d)
Statistics: saab tellida erinevaid statistikuid (näiteks Chi- Square )
Cells: mida SPSS lahtritesse trükib:
Observed: lahtrisse kuuluvate objektide (küsitletute) arv
Expected : kui palju objekte kuuluks lahtrisse kui rea- ja veerumuutujate vahel puuduks igasugune seos
Percentages:
Row: reaprotsendid (mitu % sellesse ritta kuuluvatest objektidest on lahtris )
Column: veeruprotsendid (mitu % sellesse veergu kuuluvatest objektidest on lahtris)
Total : koguprotsendid (mitu % kõigist tabelisse kuuluvatest objektidest on lahtris)
Tulemuseks saame Output-aknasse taolised tabelid:

• Kui risttabel on liiga suur (palju tühje või väikeste väärtustega lahtreid) võib neid kokku tõmmata kas andmeid filtreerides või uusi muutujaid moodustades (vt allpool).
  
• Hii-ruut statistik ise ei näita seost veeru - ja reamuutuja vahel, selle suurus sõltub tabeli suurusest . Seosele viitab väike ( Pearsoni kordaja (tavaliselt)
   Kendall
  • Vähemalt järjestustunnused
  • Samasuunaliste ja vastassuunaliste paaride analüüs.
   Crameri V
  • Nimitunnuste seose tugevuse uurimiseks.
  • Kordaja ei näita seose suunda, ainult tugevust.
  Sagedustabeli koostamine
  järjestustunnus
  Esmalt üldine ülevaade vastajate vastustest jne
  Nimitunnus
  Intervalltunnus
  Binaarne tunnus
  Erinevate kategooriate/tunnuste võrdlemine
  Gruppida võrdlemise juhul kui keskväärtuste arvutada ei saa.
  Diskrimineeritud :
  Tunnuse väärtuste järjestamine
  Tekstitunnuse muutmine numbriliseks
  Arvutame vastava sissetuleku, liites kokku palga ja lisatasu
  Tunnse väärtuste jagamine gruppidesse
  Väärtuste selekteerimine
  Andmestiku jagamine osadeks
  Ankeet , küsimus, mille vastus on nr
  Küsimus, mille vastus on komakohaga nr
  Ühe vastusevariandiga küsimus
  Mitme vastusevariandiga küsimus
  Avatud vastusega (teksti) küsimus, mille vastused eeldatavalt erinevad üksteisest väga palju N: email
  Põhimõisted:
  Andmeteisendused, andmete ümberkodeerimine, harjutused
  Tunnusetüübid, andmete esitamine, andmete esitamine tekstina
  Andmete esitamine tabelitena, sagedustabel,
  Harjutused, andmete jagamine osadeks,
  Sagedustabel, risttabel,
  Koonstabel, harjutused, üldine ülevaade vastajatest
  Andmete graafiline esitamine, histogramm (peab olema numbriline, tunnusel peab olema piisavalt palju erinevaod väärtusi, Ei sobi: bvanus 19, 29 jne)
  Histogrammi kujundamine
  Histogrammi sisu
  Üldised võimalused graafikute redigeerimisel, graafiku suuruse muutmine, diagrammide kopeerimine
  Sektordiagramm - tunnus peab olema kvalitatiivne või järjestus või numbriline, millel on vähe erinevaid väärtusi (ei sobi: sissetulek, keskmine hinne, kui on palju erinevaid vastuse varaiante)
  tulpdiagramm
  Võrdlevad tulpdiagrammid
  Andmete esitamine kirjeldavate arvnäitajate abil
  korrelatsioonianalüüs
  Enam kui kahe runnuse vahelise seose uurimine , reliaablus
  Vastavalt sellele, mida me uurida tahame, kogume me andmeid kas inimeste, koolide, valgete hiirte ,
  kalendrikuude, kartulipõldude vms kohta. Kõiki selliseid indiviide või üksusi, kelle/mille käest või kohta on
  me andmeid kogume, nimetatakse statistilises andmeanalüüsis objektideks. Andmeid koguma asudes oleme
  valmis mõelnud mingid neid objekte iseloomustavad omadused, mis meid huvitavad, näiteks: värvus, vanus,
  hind, kaal, arvamus millegi suhtes, jne – selliseid omadusi nimetatakse muutujateks. Omadusi, mida saab
  mõõta nii (või mis on juba kokku võetud nii), et iga objekti jaoks saadakse ainult üks vastus ehk üks ühik
  infot nimetatakse tunnusteks. Objektid ja tunnused peavad olema valitud enne andmete kogumist ning
  andmete kogumise käigus püüame saada tulemuse või vastuse iga objekti kohta kõigi meid huvitavate
  tunnuste lõikes - statistika terminoloogiast lähtudes on need väärtused. Nii võivad tunnuse „ haridus “
  võimalikud väärtused olla näiteks „algharidus“, „ põhiharidus “, „ keskharidus “ ja „ kõrgharidus “, aga tunnuse
  „vanus“ väärtused näiteks arvud „12“, „27“, „6“, jne. (Arvuti kasutamine uurimistöös ( http://aku.opetaja.ee/ ))
  Andmete analüüsi kontekstis on oluline teha vahet nelja erineva tunnuse tüübi vahel:
  ! Nimitunnused – tunnused, mille väärtused moodustavad kategooriad, kuid neid kategooriaid ei saa
  omavahel järjestada. Nt. rahvus (eestlane, venelane , soomlane , muu); eriala ( psühholoogia , informaatika ,
  matemaatika , geoökoloogia, sotsioloogia).
  ! Binaarsed tunnused – tunnused, millel on vaid kaks väärtust. Nt. sugu (mees, naine); nõustumine (olen
  nõus, ei ole nõus).
  ! Järjestustunnused – tunnused, mille väärtused moodustavad kategooriad ning neid saab omavahel
  järjestada. Samas ei ole nende väärtuste vahemikud võrdsed. Nt. hinnang (väga hea, hea, rahuldav)
  ! Intervalltunnused (sh arvtunnused ) – väärtused on järjestatavad ning nende väärtuste vahemikud on
  võrdsed. Nt. sissetulek (123€, 125€, 130€, 1500€jne.);
  SPSS programmis saab sisestatud andmeid jagada kolme tüübi/skaala vahel: nimitunnus ( Nominal ),
  järjestustunnus (Ordinal) ning intervalltunnus (Interval). Binaarsed tunnused kuuluvad nimitunnuste alla.
  Sektordiagramm- sobib niisuguste andmete esitamiseks, mille väärtused moodustavad kokku terviku e 100%
  Ebaõnnestunud sektordiagrammid, sektordiagrammi koostamine, järjestustunnus, nimitunnus,
  Binaarne tunnus, intervalltunnus, millel ei ole palju erinevaid arvväärtuseid
  Sektordiagrammi kujundamine, andmesiltide lisamine
  Ühe sektori eemaldamine/välja tõstmine, sektorite kokkuliitmine
  Sektorite järjestamine
  1. Sissejuhatus
  On olemas kolme tüüpi valesid: valed, alatud valed ja statistika.
  -Disraeli
  Tõepoolest , kasutades statistilisi meetodeid aru saamata nende sisust või siis, halvemal juhul,
  arvestades kuulajate /lugejate asjatundmatust, on statistika abil valet vanduda küllalt lihtne. Kuid
  kas selles on õige süüdistada statistikat?
  Paljud statistika õpikud algavad lubadusega, et lugejad ei pea matemaatikast rohkem teadma,
  kui oskama lihtsalt liita, lahutada, korrutada ja jagada ning asendada toodud valemites tähed
  õigete numbritega. Sellegipoolest on õpilased, kes pole kõrgema matemaatikaga kokku
  puutunud, päris kohkunud nähes, et suurem hulk lehtedest on täidetud valemite, võrrandite ja
  arvutustega. Pahatihti osutuvad arvutuslikud üksikasjad niivõrd aega ja tähelepanu nõudvateks,
  et õpilased unustavad sootuks üldised ideed, mida need arvutused illustreerima peaks. Lugejatel
  on raske näha arvutuslike puude taga statistilist metsa.
  Seepärast ei pöörata kogu järgnevas käsitluses tähelepanu mitte valemitele ühe või teise
  statistiku arvutamiseks vaid püütakse selgitada statistiliste ideede (kontseptsioonide) olemust
  sõnade, näidete ja jooniste abil.
  Loengumaterjalide koostamisel on kasutatud D. Rowntree raamatut "Statistics without tears".
  Mis on statistika?
  2.1 Statistiline mõtteviis.
  Statistiline mõtteviis on meile kõigile igapäevasest elust tuttav ja omane.
  Võtame ühe lihtsa näite: ma ütlen teile, et ma lähen täna teatrisse kahe kolleegiga, kusjuures
  üks neist on 190 cm pikk ja teine 165 cm pikk.
  Millise järelduse te võite kummagi kolleegi soo kohta kõige kindlamini teha, kui teil rohkem
  mingit informatsiooni ei ole?
  Ma arvan, et te võisite päris veendunult väita, et üks mu kolleegidest , 190 cm pikkune , on
  mees ja teine, 165 cm pikkune, on naine. Loomulikult võisite te eksida, kuid teil on igapäevasest
  elust kogemus, et 190 cm pikkuseid naisi on küllalt vähe. Muidugi ei ole te näinud kõiki mehi
  või kõiki naisi ning te olete märganud, et paljud naised on paljudest meestest pikemad ; kuid
  ometi võite te nähtud meeste ja naiste põhjal küllalt julgelt teha üldistuse ja väita, et üldiselt on
  mehed pikemad kui naised. Niisiis , enama informatsiooni puudumisel, tundub teile väga
  tõenäoline, et pikk täiskasvanu on mees ja lühike on naine.
  Selliseid lihtsaid näiteid statistilise mõtteviisi kasutamisest võib tuua veel mitmeid. Iga kord,
  kui te kasutate fraase nagu: “Ma käin kinos keskmiselt kaks korda kuus” või “Sügisel on oodata
  palju vihma” või “Mida varem sa kordama hakkad, seda paremini sul eksamil läheb”, teete te
  statistilise avalduse, kuigi te ei ole sooritanud ühtegi arvutust . Esimeses näites on tehtud
  kokkuvõte varasematest kogemustest. Teises ja kolmandas näites on aga varasemaid kogemusi
  üldistatud ning tehtud ennustus üksiku aasta või siis õpilase kohta.
  Tihtipeale on meil aga vaja kirjeldada mingeid nähtusi või nähtuste vahelisi seoseid palju
  täpsemini, kui me seda teeme igapäevases vestluses.
  Oma tähelepanekute põhjal kujunenud oletuste (statistilises sõnastuses HÜPOTEESIDE)
  kinnitamiseks peame me läbi viima uurimuse, mis sisaldab ANDMETE kogumist antud nähtuse
  kohta, kogutud andmete töötlemist ning põhjendatud järelduste tegemist.
  Statistilise maailmavaate keskseks mõisteks on TÕENÄOSUS, s.t. statistika ei anna meile
  kunagi 100% kindlust, eriti kui tegeldakse üksiku inimese või sündmusega, vaid lubab määrata,
  kui suur on võimalus selle sündmuse toimumiseks.
  Statistiline mõtteviis on mõistmine, et meie vaatlused (mõõtmised) ei saa kunagi olla täiesti
  täpsed ning, et meie oletus ( hüpotees ) võib kehtida näiteks 95-l (või 99-l) juhul 100-st, kuid mitte
  kunagi 100-l juhul 100-st.
  Näiteks laps, kelle pikkuseks me oleme mõõtnud 162 cm, ei ole täpselt nii pikk - tema pikkus
  võib olla kuskil 161,75 cm ja 162,25 cm vahel, kuid mitte täpselt 162 cm. Ning kui me kasutame
  olemasolevaid vaatlusandmeid järelduste tegemiseks teiste (mitte mõõdetud) objektide kohta, siis
  on meil võimalus eksida veel palju suurem. Näiteks juhul, kui me tahame ennustada ühes klassis
  käivate laste mõõtmisel saadud keskmise pikkuse põhjal teises klassis käivate laste keskmist
  pikkust.
  Seepärast ei saa me olla täiesti täpsed, kuid statistika võimaldab meil määrata oma vigade
  ulatuse .
  Seega me võime peaaegu täpselt väita, et lapse pikkus on vahemikus 162 ± 0,25 cm; ning me
  võime arvutada, et 99-l juhul 100-st on laste keskmine pikkus teises klassis näiteks vahemikus
  162 ± 3 cm.
  Kirjeldav ja järeldav statistika. Üldkogum ja valim.
  Enamuses statistika käsitlustes tõmmatakse selge piir kahe statistika valdkonna vahele:
  1. KIRJELDAV STATISTIKA, mis pakub meetodeid ( vaatlus )andmetest kokkuvõtete
  tegemiseks ja nende kirjeldamiseks ning
  2. JÄRELDAV STATISTIKA, mis kasutab kogutud ( vaatlus )andmeid baasina hinnangute
  ja prognooside tegemiseks (veel) mitte vaadeldud situatsioonide kohta.
  Vaatame veelkord neid lauseid igapäevasest elust, mida ma eelpool mainisin . Milliseid
  nendest on “ kirjeldavad ” ja millised “järeldavad”, kui silmas pidada ülal mainitud tähendust?
  “Ma käin kinos keskmiselt kaks korda kuus”
  “Sügisel on oodata palju vihma”
  “Mida varem sa kordama hakkad, seda paremini sul eksamil läheb”
  * * *
  Esimene lause on kirjeldav, teine ja kolmas aga ei piirdu vaid kogetu kokkuvõtmisega, vaid
  nendes tehakse järeldus selle kohta, mis tulevikus tõenäoliselt juhtub.
  Selline kahe statistika valdkonna eristamine on tihedalt seotud kahe väga tähtsa mõistega
  (statistikas): VALIM ja ÜLDKOGUM.
  Üldkogumi (ehk populatsiooni) all mõeldakse kõiki juhtumeid või situatsioone, mille kohta
  meie poolt püstitatud järeldused, oletused või prognoosid kehtivad.
  Näiteks võivad erinevad teadlased teha järeldusi (kõigi) valgete hiirte õppimisvõime kohta;
  ära arvata erinevatel eksamitel läbipääsevate õpilaste (üld)arvu; ennustada viljasaaki (kõigil) uue
  väetisega väetatavatel põldudel; uurida (kõigi) Tallinna koolilaste õpimotivatsiooni jne.
  Nagu te näete, ei mõelda üldkogumi all mitte ainult inimesi, vaid üldkogumi võib moodustada
  mistahes meid huvitavate sarnaste objektide hulk.
  On aga selge, et tegelikus elus ei ole võimalik vaadelda (mõõta, loendada, küsitleda jne.) kõiki
  meid huvitavaid objekte. Seepärast peab uurija välja valima suhteliselt väikese osa üldkogumist,
  et selle põhjal teha järeldus kogu üldkogumi kohta. Sellist uurimiseks valitud väikest objektide
  gruppi nimetataksegi VALIMIKS.
  Näiteks psühholoog , kes uurib valgete hiirte õppimisvõimet, loodab, et saavutatud tulemused
  ning seega ka järeldused kehtivad kõigi valgete hiirte puhul - mitte ainult praegu olemasolevate,
  vaid ka veel sündimata hiirte puhul ning ta võib isegi loota, et tema tulemusi võib sedavõrd
  üldistada , et need selgitaks inimese õppimist.
  Seega paljud teadlased ületavad kättesaadava informatsiooni piiri: nad üldistavad tulemusi
  valimilt üldkogumile, nähtult ja kogetult mittenähtule ja mittekogetule.
  Tulles tagasi kirjeldava ja järeldava statistika mõistete juurde, võime öelda, et kirjeldav
  statistika tegeleb valimi (vaatlemisel saadud andmete) resümeerimise ja kirjeldamisega, järeldava
  statistika ülesanne on aga üldistuste tegemine laiema objektide hulga - üldkogumi - kohta.
  Kui täpsed on aga sellised üldistused osalt tervikule? See ongi küsimus, millega statistika laias laastus tegeleb: ta määrab meie eksimise tõenäosuse.
  Statistilised tunnused. Tunnuste tüübid.
  Vastavalt sellele, mida me uurida tahame, koosneb meie valim kas üksikutest inimestest,
  valgetest hiirtest, kalendrikuudest, mingitest toodetest, kartulipõldudest või millest tahes. Kõiki
  valimisse kuuluvaid indiviide nimetatakse statistikas OBJEKTIDEKS. Kõigil ühte valimisse
  kuuluvatel objektidel on mingid iseloomulikud TUNNUSED, mis meid huvitavad, näiteks: värv,
  sugu, hind, kaal jne. Iga üksik valimi liige erineb teistest mõne tunnuse VÄÄRTUSE poolest:
  mõned objektidest on ühte värvi, mõned teist; mõned on naised, teised mehed; mõned on
  kallimad, teised odavamad jne. Statistilised tunnused on vahendiks, mis lubab meil üksikuid
  objekte üksteisest eristada.
  Oletame näiteks, et te tahate osta kasutatud jalgratast. Millised on need tunnused, mille põhjal
  te oma valiku teeksite ehk, milliseid andmeid te tahaksite erinevate rataste kohta teada, et neist
  endale sobiv välja valida?
  * * *
  Toon mõned tunnused, mis oleks minu jaoks olulised. Teie nimekiri võib olla pikem või
  lühem, sisaldada osasid toodud tunnustest või kõiki jne:
  Jalgratta tüüp (N. naiste-, meeste-, laste-, sportratas jne.)
  Valmistaja riik
  Värvus
  Seisukord (N. hea, rahuldav, halb)
  Vanus
  Hind
  Käikude arv
  Iga üksik jalgratas, pakutavate hulgast, erineb teistest mõne tunnuse väärtuse poolest. See,
  kuidas me aga erinevaid jalgrattaid nende tunnuste põjal hindame, sõltub tunnuse tüübist.
  Tunnusega "jalgratta tüüp" jagame me pakutavad jalgrattad kategooriatesse kasutades lihtsalt
  nende nime, N. naisterattad, lasterattad, meesterattad jne. Kõiki selliseid tunnuseid, mis liigitavad
  üksikud objektid mingitesse klassidesse (kategooriatesse), kasutades selleks sõnu, nimetataksegi
  KATEGORIAALSETEKS e KVALITATIIVSETEKS TUNNUSTEKS.
  Millised tunnused ülaltoodutest on sinu arvates veel kategoriaalsed?
  * * *
  Täpselt! 'Valmistaja riik' ja 'värvus' on kategoriaalsed tunnused. Esimese puhul nendest on
  kategooriateks erinevad riigid N. Venemaa, Soome, Saksa jne. ning teise puhul jagatakse rattad
  klassidesse nende värvi põhjal. Selliseid tunnuseid nimetatakse tihti ka NOMINAALSETEKS
  TUNNUSTEKS (ladina k. nominalis = nimi).
  Kuid samuti on tunnus "seisukord" kategoriaalne, sest ta jagab jalgrattad kolme gruppi: heas,
  rahuldavas ja halvas korras olevateks. Kas sa märkad erinevust kahe eelneva tunnuse ja selle
  tunnuse vahel?
  * * *
  Tõepoolest, tunnuse "seisukord" abil võime me öelda, et ühed jalgrattad on teistest paremad:
  seega, me võime jalgrattad selle tunnuse põhjal järjekorda seada. Kõiki selliseid tunnuseid, mille
  puhul me saame öelda, et üks valimi liige on teistest parem või suurem või kiirem - ühesõnaga,
  saame objekte järjestada, nimetatakse JÄRJESTUS- ehk ORDINAALSETEKS TUNNUSTEKS.
  Pane tähele, et järjestustunnuse väärtusteks võivad olla ka numbrid (näiteks võime me kümme
  pakutavat jalgratast panna seisukorra järgi täielikku järjekorda: 1-kõige parem, 2-järgmine,
  ...,10-kõige halvem ), kuid siin me kasutame numbreid tähenduses: esimene, teine, kolmas jne.
  Me ei saa öelda, et esimene jalgratas on täpselt kaks korda parem kui teine või kümnes täpselt
  kümme korda halvem kui esimene.
  Teise põhilise tunnuste tüübi moodustavad kõik need tunnused, mille väärtusteks on numbrid.
  Siin me saame öelda, kui palju erineb iga üksik objekt teisest; me saame seda erinevust täpselt
  mõõta (või loendada). Millised eelpool toodud tunnustest sa paigutaksid sellesse tüüpi?
  * * *
  Jalgrataste "vanus", "hind" ja "käikude arv" on kirjeldatavad konkreetsete numbriliste
  suurustega. Me saame öelda täpselt, mitu korda on üks jalgratas teisest kallim või kui palju on
  üks ratas teisest vanem ning ka käikude arv erinevatel ratastel on täpselt võrreldav. Kõiki
  tunnuseid, mille väärtusi me saame täpselt mõõta või loendada, nimetatakse
  KVANTITATIIVSETEKS TUNNUSTEKS.
  Kuid samuti, nagu kategoriaalsete tunnuste puhul on ka kvantitatiivseid tunnuseid kahte tüüpi:
  DISKREETSED ja PIDEVAD TUNNUSED. Diskreetne on tunnus, mille võimalikud väärtused
  on üksteisest selgelt eraldatud. Klassikaline näide sellisest tunnusest on laste arv peres: peres
  võib olla 1 laps või 2 last või 3 või 4 või jne.
  Pidevate tunnuste puhul on aga vastupidi: võttes millised tahes kaks võimalikku väärtust,
  võime me alati leida väärtusi nende vahel, mis on samuti võimalikud. Mäletate näidet laste
  pikkuse mõõtmisest? Laps võib olla praegu 149 cm pikk, kuid aasta möödudes on tema pikkus
  155 cm. Kuid vahepeal pole tema pikkus olnud mitte ainult 150 cm, 151 cm, jne. vaid ka näiteks
  151.5 cm, 153.3754 cm jne. Seega, laps ei kasva 1 sentimeeter või pool sentimeetrit korraga vaid
  tema pikkus suureneb pidevalt.
  Üldiselt peame me diskreetsete tunnuste väärtuste leidmiseks kasutama loendamist ning
  pidevate tunnuste puhul mõõtmist. Millised meie jalgrataste tunnustest on diskreetsed ja millised
  pidevad?
  * * *
  'Käikude arv' on tõesti diskreetne tunnus. Jalgrattal võib olla, kas 1, 3, 4, 5, 8 või 10 käiku ,
  kuid vahepealsed väärtused ei ole võimalikud. 'Vanus' on aga pidev tunnus: me võime vanust
  mõõta kuitahes täpselt (st. me saame alati leida vanuse, mis on näiteks 3 aasta 9 kuu ja 3 aasta 10
  kuu vahel jne.). Tavaliselt tekitab vaidlusi tunnuse 'hind' paigutamine ühte või teise tunnuse
  tüüpi. Kui me aga mõtleme eelmiste näidete peale, siis näeme, et 'hind' on diskreetne tunnus, sest
  ei saa leida reaalselt võimalikku hinda näiteks 90 ja 95 sendi vahel. (NB! isegi täisarvuline hind
  92 senti ei ole võimalik!) Ka eestikeelne väljend : raha lugema, näitab, et tegemist on diskreetse
  tunnusega. Me loeme raha, mitte ei mõõda.
  Järgnev joonis illustreerib seost erinevate tunnuse tüüpide vahel:
  Oluline on teada, et statistikas tuleb erinevatesse tunnuse tüüpidesse kuuluvaid andmeid
  käsitleda erinevalt. Kõige suurem vahe, mida tuleb andmete käsitlemisel silmas pidada, on vahe
  kategoriaalsete ja kvantitatiivsete tunnuste vahel.
  Selle punkti lõpetuseks tahaks veel mainida, et kõiki kvantitatiivseid tunnuseid on võimalik
  muuta kategoriaalseteks. Näiteks võime me jagada inimesed pikkuse põhjal klassidesse: väga
  pikad, pikad, keskmised, lühikesed ja väga lühikesed. Nii tehes kaotame me aga informatsiooni,
  ning algandmete puudumisel me vastupidist teisendust (kategoriaalsest tunnusest
  kvantitatiivseks) teha ei saa. Selline kategoriseerimine on aga vajalik, kui me tahame erinevaid
  gruppe omavahel võrrelda. Gruppide moodustamist kasutatakse vahel ka selleks, et lihtsustada
  andmete käsitlemist.
  Andmete kirjeldamine ehk kuidas saada kogutud andmetest
  paremat ülevaadet.
  3.1 Tabelid ja diagrammid .
  Jättes vahele andmete kogumise etapi, oletame nüüd, et teie käsutuses on hulk pabereid täis
  vaatlustel saadud tulemusi (ehk andmeid). Esimene asi, mis teil tuleb teha, on need andmed
  korrastada nii, et teie ise ning ka teised inimesed saaksid kogutud vaatlustulemustest selge
  ülevaate.
  Võtame jällegi ühe lihtsa näite: kõrgkool viis läbi uurimuse, kus viiekümne tudengi käest
  küsiti muuhulgas ka seda, millist transpordi liiki ta kooli jõudmiseks kasutab.
  Kõige klassikalisem viis selliste andmete korrastamiseks on koostada SAGEDUSTABEL:
  Kuid tavaliselt huvitavad meid valimi puhul mitte niivõrd ühe või teise kategooria sageduse
  absoluutarvud vaid proportsioonid. Seetõttu on mõistlik sagedustabel järjestada kategooriate
  suuruse järgi ning välja arvutada ka protsendid:
  Kooli jõudmiseks kasutatavad transpordivahendid
  Tänapäeval, kus andmete käsitlemisel kasutatakse üha laiemalt arvuteid, hakkavad eelpool
  mainitud tabelid aga tasapisi kasutusest kõrvale jääma , sest arvuti võimaldab ühe sammuga lisaks
  proportsioonide väljaarvutamisele koostada ka diagrammi , mis neid proportsioone illustreerib.
  Koostame TULPDIAGRAMMI, kus iga tulba kõrgus on proportsionaalne vastavasse
  kategooriasse kuuluvate õpilaste arvuga:
  Kategoriaalsete andmete proportsioonide illustreerimiseks kasutatakse ka
  SEKTORDIAGRAMMI. Siin on ring jagatud sektoriteks nii, et iga sektori suurus on
  proportsionaalne antud kategooria sagedusega.
  Tulpdiagramm on ülevaatlikum juhul, kui me tahame võrrelda erinevate kategooriate sagedusi
  omavahel, sektordiagramm aga juhul, kui me tahame näha iga üksiku kategooria osa tervikus.
  Statistika loengumaterjale
  Koostanud: Katrin Niglas TPÜ, informaatika õppetool
  10
  Oletame nüüd, et meid huvitab kas? ja kuidas? erinevad meeste ja naiste poolt eelistatavad
  kooli jõudmise meetodid. Selleks tuleks koostada nn. RISTTABEL, kus naiste ja meeste
  sagedused on toodud erinevates ridades:
  Sellised risttabeleid on võimalik koostada mistahes kahe tunnuse jaoks.
  Vaatame nüüd kuidas kokku võtta numbrilisi andmeid , st. andmeid, mis kuuluvad
  kvantitatiivsesse tunnuse tüüpi. Meil on olemas andmed 50 õpilase pulsisageduse kohta. Toome
  tulemused sellises järjekorras, nagu nad mõõtmisel saadi:
  Ma arvan, et te ei vaidle mulle vastu, kui ma ütlen, et sellisel kujul on nendest numbritest
  peaaegu võimatu midagi välja lugeda. Kas te saate ülevaate õpilaste pulsisagedusest? Kui kerge
  on leida kõige kõrgemat ja kõige madalamat pulsisagedust? Kas pulsisagedused on jagunenud
  ühtlaselt minimaalse ja maksimaalse väärtuse vahel või on mõned pulsisagedused tihedamini
  esinevad kui teised?
  Neile küsimustele oleks palju lihtsam vastata, kui meie pulsisagedused oleks järjestatud
  suuruse järgi. Teeme seda:
  50 tudengi pulsisagedused ( lööki minutis ):
  Sellist rida, kus me oleme kvantitatiivse tunnuse väärtused järjestanud nende suuruse järgi
  nimetatakse VARIATSIOONIREAKS e.JAOTUSEKS.
  Nüüd on meil lihtne leida minimaalne ja maksimaalne pulsisagedus : 62 ja 96 lööki minutis.
  Need väärtused võimaldavad meil lihtsalt leida jaotuse ULATUSE, milleks on maksimaalse ja
  minimaalse väärtuse vahe. Meil 96 miinus 62 annab ulatuseks 34 lööki minutis.
  Sellisest kasvavas järjekorras antud vaatlustulemuste reast on kerge leida ka jaotuse keskel
  paiknevat väärtust ehk MEDIAANI . Mediaan on selline väärtus, mis jagab vaatlustulemused
  kahte ossa nii, et pooled vaatlustulemused on mediaanist väiksemad ja pooled suuremad. Seega,
  kui meil on teada seitsme üliõpilase kohta nende keskmine raamatukogus töötamise aeg nädalas
  ( tundides ):
  0 2 3 4 6 6 10
  siis saame öelda, et mediaan on 4 (tundi nädalas).
  Kui meil on aga paaris arv vaatlustulemusi, siis ei saa me nende hulgast leida ühte, millest
  oleks võrdne arv väiksemaid ja suuremaid väärtusi. Seepärast leitakse sel juhul väärtus, mis asub
  täpselt kahe keskmise väärtuse vahel. Meie näites tudengite pulsisageduste kohta on 25-es
  väärtus 79 ning 26-es 80. Et leida täpselt nende vahel paiknevat väärtust, tuleb need väärtused
  kokku liita ning jagada kahega:
  Seega mediaaniks on 79.5 lööki minutis.
  Mediaan on üks statistikas kasutatavaid keskmist tendentsi väljendavaid suurusi. Kuid märksa
  sagedamini kasutatakse ARITMEETILIST KESKMIST, mida tavaliselt kutsutaksegi lihtsalt
  keskmiseks või siis keskväärtuseks. Aritmeetilise keskmise leidmiseks tuleb kõik
  vaatlustulemused kokku liita ning saadud summa jagada vaatlustulemuste arvuga. Leiame nüüd
  tudengite raamatukogus töötamise aja aritmeetilise keskmise:
  Et mitte tülitada teid 50 pulsisageduse kokkuliitmisega ning saadud summa 50-ga jagamisega,
  siis ütlen teile, et tudengite keskmine pulsisagedus (ehk pulsisageduste aritmeetiline keskmine)
  on 79.1 lööki minutis. Kui te nüüd võrdlete kahte erinevat keskmist tendentsi väljendavat
  suurust: mediaani ja aritmeetilist keskmist, siis te näete, et nad on natuke erinevad. Hiljem
  näeme, millisel juhul on kasulikum ühte või teist näitajat kasutada.
  Oleme nüüd vaadanud mitut erinevat võimalust oma andmete kirjeldamiseks, kuid kas meil on
  praegu ettekujutus jaotuse üldisest kujust st. kas me saame seniste sammude põhjal vastata ka
  viimasel küsimusele, mis puudutas pulsisageduste paiknemist minimaalse ja maksimaalse
  väärtuse vahel?
  * * *
  Tõepoolest, selget pilti pulsisageduste paiknemisest variatsioonireale pealevaadates ei saa. Kui
  me aga koostame “punkt-diagrammi”, st. märgime skaalal iga mõõdetud väärtuse punktiga, siis
  näeme, et palju sagedamini esinevad pulsisagedused, mis on lähedal (ulatuse) keskpunktile.
  Pulsisagedus 78 on mõõdetud kolmel tudengil (sagedus=3), kahel tudengil on pulsisagedus 90
  ning mitte kellelgi ei ole mõõdetud pulsisageduseks 69 lööki minutis.
  Milline väärtus esineb kõige sagedamini ehk millise väärtuse esinemise sagedus on kõige
  suurem?
  * * *
  Kõige rohkem (neljal korral) on pulsisageduseks mõõdetud 80 ja 81 lööki minutis. Sellist
  jaotuse väärtust, mis esineb kõige sagedamini nimetatakse MOODIKS. Antud näites toodud
  jaotusel on seega kaks moodi: 80 ja 81 (need pulsisagedused on kõige “moodsamad” ehk kõige
  sagedamini esinevad).
  Moodi kasutatakse kõige rohkem kategoriaalsete tunnuste iseloomustamiseks. Oletame
  näiteks, et 50-st küsitletust 27 olid abielus, 15 vallalised ning 8 lahutatud. Modaalne klass (ehk
  kategooria) on siin kahtlemata “abielus”. Pange tähele, et kategoriaalsete tunnuste puhul me
  aritmeetilist keskmist ega tavaliselt ka mediaani arvutada ei saa!
  Pöördume nüüd tagasi meie pulsisageduste näite juurde. Sageli (eriti suurte andmehulkade
  puhul) on aga kasulik vaatlusandmed grupeerida . Näiteks võime me küsida mitu
  mõõtmistulemust on vahemikus 60-st 64-ni, mitu 65-st 69-ni, mitu 70-st 74-ni jne. Kui me oma
  andmeid niimoodi grupeerime, saame järgmise tabeli:
  Sellest tabelist on jaotuse üldine kuju veelgi selgemalt näha - meie näites “kuhjuvad”
  vaatlusandmed jaotuse keskel. Kuid selline grupeerimine toob endaga paratamatult kaasa
  informatsiooni kao. Jaotuse üldise kuju selgitamisel tuuakse ohvriks üksikud väärtused.
  Ülaltoodud tabeli graafiliseks esituseks on HISTOGRAMM. See on tulpdiagramm, kus iga
  väärtuste vahemikku tähistab ristkülik , mille kõrguseks on vastava vahemiku sagedus (või
  osakaal protsentides).
  Histogramm, vahemiku osakaal protsentides, sagedustabel
  Keskimist tendentsi väljendavad arvkarakteristikud (keskmine /keskmised).
  Hajuvust väljendavad arvkarakteristikud
  Jaotuse kuju, asümmeetrilised jaotused,
  Normaaljaotuse idee
  Proportsioonid normaaljaotuskõvera all
  Valimilt üldkogumile ehk järleduste tegemine üldkogumi kohta valimi põhjal
  Valimi moodustamine
  Järeldamine statistikas
  Valimite keskväärtuste jaotus
  Üldkogumi keskväärtuste hindamine
  Teiste üldkogumi parameetrite hindamine
  Valimite võrdlemine, kaks valimit: kas samast või erinevatest üldkogumistest. T.-test
  Olulised testid,
  Ühe- ja kahepoolsed (olulisus) testid
  z-testid ja t-testid
  I ja II tüüpi viga
  Mitteparameetrilised meetodid, x2-test
  Nähtustevahelised seosed, korrelatsioon
  Korrelatsioonikordaja statistiline olulisus
  Tulpdiagrammide koostamine
  Üksikväärtuste analüüs
  Tulpdiagramm koostamine (tulba kõrgus vastavalt arvule või %) järjestustunnus, nimitunnus
  Binaarne tunnus, intervalltunnus, millel on palju erinevaid arvväärtusi
  Tulpdiagrammide kujundamine, tulpade kujundamine
  Teksti kujundamine, andmesiltide lisamine
  Abijoonte kuvamine , telgede vahetamine
  Tulpade järjestamine
  Kirjeldav statistika, üldistav statistika
  Millest sõltub andmeanalüüsimeetodi valik, andmete tüübid, üldistava statistika meetodite kontekst
  Vea hindamine,
  Normaaljaotuse PROPORTSIOONID
  Normaaljaotuse põhjal saame järeldada, väärtuste standardiseerimine
  Statistiline järeldamine, stattistiline üldistamine
  Vahemikhinnang , usaldusintervall, korrelatsioonianalüüs
  Korrelatsioonikordajad, pearsoni r,
  Spearmani roo
  Korrelatsioonikordajad, crameri V, , milline kordaja valida,
  Tulemuste esitamine, rakenduslik uurimus, empiiriline uuring, uurimistüüpide omavahelised seosed
  Andmekogumismeetodid, pilootuuring , küsimustik , üldine skeem, millest sõltub andmeanalüüsi valik,
  Tunnuse tüübid, eeltöö -andmestiku korrastamine, sugu, vanus, kool, õppevaldkond,
  Tegevusala ,
  Andmeanalüüsi vahendid, andmeanalüüsi küsimus, esmane analüüs
  Esmane ülevaade andmetest, sagedustabel, tabeli (ridade) järjestamine, järelduse koostamine
  Järeldustes ...., statistiliste andmete esitamine,
  Andmete esitamine- tekstina, tulpdiagramm, joondiagramm , tilpdiagramm ei võrdu histogramm, kirjeldavad arvnäitajad
  Aritmeetiline keskmine e keskväärtus , ualtus e haar , kvartiilid,
  Karpdiagramm, standardhälve ,
  Asümeetria, tulemuste esitamine, andmeanalüüsi küsimus,
  Erinevuste uurimine, keskväärtuse kaudu,
  Korrelatsioonanalüüs, korrelatsioonikordaja,
  1. Mõisted
  1.1. Keskmist taset kirjeldavad arvnäitajad.
  Mood – tunnuse enamlevinud väärtus (väärtus, mida esineb kõige sagedamini)
  Mediaan – variatsioonirea keskel paiknev väärtus, mis jagab vaatlustulemused kahte ossa, pooled on
  mediaanist suuremad ja pooled väiksemad.
  Aritmeetiline keskmine (keskväärtus) kirjeldab jaotuse keskmist taset. Moonutatud pilti keskmisest tasemest
  näitab siis kui jaotusel esinevad erandlikud väärtused. Sel juhul tuleks koos keskväärtusega keskmise
  taseme kirjeldamiseks kasutada ka mediaani.
  1.2. Andmete paiknemist kirjeldavad arvnäitajad.
  Kvartiilid - jagavad vaatlustulemused nelja võrdsesse ossa.
  Standardhälve – hajuvuse näitaja, mis arvestab kõiki vaatlustulemusi ning näitab kui palju üksikud
  tulemused erinevad keskmisest. Mida suurem on hajuvus , seda rohkem nad erinevad ning seda suurem on
  standardhälve. Kui kõik vaatlustulemused on ühesugused (Nt. kõik tudengid said kontrolltööl 15 palli), siis
  hajuvust ei ole ja standardhälve on 0. (standardhälve ei ületa tavaliselt poolt jaotuse ulatusest)
  2. Kirjeldavate arvnäitajate arvutamine programmis SPSS
  Arvutame tunnuse koolikäidud aastate arv kohta kirjeldavad arvnäitajad.
  Vali Analyze/Descriptive Statistics/Frequencies...
  Vii tunnus kooliskäidud aastate arv Variable(s) väljale ning klpsa nupul Statistics ja vali soovitud statistikud:
   Mean – keskväärtus
   Median – mediaan
   Mode – mood
   Minimum – minimaalne
  väärtus
   Maximum –
  maksimaalne väärtus
   Std. deviation –
  standardhälve
   Range – ulatus
  Kirjeldavate arvnäitajate arvutamine ja tõlgendamine 2012
  Tulemuseks kuvatakse järgmine tabel:
  Statistics
  Koolis. Mitu aastat olete kooliharidust
  saanud, koolides õppinud ?
  N Valid 1497
  Missing 6
  Mean 12,83
  Median 12,00
  Mode 11
  Std. Deviation 3,122
  Range 29
  Minimum 2
  Maximum 31
  Sagedustabeli koostamine ja kujundamine 2012
  Koostatud juhend on mõeldud lisamaterjalina kasutamiseks „Andmeanalüüsi“ kursuse kuulajatele.
  Näidiste ning õpetuste loomisel on kasutatud uuringu „Mina, Maailm ja Meedia 2008“ andmeid. Kõik näited
  põhinevad statistikapaketi SPSS versioonil 18.0. Juhendi koostas K. Osula .
  SAGEDUSTABELI KOOSTAMINE
  Anname ülevaate ühe tunnuse väärtustest nende kokkuloendamise teel.
  1. Koostame ülevaate tunnuse haridustase vastustest.
  Valime Analyze/Frequencies
  Vali tunnus Harudustase ja
  vii see Variable(s) väljale.
  Oluline on, et Display
  frequency tables ees oleks
  linnuke – siis koostatakse
  sagedustabel.
  Tulemus kuvatakse tulemuste (Output) faili.
  Esmalt antakse üldine
  ülevaade (Statistics)
  vastajate vastustest (kui
  paljud vastasid Valid ja kui
  palju ei vastanud sellele
  küsimusele Missing)
  Sagedustabelis esitatakse
  tunnuse väärtused (Valid),
  nende esinemissagedused
  (Frequency) ning
  protsendid (Percent).
  JÄRJESTUS-TUNNUS
  Sagedustabeli koostamine ja kujundamine 2012
  Tabeli kujundamiseks (sõnade muutmiseks, osa kustutamiseks) tee selle peal topeltklõps.
  Peale tabeli valimist (topeltklõps tabeli peal) leiad lisavahendeid Format menüüst. Näiteks Table Looks
  võimaldab kujundada tabelit (värvilahendused).
  Kujundatud lõpptulemus võiks välja näha näiteks selline:
  Tabel 1. Vastajate kõrgem omandatud haridustase
  Vastajate arv Osakaal
  Algharidus 47 3,1%
  Põhiharidus 228 15,1%
  Kutseharidus (ilma keskhariduseta) 83 5,5%
  Keskharidus 401 26,6%
  Kutseharidus + keskharidus 367 24,4%
  Rakenduslik kõrgharidus 170 11,3%
  Ülikooliharidus, kraadiharidus 211 14,0%
  KOKKU 1507 100,0
  2. Koostame ülevaate tunnuse perekonnaseis vastustest.
  Valime Analyze/Frequencies
  Viime tunnuse Perekonnaseis Variable(s) väljale ning kinnitame oma valiku.
  Esialgne tulemus on selline:
  Juhul kui tabelis toodud kategooriad
  ei ole sisuliselt tähenduslikus
  järjekorras, siis järjestatakse tabeli
  read sageduste/osakaalude järgi.
  Sagedustabeli järjestamiseks sageduste järgi koostame uue sagedustabeli. Valime Analyze/Frequencies
  Viime tunnuse Perekonnaseis Variable(s) väljale ning klõpsame nupul Format.
  Määrame loodava tabeli
  järjestatavuse ( Order by) nii, et
  tulemused esitatakse sageduste
  kahanevas järjekorras (kõige
  suuremad väärtused ülal,
  väiksemad allpool)
  NIMITUNNUS
  Sagedustabeli koostamine ja kujundamine 2012
  Kujundatud lõpptulemus võiks välja näha näiteks selline:
  Tabel 2. Perekonnaseis
  Vastajate arv Osakaal
  Ametlikus abielus 603 40,0%
  Üksik (pole olnud abielus) 331 22,0%
  Vabaabielus (elan koos partneriga) 288 19,1%
  Lahutatud / Elan lahus 170 11,3%
  Lesk 112 7,4%
  Vastamata 2 ,1%
  Kokku 1506 99,9%
  Vastus puudub 1 ,1%
  KOKKU 1507 100,0%
  3. Intervalltunnuse puhul tuleb vahet teha, kas tunnusel on vähe või palju
  erinevaid väärtuseid.
  Väheste erinevate väärtustega tunnuse korral järgi näidet nr 1 (haridustase).
  Kui tunnusel on aga palju
  erinevaid väärtuseid,
  näiteks sissetulekud on
  kõikidel vastajatel tõenäoliselt erinevad,
  siis sagedustabel andmete
  kokkuvõtmiseks ei sobi.
  Andmestikus kultuur.sav on selliseks
  tunnuseks vanus. Koostades vanuse
  väärtustest sagedustabeli, on see liiga
  mahukas, et seda andmete esitamiseks
  kasutada.
  Kui on aga tingimata vaja esitada paljude
  erinevate väärtustega intervalltunnuse
  tulemusi tabeli kujul, siis tuleks kaaluda
  andmete koondamist väiksematesse
  gruppidesse (Transform/Visual Binning)
  ning koostada sagedustabel grupeeritud
  väärtustest.
  INTERVALL -TUNNUS
  Sagedustabeli koostamine ja kujundamine 2012
  Grupeerime tunnuse vanus väärtused (Transform/Visual Binning) ning moodustame järgmised vahemikud:
  Koostades grupeeritud tunnuse väärtuste kohta sagedustabeli, võiks kujundatud lõpptulemus välja näha
  näiteks selline:
  Tabel 3. Vanus
  Vastajate arv Osakaal
  Z
  Descending– kahanevas järjekorras: 9 8 7 ... 1 või Z->A
  Uue tunnuse väärtuste arvutamine. Transform/Compute Variable
  Target Variable– uue tunnuse nimi
  Type & Label– uue tunnuse kirjeldamine
  Numeric Expression– avaldis, mille järgi uued väärtused
  arvutatakse.
  Andmete ümberkodeerimine. Transform/Recode
  ... Into Same Variables – väärtuste väljavahetaminesamas tunnuses.
  ... Into Different Variables – uued väärtused paigutatakse uue tunnusena.
  Old Value– väärtus(ed), millele soovid uut väärtust omistada.
  value – üksik muudetav väärtus
  system-missing – tühi lahter
  range – väärtuste piirkond
  all other values – kõik ülejäänud väärtused
  New Values– uus väärtus või Copy old value(s), kui soovid, et uude tunnusesse kopeeritakse
  praegused väärtused.
  1.4. Harjutused
  1. Ekspordi SPSS-i Exceli tabel: rahvastik .xls (rahvastiku ülevaade, 1. jaanuar 2003)
  2. Defineeri tunnused. (linn – 1, vald - 2)
  Mitu linna, mitu valda on Eestis?
  3. Arvuta rahvaarv igas linnas, vallas.
  Millises vallas elab kõige vähem inimesi?
  4. Arvuta iga linna, valla asustustihedus (mitu inimest elab 1 km
  2
  ).
  Millises linnas on see suurim, millises kõige väiksem?
  5. Leia naiste arv 10 mehe kohta.
  Kus on naiste arv 10 mehe kohta kõige väiksem ja kui palju see on?
  6. Jaga vastajad gruppidesse järgmiselt: „naisi rohkem“, „mehi rohkem“,
  „naisi mehi võrdselt“. Mitmes Eesti linnas/vallas on mehi naisi võrdselt?
  ANDMEANALÜÜS : statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -4-
  1.5. Tunnusetüübid
  Vastavalt sellele, mida või keda me uurime, koosnebmeie valim objektidest ja kõigil valimisse kuuluvatel
  objektidel on mingid iseloomulikud tunnused. Näiteks värv, hind, sugu, kaal.
  Numbrilised tunnusedon näiteks: vanus, pikkus. Kõik sellised tunnused,mida saab arvuliselt mõõta.
  Mittenumbrilised on: juuste värv, elukoht. Neid ei saa mõõta arvuliselt, võivad väljendada hinnangut .
  2. Andmete esitamine
  Vali esitluseks TABEL, kui on vajalik anda edasi täpset arvulist infotvõi kui võrreldavate arvnäitajate
  suurusjärgud on väga erinevad
  Vali esitluseks DIAGRAMM, kui soovid eelkõige anda kiiret ülevaadet üldtendentsi(de)st ja
  suundumus (te)st
  Vali arvulise info edastusviisiks TEKST, kui korraga on vaja esitada vaid üks-kaks arvulist näitajat
  K.Niglas
  Sõltuvalt uurimistöö iseloomust valitakse sobiv tulemuste esitamise vorm, kusjuures joonised ei tohiks
  tabelites sisalduvat dubleerida ja vastupidi. Mahukamad ja eriti algandmeid sisaldavad tabelid võib
  paigutada uurimistöö lõpus esitatavate lisade hulka. Oluline on, et jooniste, tabelite jm esitatud andmed
  oleksid tekstis kirjeldatud, analüüsitud ja sissejuhatavas osas toodud probleemiga loogiliselt seostatud .
  Tulemuste kirjeldamisega liitub arutelu, millest peaks muuhulgas selgesti välja tulema üliõpilase isiklik osa
  antud probleemi lahendamisel. http://www.med.ut.ee/
  3. Andmete esitamine tekstina
  Kui vastajaid on vähem kui 100, siis kasuta andmete esitamisel tekstina sagedusi.
  Eksamil osalenud 39-st üliõpilasest ligi kolmandik (15) oli osalenud kõikides loengutes; kõikides
  praktikumides osalemise vastav arv oli 10.
  Küsimustiku täitis 34 vastajat , kellest 4 olid üliõpilased, 10 alamastmejuhid, 2 tippjuhid, 6 pensionärid, 3
  reatöötajad, 1 vabakutseline ning 8 töötud .
  Kui vastajaid on rohkem kui 100, siis kasuta andmete esitamisel tekstina protsente.
  Seisuga 30 aprill 2007 on 1.6% vanemahüvitise saajatest mehed.
  TUNNUSTE TÜÜBID
  KVANTITATIIVSED KVALITATIIVSED
  Palju erinevaid
  väärtuseid
  Vähe erinevaid
  väärtuseid
  Järjestustunnused Nimitunnused
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -5-
  4. Andmete esitamine tabelitena
  4.1. SAGEDUSTABEL (Analyze/Descriptive Statistics/Frequencies)
  Tabel 1. Kui huvitatud te poliitikast olete?
  Frequency Percent
  Valid
  Percent
  Cumulative
  Percent
  Valid väga huvitatud
  139 8,4 8,4 8,4
  üsna huvitatud
  606 36,5 36,7 45,1
  vähe huvitatud
  700 42,1 42,3 87,4
  üldse ei tunne huvi
  208 12,5 12,6 100,0
  Total
  1653 99,5 100,0
  Missing ei oska öelda
  6 ,4
  vastus puudub
  2 ,1
  Total
  8 ,5
  Total
  1661 100,0
  Tabel 1A. Kui huvitatud te poliitikast olete?
  Vastajate arv %
  väga huvitatud
  139 8,4
  üsna huvitatud
  606 36,5
  vähe huvitatud
  700 42,1
  üldse ei tunne huvi
  208 12,5
  ei oska öelda
  6 ,4
  vastus puudub
  2 ,1
  KOKKU
  1661 100,0
  Tabel 2. Millise erakonna poolt Te 2007.a. toimunud Riigikogu valimistel hääletasite?
  Vastajate
  arv %
  Reformierakond 294 17,7
  Keskerakond 237 14,3
  Erakond Isamaa ja Res Publica
  Liit
  133 8,0
  Sotsiaaldemokraatlik Erakond 81 4,9
  Eestimaa Rohelised 69 4,2
  Rahvaliit 46 2,8
  Muu 12 ,8
  Ei saanud vastata 719 43,4
  Vastamata 70 4,2
  KOKKU 1661 100,0
  Tabel 3. Kuivõrd te usaldate poliitikuid
  Kas Teie osalesite viimastel valimistel?
  Frequency– vastajate arv
  Percent- %
  Valid percent– osakaal
  mittepuuduvatest väärtustest
  (protsent vastanutest)
  Cumulative Percent–
  kumulatiivne protsent:
  poliitikast väga huvitatuid on 8,4%;
  väga huvitatuid ja üsna huvitatuid
  on 45,1% (8,4+36,5) jne.
  Tabeli kujundamine
  Topeltklõps tabeli peal (aktiveerib muutmise režiimi)
  Veerud kitsamaks, laiemaks
  Andmete kustutamisel kaob veerg automaatselt
  Format/Table Looks...
  Format/Rotate Inner Column Labels
  Pivot /Transpose Rows and Columns
  2007.a. Riigikogu valimiste tulemused[vikipeedia]:
  27,8% Reformierakond
  26,1% Keskerakond
  17,9% Isamaa ja Res Publica Liit
  10,6% Sotsiaaldemokraatlik Erakond
  7,1% Rahvaliit; 7,1% Erakond Eestimaa Rohelised
  Pikkade tabelite puhul tuleks andmeid grupeerida või
  esitada tabelid töö lisades.
  Mõtle ka enne andmete kogumist nende esitamisele,
  vältimaks olukorda, kus kogutud andmeid on keeruline
  soovitud kujul esitada.
  Tabel 3A.Kuivõrd te usaldate poliitikuid
  Vastajate arv %
  Ei usalda
  877 54,3
  Nii ja naa 602 36,3
  Usaldab
  135 8,2
  Vastamata
  47 2,8
  KOKKU
  1661 100,0
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -6-
  4.2. Harjutused.
  Kopeeri küsimuse: „Kui tihti tundub poliitika Teile nii keerulisena, et Te ei saa päriselt aru, mis toimub?“
  vastused tabelina tekstidokumenti kolmel erineval kujul (formaatimata tekst, formaaditud tekst, pilt)
  Kui tihti tundub poliitika Teile nii keerulisena, et Te
  ei saa päriselt aru, mis toimub?
  99 6,0
  335 20,2
  701 42,2
  345 20,8
  158 9,5
  1638 98,6
  21 1,3
  2 ,1
  23 1,4
  1661 100,0
  Mitte kunagi
  Harva
  Vahetevahel
  Sageli
  Väga sageli
  Total
  Valid
  Ei oska öelda
  Vastus puudub
  Total
  Missing
  Total
  Frequency Percent
  Kopeeri tekstidokumenti kõik loodud sagedustabelid (Copy
  Objects)
  Ekspordi tekstifailiks (Text Filevõi Word/RTF File) kõik
  loodud objektid
  Ekspordi esitlusfailiks (Powerpoint File) ainult tulemused
  (visible objects)
  4.3. ANDMESTIKU JAGAMINE OSADEKS.
  1. Jagame andmestiku osadeks (tunnuse sugupõhjal)
  2. Tellime sagedustabeli küsimuse „Kas Teie osalesite viimastel valimistel?“ tulemuste kohta.
  3. Taastame esialgse olukorra (eemaldame osadeks jagamise ).
  Tabel 4A. Kas Teie osalesite viimastel valimistel?
  Mees Naine
  Vastajate
  arv
  Vastajate
  arv
  Jah 367 52,1 573 59,9
  Ei 240 34,1 273 28,5
  Pole
  valmisõigust
  88 12,5 106 11,1
  Vastamata 9 1,3 5 ,5
  KOKKU 704 100,0 957 100,0
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -7-
  4.4. SAGEDUSTABEL (Analyze/Tables/Tables of Frequencies)
  Tabel 5. Kui huvitatud te poliitikast olete?
  Vastajate arv %
  väga huvitatud
  139 8,4%
  üsna huvitatud
  606 36,7%
  vähe huvitatud
  700 42,3%
  üldse ei tunne huvi
  208 12,6%
  KOKKU
  1653 100,0%
  Tabel 6.Mitme küsimuse ( ühesuguste vastusevariantidega) vastused koos. Üldine rahulolu...
  riigi majandusliku
  olukorraga valitsuse tööga
  hariduse olukorraga
  riigis
  tervishoiusüsteemiga
  riigis
  Sagedus % Sagedus % Sagedus % Sagedus %
  Üldse mitte rahul 205 12,6% 209 12,9% 28 1,8% 45 2,8%
  1
  128 7,9% 134 8,3% 22 1,4% 52 3,2%
  2
  199 12,2% 211 13,1% 60 3,8% 137 8,4%
  3
  310 19,0% 279 17,3% 133 8,4% 210 12,9%
  4
  231 14,2% 216 13,4% 134 8,4% 203 12,4%
  5
  248 15,2% 259 16,0% 267 16,8% 265 16,2%
  6
  131 8,0% 132 8,2% 239 15,1% 208 12,8%
  7
  108 6,6% 92 5,7% 320 20,2% 262 16,1%
  8
  45 2,8% 60 3,7% 270 17,0% 176 10,8%
  9
  14 ,9% 8 ,5% 85 5,4% 51 3,1%
  Väga rahul
  11 ,7% 16 1,0% 28 1,8% 22 1,3%
  KOKKU
  1630 100,0% 1616 100,0% 1586 100,0% 1631 100,0%
  4.5. RISTTABEL (Analyze/Descriptive Statistics/Crosstabs)
  Tabel 7. Kui huvitatud te poliitikast olete?
  väga huvitatud üsna huvitatud vähe huvitatud üldse ei tunne huvi KOKKU
  Sugu Mees Arv
  61 286 270 82 699
  % 8,7% 40,9% 38,6% 11,7% 100,0%
  Naine Arv
  78 320 430 126 954
  % 8,2% 33,5% 45,1% 13,2% 100,0%
  KOKKU Arv
  139 606 700 208 1653
  % 8,4% 36,7% 42,3% 12,6% 100,0%
  Tabel 8. Kas Teie osalesite viimastel valimistel?
  Kas Teie osalesite viimastel valimistel?
  KOKKU Jah Ei Pole valimisõigust
  Sugu Mees Arv
  367 240 88 695
  % 52,8% 34,5% 12,7% 100,0%
  Naine Arv
  573 273 106 952
  % 60,2% 28,7% 11,1% 100,0%
  KOKKU Arv
  940 513 194 1647
  % 57,1% 31,1% 11,8% 100,0%
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -8-
  4.6. KOONDTABEL (Analyze/Tables/ Basic Tables)
  Tabel 9. Erinevate institutsioonide usaldamine
  Sugu
  Mees Naine
  Vastajate
  arv Keskväärtus
  Vastajate
  arv Keskväärtus
  Kuivõrd te usaldate valitsust 704 3,88 957 3,88
  Kuivõrd te usaldate õigussüsteemi
  704 4,89 957 4,81
  Kuivõrd te usaldate politseid 704 6,00 957 6,09
  Kuivõrd te usaldate poliitikuid
  704 3,25 957 3,32
  Kuivõrd te usaldate poliitilisi parteisid ja erakondi
  704 3,15 957 3,30
  Kuivõrd te usaldate Euroopa parlamenti
  704 4,90 957 5,10
  Kuivõrd te usaldate Ühinenud Rahvaste Organisatsiooni
  704 5,26 957 5,32
  Summaries – Kuivõrd...
  Across– Sugu
  Statistics– count , mean
  4.7. Harjutused
  1. Kas võime väita, et nende seas, kes on mõne poliitilise partei või erakonna liikmed, oli valimistel
  osalemise protsent kõrgem kui teistel?
  2. Kas elukoht ja poliitikast huvitatus on seotud?
  3. Kui palju on vastajate hulgas neid, kellele tundub poliitika Teile nii keerulisena, et ta ei saa päriselt aru,
  mis toimub? Kuidas on jagunenud need arvamused naiste-meeste vahel?
  4. Võrrelge naiste-meeste vastuseid rahulolu küsimustele (y4, y5, y6, y8, y9). Mida saate järeldada?
  5. Mis keelt kõneleva vastajaskonna valimistel osalemise protsent oli kõige suurem?
  5. Üldine ülevaade vastajatest
  Nr. Tunnus Kuidas saate vastuse Mil viisil esitate tulemuse oma töös?
  Vastajate üldarv
  Meeste, naiste jaotus
  Regioon
  Riigi kodanik
  Kodune keel
  Vanuseline jaotus
  Haridustase
  Elukoht
  Leibkonna suurus
  Kodus elavaid lapsi
  Tegevus
  Sissetulek
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -9-
  6. Andmete graafiline esitamine
  Kasuta - tulpdiagrammi, kui tahad võrrelda erinevate kategooriate sagedusi omavahel.
  - sektordiagrammi, kui tahad esile tuua osa tervikust
  - joondiagrammi, kui tahad esitada nähtuse muutumist ajas
  - histogrammi, kui tunnusel on palju erinevaid väärtusi
  6.1. HISTOGRAMM (Graphs/ Histogram ...)
  tunnus peab olema numbriline
  tunnusel peab olema piisavalt palju erinevaid väärtusi (EI SOBI: vanus: 19,20,21)
  Joonisel 1. on tehtud tulpdiagramm.
  Paremini sobiks histogramm, mis koondaks andmed vahemikesse ja
  tulemus oleks ülevaatlikum.
  Joonis 3.
  Joonisel 2. on tehtud histogramm.
  Paremini sobiks tulpdiagramm, kuna tunnusel on ainult kolm erinevat
  vastusevarianti (ja neid kolme vastust ei ole vaja gruppidesse jagada).
  Joonis 4.
  Millised järgnevatest tunnustest võimaldaksid koostada histogrammi?
  Piirkond (Eesti)
  Olete riigi kodanik?
  Kodune keel
  sugu
  sünniaasta
  vanus (arvutatud)
  Elukoht
  Perekonnaseis
  Kas teil on kodus elavaid lapsi
  Leibkonna suurus
  Haridustase
  Kooliskäidud aastate arv
  Joonis 5. Histogramm vanuselisest jaotusestJoonis 5A. Histogramm vanuselisest jaotusest
  EELISTUS
  321
  Frequency
  6
  5
  4
  3
  2
  1
  0
  321 321
  SISSETULEK
  10001-15000 5001-10000 1001-5000
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -10-
  6.1.1. Histogrammi kujundamine
  Tulpade/ tausta
  värvi
  muutmine
  1. Märgista tulbad/taust
  2. Vali Propertiesaknast
  Fill & Border
  3. Vali värv
  4. Kinnita valik Apply
  nupuga
  Vahemiku
  laiuse
  muutmine
  1. Märgista tulbad
  2. Vali Propertiesaknast
  Histogram Options
  3. Bin Sizes/Interval width
  Skaala
  muutmine
  1. Märgista skaala (x-telje
  skaala numbrid)
  2. Vali Propertiesaknast
  Scale
  3. Major Increment –
  vaheühiku laius
  Abijoonte
  lisamine
  1. Märgista y-telje skaala numbrid
  2. Vali Optionsmenüüst Show
  Gridlines
  Kui jätsid skaala numbrid valimata,
  saad abijooned nii x- kui ka y-teljelt.
  Neid saab eemaldada kustutades kui
  ka eemaldades (Hide Gridlines)
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -11-
  6.1.2. Histogrammi sisu
  Joonis 6.Mitu tundi te oma töökohal tavaliselt töötasite (koos ületundidega)?
  Kas selliste andmete esitamiseks sobib histogramm?
  Millise küsimuse vastuseid saab illustreerida histogrammi abil:
  Joonis 7. Vastaja haridus (kõrgeim omandatud haridustase) Joonis 7A. Koolis käidud aastate arv
  1 2 3 4 5 6 7 8 9
  10
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -12-
  6.2. ÜLDISED VÕIMALUSED GRAAFIKUTE REDIGEERIMISEL
  1. Panel by
  Grupeeriv
  tunnus
  (sugu)
  paigutatud
  ritta (row)
  Grupeeriv
  tunnus
  (sugu)
  paigutatud
  veergu
  (column)
  2. Graafiku suuruse muutmine
  Graafiku suurust tuleb muuta redigeerimisaknas ( Chart Editor ) programmis SPSS.
  Kui kopeerite originaalsuuruses graafiku tekstitöötlus-programmi, muutub graafiku tekst vähendades suhteliselt
  loetamatuks.
  3. Diagrammide kopeerimine
  Vali Paste Special /Bitmap
  10 8 6 4 2 0
  koormustesti tulemus
  300
  250
  200
  150
  100
  50
  0
  Vastajate arv
  10 8 6 4 2 0
  koormustesti
  tulemus
  300
  250
  200
  150
  100
  50
  0
  Vastajate arv
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -13-
  6.3. SEKTORDIAGRAMM
  tunnus peab olema kvalitatiivne ( nominaalne või järjestus) või numbriline, millel on vähe erinevaid
  väärtuseid (EI SOBI: sissetulek, keskmine hinne; kui on palju erinevaid vastuse variante )
  980
  905
  900
  887
  868
  860
  850
  845
  842
  840
  830
  824
  822
  800
  795
  794
  790
  788
  780
  777
  770
  760
  755
  750
  747
  742
  739
  735
  730
  728
  725
  720
  714
  712
  710
  702
  700
  689
  660
  655
  650
  640
  626
  620
  618
  610
  607
  600
  599
  590
  586
  583
  581
  580
  575
  570
  565
  561
  560
  558
  557
  555
  553
  552
  551
  550
  549
  547
  545
  542
  540
  539
  532
  530
  529
  528
  526
  524
  520
  519
  518
  517
  515
  514
  512
  511
  510
  509
  504
  502
  501
  500
  498
  495
  487
  485
  482
  480
  479
  478
  475
  473
  471
  470
  469
  468
  465
  460
  459
  458
  455
  453
  450
  449
  445
  444
  440
  439
  435
  434
  433
  430
  429
  420
  418
  409
  408
  401
  400
  399
  397
  395
  390
  385
  380
  373
  372
  369
  366
  360
  350
  345
  335
  330
  325
  320
  315
  300
  295
  290
  285
  280
  275
  270
  256
  240
  234
  230
  205
  200
  195
  180
  179
  162
  160
  128
  100
  90
  87
  84
  80
  75
  60
  8
  0
  sissetulek
  viimasel kuul
  Millised järgnevatest tunnustest võimaldaksid koostada histogrammi?
  Piirkond (Eesti)
  Olete riigi kodanik?
  Kodune keel
  sugu
  sünniaasta
  vanus (arvutatud)
  Elukoht
  Perekonnaseis
  Kas teil on kodus elavaid lapsi
  Leibkonna suurus
  Haridustase
  Kooliskäidud aastate arv
  Sektordiagrammi kujundamine
  Ühe sektori
  välja tõstmine
  märgista 1 sektor ja vali
  Elements/ Explode Slice
  Andmesiltide
  lisamine
  märgista sektorid ja vali
  Elements/Show Data Labels
  7
  3
  364
  625
  115
  448
  Sektorite
  ühendamine
  märgista sektorid ja vali
  Categories lehelt
  Collapse (sum) catogories...
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -14-
  6.4. TULPDIAGRAMM. Bar…
  6.4.1. Vasta järgmistele küsimustele:
  a) Kirjelda, milliste andmete esitamiseks sobiks tulpdiagramm
  b) Too näide tunnusest, mille väärtuste esitamiseksei sobiks tulpdiagramm
  c) Selgita histogrammi ja tulpdiagrammi erinevusi (visuaalseid, sisulisi)
  d) Mida peaks silmas pidama tulpdiagrammi kujundamisel
  Vaata lisaks: Statistikaameti materjali tulpdiagrammi koostamise kohta:
  http://www.stat.ee/files/koolinurk/abiks/graafiline/tulpdiagramm.php
  Esmalt tuleb valida 3 ülemise variandi seast:
  Simple – tavaline (iga tulp kirjeldab ühte
  tunnust või gruppi)
  Clustered– võrdlev (tulbad üksteise kõrval)
  Stacked– võrdlev liidetud diagramm
  Seejärel tuleb valida 3 alumise variandi seast:
  Summaries for groups of cases - Kokkuvõtted objektide
  gruppide kohta
  Summaries of separate variables- Kokkuvõtted
  erinevate tunnuste kohta
  Values of individual cases- Üksikväärtuste analüüs
  6.4.2. Tavalised tulpdiagrammid: SIMPLE ; SUMMARIES FOR GROUPS OF CASES
  Uuritav tunnus paigutage Category Axis väljale
  Tulba kõrguseks valige vastajate arv (N of cases)
  Joonis 5.Vastajate elukoht
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -15-
  6.4.3. Diagrammi kujundamine
  Tulpade
  järjestamine
  Märgista tulbad ja vali
  Categories/Sort by...
  x-telje teksti
  kujundamine
  Märgista x-telje tekst
  ning vali
  Labels&Ticks/ Labels
  Orientation
  (see, et sa oskad ei
  tähenda, et sa seda
  kasutama pead!)
  Telgede
  vahetamine
  Options/Transpose
  Chart
  Joonis 6. Joonis 7.
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -16-
  6.4.4. Tavalised tulpdiagrammid: SIMPLE; SUMMARIES OF SEPARATE VARIABLES
  Teeme kokkuvõtted mitme erineva tunnuse vastustest
  A. Tunnuste väärtustest saab arvutada keskväärtust
  Joonis 8. Kuidas suurem osa inimestest hindaks ... aastastes inimeste staatust?
  B. Tunnuste väärtustest ei saa arvutada keskväärtust
  Peale pereliikmete , kui palju on Teil ligikaudu sõpru, kes on nooremad kui
  30 aastased?
  Peale pereliikmete, kui palju on Teil ligikaudu sõpru, kes on vanemad kui
  70 aastased?
  Loeme kokku need, kes vastasid:
  6-9
  10 või rohkem
  Seega loeme kokku vastuseid, mis on suuremad numbrist 3.
  Joonis 9. Kuidas suurem osa inimestest hindaks ... aastastes inimeste staatust?
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -17-
  6.4.5. Võrdlevad tulpdiagrammid: CLUSTERED; SUMMARIES OF SEPARATE VARIABLES
  Teeme kokkuvõtted mitme erineva tunnuse vastustest (valitud gruppide kohta)
  Joonis 10. Kuidas on jagunenud sõprade arv meeste naiste vahel.
  6.4.5. Võrdlevad tulpdiagrammid: CLUSTERED; SUMMARIES OF GROUPS OF CASES
  Kui vana te olete * Üldine tervislik seisund Crosstabulation
  85 216 75 10 2 388
  21,9% 55,7% 19,3% 2,6% ,5% 100,0%
  76 382 613 163 37 1271
  6,0% 30,1% 48,2% 12,8% 2,9% 100,0%
  161 598 688 173 39 1659
  9,7% 36,0% 41,5% 10,4% 2,4% 100,0%
  Count
  % within Kui vana te olete
  Count
  % within Kui vana te olete
  Count
  % within Kui vana te olete
  29 või noorem
  30 või vanem
  Kui vana
  te olete
  Total
  Väga hea Hea Rahuldav Halb Väga halb
  Üldine tervislik seisund
  Total
  Joonis 11.
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -18-
  7. Andmete esitamine kirjeldavate arvnäitajate abil
  A. Märgi, mis tüüpi andmete korral tabelis antud arvnäitajaid arvutada saab.
  Statistik NR, palju erinevaid
  väärtuseid
  NR, vähe erinevaid
  väärtuseid
  nimitunnus järjestustunnus
  MOOD
  MEDIAAN
  KESKVÄÄRTUS
  B. Märgi joonisele statistikud ja nende vahele jäävate andmete protsendid
  C . _______________________________________________on statistiline väärtus, mis näitab, kui palju
  väärtused erinevad keskmisest väärtusest.
  Näiteks kui on kaks aktsiaportfelli, mis mõlemad onkeskmiselt teeninud kasumit 10 % aastas ning kui portfelli A standardhälve on
  väiksem kui portfelli B oma, siis see tähendab, et esimene portfell on olnud stabiilsem ning vastupidiselt teise portfelli väärtus on
  rohkem kõikunud. Suurem kõikuvus viitab suuremale riskisusele. (www.tarkinvestor.ee)
  Tabel 10.
  Mitu tundi oma põhitöökohal tavaliselt nädalas
  töötate / töötasite, kui võtate arvesse ka kõik
  tasustatud ja tasustamata ületunnid?
  N Valid 1417
  Missing 244
  Mean 41,59
  Median 40,00
  Mode 40
  Std. Deviation 10,405
  Skewness ,213
  Std. Error of Skewness ,065
  Range 99
  Minimum 1
  Maximum 100
  Percentiles 25 40,00
  50 40,00
  75 45,00
  Joonis 12. Töötundide arv nädalas
  Kokku koguti vastuseid _____________________
  respondendilt, kellest _______________ keeldus
  vastamast või ei teadnud vastust
  Vastajate keskmine töötundide arv nädalas oli
  _____________ tundi.
  Pooled vastajatest märkisid tööajaks vähem ja
  pooled rohkem kui ___________________ tundi.
  Kuna mediaan ja keskväärtus on väga sarnased,
  võime järeldada, et andmete jaotus on
  ____________________ ning keskmise tendentsi
  kirjeldamiseks võib kasutada ________________.
  Suur osa vastajatest töötab nädalas __________
  tundi, mis on ühtlasi ka jaotuse ______________.
  Antud tunnuse korral on/ei ole see hea näitaja,
  sest____________________________________.
  Töötundide standardhälve oli ________________
  (ühe väärtuse korral ei ole võimalik võrrelda, kas
  hajuvus on suur või väike).
  Kõige vähem märgiti tööajaks ___________ tundi
  ja kõige rohkem _________________ tundi.
  Asümmeetria kordaja oli _______________, mille
  põhjal saame järeldada, et vastuste jaotus on
  ________________________________________
  Ülemise kvartiili väärtus oli _________________,
  millest järeldub, et _________________________
  _______________________________________.
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -19-
  8. Korrelatsioonanalüüs
  Kordaja
  absoluutväärtus
  Seose tugevus
  0-0,09
  0,1-0,19
  0,2-0,19
  0,3-0,69
  0,7-0,89
  0,9-1,0
  __________________________________________
  Mõlemad tunnused numbrilised, on tundlik erandite
  suhtes.
  __________________________________________
  Üks või mõlemad tunnused järjestustunnus(ed), vähendab
  erandite mõju, kuna kordaja leidmisel kasutatakse
  astakuid, mitte konkreetseid väärtuseid.
  __________________________________________
  Üks või mõlemad tunnused järjestustunnus(ed), ei ole
  tundlik erandite suhtes kuna vaadeldakse objektide paare.
  8.1. Näited
  A.
  Tunnused on
  numbrilised
  Erandlikud
  väärtused
  puuduvad
  Tööaeg (ilma
  lisatundideta)
  Tööaeg (koos
  lisatundidega)
  Tabel 11.
  Töötunnid
  nädalas
  Töötunnid
  nädalas koos
  ületundidega
  Töötunnid nädalas Pearson
  Correlation
  1 ,783(**)
  Sig. (2- tailed ) ,000
  N 1514 1414
  Töötunnid nädalas
  koos ületundidega
  Pearson
  Correlation
  ,783(**) 1
  Sig. (2-tailed) ,000
  N
  1414 1417
  ** Correlation is significant at the 0.01 level (2-tailed).
  Seose kordaja on 0,78
  Uuritud tunnuste vahel on tugev positiivne seos. Mida rohkem oli vastajal töötunde, seda suurem oli
  tema koormus koos ületundidega ja vastupidi, mida vähem oli vastajal töötunde nädalas, seda väiksem
  oli tema töökoormus.
  Tunnuste vahelise seose determinatsioonikordaja (d=r
  2
  ) on 0,61.
  Seost saab üldistada üldkogumile, olulisusnivool 0,01
  KORRELATSIOON-ANALÜÜS
  Tunnused on
  numbrilised
  Vähemalt üks tunnustest
  on järjestustunnus
  Vähemalt üks tunnustest
  on nominaalne
  Erandlikud väärtused
  puuduvad
  Vähemalt ühel tunnusel
  esinevad erandlikud
  väärtused
  ___________________
  kordaja
  ___________________
  kordaja
  ___________________
  kordaja
  ___________________
  kordaja
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -20-
  B.
  Tunnused on
  numbrilised
  Erandlikud
  väärtused
  puuduvad
  Vanus
  Kooliskäidud
  aastate arv
  Tabel 12.
  vanus
  (arvutatud)
  Kooliskäidud
  aastate arv
  vanus (arvutatud) Pearson
  Correlation
  1 -,188(**)
  Sig. (2-tailed)
  ,000
  N 1661 1643
  Kooliskäidud aastate
  arv
  Pearson
  Correlation
  -,188(**) 1
  Sig. (2-tailed)
  ,000
  N 1643 1643
  ** Correlation is significant at the 0.01 level (2-tailed).
  Tabel 13.
  vanus
  (arvutatud)
  Kooliskäidud
  aastate arv
  Spearman's
  rho
  vanus
  (arvutatud)
  Correlation
  Coefficient
  1,000 -,153(**)
  Sig. (2-tailed)
  . ,000
  N 1661 1643
  Kooliskäidud
  aastate arv
  Correlation
  Coefficient
  -,153(**) 1,000
  Sig. (2-tailed)
  ,000 .
  N
  1643 1643
  ** Correlation is significant at the 0.01 level (2-tailed).
  Seose kordaja on -0,19
  Uuritud tunnuste vahel on väga nõrk negatiivne seos. Mida vanem on vastaja, seda vähem on ta koolis
  käinud ja vastupidi, mida noorem on vastaja seda rohkem on tal kooliskäidud aastaid.
  Olematute, väga nõrkade ja nõrkade seoste korral determinatsioonikordaja leidmine ei ole mõtekas.
  Seost saab üldistada üldkogumile, olulisusnivool 0,01
  C.
  Tunnused on
  numbrilised
  Erandlikud
  väärtused
  puuduvad
  Kooliskäidud
  aastate ja
  töötundide arv
  nädalas (koos
  lisatundidega).
  Tabel 14.
  Kooliskäidud
  aastate arv
  Töötundide
  arv nädalas
  (koos
  lisatundidega)
  Kooliskäidud aastate
  arv
  Pearson
  Correlation
  1 -,034
  Sig. (2-tailed)
  ,207
  N
  1643 1409
  Töötundide arv
  nädalas (koos
  lisatundidega)
  Pearson
  Correlation
  -,034 1
  Sig. (2-tailed)
  ,207
  N 1409 1417
  Tabel 15.
  Kooliskäidud
  aastate arv
  Töötundide
  arv nädalas
  (koos
  lisatundidega)
  Spearman's
  rho
  Kooliskäidud
  aastate arv
  Correlation
  Coefficient
  1,000 -,033
  Seose kordaja on 0,03
  Uuritud tunnused ei ole omavahel seotud.
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -21-
  D.
  Tunnused on
  numbrilised
  Vähemalt ühel
  tunnusel
  esinevad
  erandlikud
  väärtused
  Vanus
  Millal (mis
  aastal) olite
  viimati tasulisel
  tööl?
  Tabel 16.
  vanus
  (arvutatud)
  Mis aastal Te
  viimati olite
  tasulisel tööl?
  vanus (arvutatud) Pearson Correlation
  1 -,623(**)
  Sig. (2-tailed)
  ,000
  N
  1661 588
  Mis aastal Te
  viimati olite tasulisel
  tööl?
  Pearson Correlation
  -,623(**) 1
  Sig. (2-tailed)
  ,000
  N
  588 588
  ** Correlation is significant at the 0.01 level (2-tailed).
  Tabel 17.
  vanus
  (arvutatud)
  Mis aastal
  Te viimati
  olite
  tasulisel
  tööl?
  Spearman's
  rho
  vanus
  (arvutatud)
  Correlation
  Coefficient
  1,000 -,744(**)
  Sig. (2-tailed)
  . ,000
  N
  1661 588
  Mis aastal Te
  viimati olite
  tasulisel tööl?
  Correlation
  Coefficient
  -,744(**) 1,000
  Sig. (2-tailed)
  ,000 .
  N
  588 588
  ** Correlation is significant at the 0.01 level (2-tailed).
  Seose kordaja on -0,74
  Uuritud tunnuste vahel on tugev negatiivne seos.
  Seost saab üldistada üldkogumile, olulisusnivool 0,01
  E.
  Vähemalt üks
  tunnustest on
  järjestustunnus
  Kooliskäidud
  aastate arv
  Sissetulek
  (vastused
  esiatud
  vahemikena)
  Tabel 18.
  Kooliskäidud
  aastate arv
  Leibkonna
  sissetulek
  kokku
  (kuus)
  Spearman's
  rho
  Kooliskäidud
  aastate arv
  Correlation
  Coefficient
  1,000 ,361(**)
  Sig. (2-tailed)
  . ,000
  N
  1643 1407
  Leibkonna
  sissetulek
  kokku (kuus)
  Correlation
  Coefficient
  ,361(**) 1,000
  Sig. (2-tailed)
  ,000 .
  N
  1407 1416
  ** Correlation is significant at the 0.01 level (2-tailed).
  Seose kordaja on 0,36
  Uuritud tunnuste vahel on keskmise tugevusega positiivne seos. Mida kauem on vastaja koolis käinud,
  seda kõrgem on tema pere sissetulek ja vastupidi.
  Seost saab üldistada üldkogumile, olulisusnivool 0,01
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -22-
  F.
  Vähemalt üks
  tunnustest on
  järjestustunnus
  Meie riigis ei
  ole piisavalt
  toetusi, et
  aidata inimesi,
  kes tegelikult
  puudust
  kannatavad.
  Sissetulek
  Tabel 19.
  Leibkonna
  sissetulek
  kokku
  (kuus)
  Meie
  riigis ei
  ole
  piisavalt
  toetusi, ...
  Spearman's
  rho
  Leibkonna
  sissetulek
  kokku (kuus)
  Correlation
  Coefficient
  1,000 ,118(**)
  Sig. (2-tailed)
  . ,000
  N
  1416 1350
  Meie riigis ei
  ole piisavalt
  toetusi, ...
  Correlation
  Coefficient
  ,118(**) 1,000
  Sig. (2-tailed)
  ,000 .
  N
  1350 1570
  ** Correlation is significant at the 0.01 level (2-tailed).
  Seose kordaja on 0,12
  Uuritud tunnuste vahel on väga nõrk positiivne seos.
  Mida kõrgem on vastaja sissetulek, seda vähem ta selle
  väitega nõus on. Mida madalam on vastaja sissetulek, seda
  rohkem ta on nõus, et meie riigis ei ole piisavalattoetusi, et
  aidata neid, kes tegelikult puudust kannatavad.
  Seost saab üldistada üldkogumile, olulisusnivool 0,01
  G.
  Vähemalt üks
  tunnustest on
  nominaalne
  Sugu
  Sissetulek
  Tabel 20.
  0-3799
  3800-4599
  4600-6499 ...
  24200
  ja
  enam Total
  sugu Mees Count
  28 30 38 ... 98 587
  % 4,8% 5,1% 6,5% ... 16,7% 100,0%
  Naine Count
  38 86 117 ... 75 829
  % 4,6% 10,4% 14,1% ... 9,0% 100,0%
  Total Count
  66 116 155 ... 173 1416
  % 4,7% 8,2% 10,9% ... 12,2% 100,0%
  Tabel 21.
  Value
  Nominal by Interval Eta sugu Dependent
  ,186
  Leibkonna sissetulek
  kokku (kuus) Dependent
  ,143
  8.2. Vasta küsimustele:
  Milline korrelatsioonikordaja annab numbriliste tunnuste korral (kui erandlikud väärtused puuduvad)
  kõige tugevama seose?
  Milline kordaja annab järjestustunnuste korral kõige tugevama seose?
  Mida tahendab negatiivne kordaja?
  Too näide tunnustest, mille korral ei saa arvutadaPearsoni ega Spearmani korrelatsioonikordajat.
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -23-
  8.3. Enam kui kahe tunnuse vahelise seose uurimine
  Lisaks kahe tunnuse uurimisele on võimalik leida korrelatsioonimaatriksit ka kolme ja enama tunnuse
  jaoks. Sellisel juhul tuuakse tabelist valja kõige tugevamad seosed (ei uurita kõikide tunnuste seoseid
  omavahel).
  9. Reliaablus
  Uurimuseks koostatud küsimustik sai hea tagasiside.Lisaks toetab seda ka asjaolu, et enamuste
  alaskaalade sisemist reliaablust kinnitav Cronbach’i αoli ümardatult 0,80 – mis on üldtunnustatud
  piirväärtuseks sotsiaalteadustes (www.pare.ee).
  Sisemist reliaablustväljendab Cronbach'i α
  (tulemust peetakse rahuldavaks kui α> 0.7 ja heaks kui α> 0.8).
  Näide. Alapunktis 8.3 toodud küsimuste vastuste reliaablus
  Case Processing Summary
  1525 91,8
  136 8,2
  1661 100,0
  Valid
  Excluded
  a
  Total
  Cases
  N %
  Listwise deletion based on all
  variables in the procedure.
  a.
  Reliability Statistics
  ,768 5
  Cronbach's
  Alpha N of Items
  ANDMEANALÜÜS: statistiline andmestik ja kirjeldav statistika. 2010/11 K.Osula -24-
  15.02.14
  Protsessi alusel
  KVANTITATIIVNE UURING
  –  Kui palju? (probleemi kirjeldamine)
  –  Miks?(probleemi põhjuste tuvastamine )
  –  Tulemused üldistatakse üldkogumile,
  mõnikord küsitav (või mittevajalik)
  –  Üldistamine tugineb arvulisele
  argumendile
  –  Seoste uurimine (ei näita põhjuslikku
  seost)
  –  Hüpoteeside testimine
  –  Eelneb mahukas planeerimisfaas
  KVALITATIIVNE UURING
  –  Kuidas? (probleemi kirjeldamine)
  –  Milleks? (probleemi põhjuste tuvastamine)
  –  Tulemuste analüüs töömahukas
  –  Uuritavate hulk väike(üldistamine pigem
  ennustamise, seaduspärasuste/trendide
  väljatoomine)
  –  uuritakse tõlgendusi, hoiakuid ning
  arvamusi (koos põhjendustega)
  –  Saab töötada välja efektiivseid lahendusi
  konkreetsetele isikutele, mille laiemat mõju
  saab hiljem uurida kvantitatiivsete
  meetoditega
  Kirjeldav statistika
  Uuringutüüpe saab klassifitseerida
  järgmiselt:
  •  Avastav
  •  Kirjeldav
  •  Analüütiline
  •  Ennustav
  Eesmärgi
  ( purpose ) alusel
  •  Teoreetiline
  •  Empiiriline
  •  Rakenduslik
  Uuringu
  lähenemise
  (approach) alusel
  •  Kvalitatiivne
  •  Kvantitatiivne
  •  Kombineeritud
  Protsessi alusel
  Kirjeldav statistika
  Uuringu lähenemise põhjal
  Kirjeldav statistika
  Eesmärk Olemasoleva teabe/uuringute analüüs
  Erinevate teooriate kriitiline analüüs (võrreldakse ühe eeliseid
  teisega )
  Autor peab näitama, milline on tema panus uute teadmiste otsingul,
  kasutamisel , süstematiseerimisel ja hindamisel.
  Näited Filosoofilised küsimused
  Puhta matemaatika teoreemid
  Ajaloolised uuringud
  Arvutikasutuseeetika (loogiline arutelu ja seisukohad).
  Tarkvara võrdlev analüüs
  Referaat (?)
  Seminaritöö kui referaat
  (teoreetiliste uuringute KÕIGE välimisem kiht)
  Teoreetiline uurimus
  15.02.14
  3
  Kirjeldav statistika
  Näited Personaalne arendusprojekt (või selle osa)
  Õppematerjalide loomine
  Probleemi analüüs (vajadused, eesmärgid, olemasolev teave)
  Disaini protsess (tööjaotus, ajakava, meetodid)
  Disaini protsessi resultaat ( rakenduse visandid, vaheversioonid,
  lõplik rakendus )
  Hindamine e. evalvatsioon (rakenduse testimine, hindamine lähtuvalt
  standarditest, kasutajate tagasiside)
  Rakenduslik uurimus
  Kirjeldav statistika
  §  Uurimisprobleem
  –  küsimus, hüpotees, eesmärk
  §  Valikumeetod
  –  juhuslik valim, üks juhtum, mitu juhtumit
  §  Andmekogumis meetod(id)
  –  struktureeritud ankeet, struktureerimata intervjuu , ...
  §  Andmeanalüüsi meetodid
  –  statistilised meetodid, kodeerimine
  §  Tulemused/järeldused
  –  kirjeldused, empiirilised üldistused, seaduspärasused,...
  K.Niglas
  Empiiriline uuring
  Kirjeldav statistika
  §  Igas uuringu põhiskeemis on teatud alametappidel vajalik rakendada
  kõrvalolevatele uuringutüüpidele omaseid mõtlemis- või
  tegutsemisviise.
  –  näiteks on hea arendusuuringu lahutamatuks osaks
  •  valdkonnaga seotud teooriate läbitöötamine
  •  empiirilise andmestiku kogumine
  •  ja analüüs vajaduste selgekstegemise
  ja/või rakenduse testimise etapis
  Uuringutüüpide omavaheline seotus
  Kirjeldav statistika
  §  Uurimisprobleem
  –  küsimus, hüpotees, eesmärk
  §  Valikumeetod
  –  juhuslik valim, üks juhtum, mitu juhtumit
  §  Andmekogumis meetod(id)
  –  struktureeritud ankeet, struktureerimata intervjuu, ...
  §  Andmeanalüüsi meetodid
  –  statistilised meetodid, kodeerimine
  §  Tulemused/järeldused
  –  kirjeldused, empiirilised üldistused, seaduspärasused,...
  K.Niglas
  Empiiriline uuring
  Kirjeldav statistika
  Andmekogumismeetodid
  struktureeritud või
  poolstruktureeritud
  INTERVJUUD (küsitlused)
  DOKUMENTEERIMINE
  koondandmete talletamine
  struktureerimata andmete
  kodeerimine -
  KONTENTANALÜÜS
  psühholoogilisi ja sotsiaalseid
  aspekte mõõtvad TESTID
  (väärtushinnangute skaalad )
  ( standardiseeritud )
  võimekus– ja sooritusTESTID
  struktureeritud või
  poolstruktureeritud
  ANKEEDID (küsimusBkud)
  VAATLUS
  Kirjeldav statistika
  §  Testib idee toimet reaalsetes tingimustes, kuid vähendatud
  mahus .
  –  Küsimustiku uuringueelne kontrollimine
  –  Vähendab probleemide ja vigade tekkimist reaalse
  andmekogumise käigus
  –  Vähe vastajaid
  N: reklaamplakatid, loterii, soodushind
  esmalt ühes kaupluses, reklaami väljapanek ühes geograafilises
  piirkonnas
  Nende põhjal tehakse omakorda järeldused täiendamisvajaduse
  ning edasise rakendamise kohta kogu sihtturul.
  Pilootuuring
  15.02.14
  4
  Kirjeldav statistika
  Küsimustik
  §  Hea küsimustik on:
  –  selge sõnastusega,
  –  kergesti ja üheselt mõistetavate küsimustega,
  –  kompaktne ja kiiresti vastatav,
  –  vormistuselt korrektne ;
  –  koostatud nii, et oleks minimiseeritud vastajate ja andmete töötlejate
  poolt potentsiaalselt tehtavate vigade hulk.
  §  Hoiduda tuleks sellistest küsimustest nagu:
  –  suunavad küsimused;
  –  teaduslikult täpse, kuid pika ja keeruka sõnastusega küsimused;
  –  mitmeti mõistetavad küsimused;
  –  ärritavad küsimused (sh küsimusega mittesobivad vastusevariandid ).
  Kirjeldav statistika
  Küsimustik
  §  Küsimuste/mõõdikute kavandamisel mõtle ja otsi infot järgneva
  kohta:
  –  kas saab uuritavat nähtust mõõta otse või läbi indikaatori(te)?
  –  kas antud nähtust on eelnevates uuringutes mõõdetud ning kas vastav
  kirjandus on usaldusväärne ?
  –  kas saab juba olemasolevaid mõõdikuid kohandada või tuleb välja
  töötada uued mõõdikud/küsimused?
  ( pööra tähelepanu: kultuurilised ja kontekstuaalsed erinevused;
  võrreldavus eelnevate uuringute tulemustega, jne)
  –  kas peaks kasutama piloteerimist ning järelkontrolli?
  K.Niglas
  Kirjeldav statistika
  Üldine skeem
  Sissejuhatavad, lihtsad küsimused
  KONTAKTI LOOMINE
  Küsimused teema kohta.
  k.a. kontrollküsimused, provotseerivad
  (spontaansuse suurendamiseks )
  Kommentaaride lisamisvõimalus
  Vähemalt lõpus!
  Taustaküsimused
  Ainult uuringu jaoks olulised!
  Kirjeldav statistika
  Millest sõltub andmeanalüüsimeetodi valik?
  •  Uurimisküsimus : laiem
  •  Analüüsiküsimus: nt. kas kaks gruppi on erinevad/seotud?
  Küsimuse tüübist
  •  Nimitunnused
  •  Nimitunnuse väärtuseid ei saa järjestada, järjestustunnusel saab
  •  Järjestustunnused
  •  Arvtunnuse skaalavahemikud on võrdsed, järjestustunnusel mitte
  •  Arvtunnused
  •  Arvtunnuse korral saame arvutada keskväärtust, st.hälvet; binaarse tunnuse korral
  mitte
  •  Binaarsed tunnused
  Andmete tüübist (väärtuste järjestatavus, skaalavahemike võrdsus)
  •  Uurija teadmised/oskused
  •  Kellele esitab, kuidas?
  Sihtrühmast
  Kirjeldav statistika
  Tunnuse tüübid
  Nimitunnuse väärtuseid ei saa järjestada
  Järjestustunnuste väärtuseid saab
  järjestada
  Skaalavahemikud ei ole võrdsed
  Skaalavahemikud on võrdsed
  Vähe erinevaid väärtuseid
  Palju võimalikke väärtuseid
  Kaks võimalikku väärtust
  Järjestatavus ja skaalavahemike võrdsus ei
  ole probleem
  Arvestame
  järjestatavust, skaalavahemike võrdsust
  Nimitunnused
  Järjestustunnused
  Intervalltunnused
  Binaarsed tunnused
  Kirjeldav statistika
  Eeltöö – andmestiku korrastamine
  §  Puuduvad väärtused - kui palju neid on, mida teha tühjade
  lahtritega?
  §  Andmesisestusvead
  §  Andmete grupeerimine (vajadusel)
  §  Skaalade pööramine (vajadusel)
  15.02.14
  5
  Kirjeldav statistika
  Sugu
  Kirjeldav statistika
  Vanus
  Kirjeldav statistika
  Kool
  Kirjeldav statistika
  Õppevaldkond
  Kirjeldav statistika
  Tegevusala
  Kirjeldav statistika
  15.02.14
  6
  Kirjeldav statistika
  Kuivõrd aitasid praeguse töökoha saamisele kaasa: omandatud (pea)eriala/erialad
  Frequency Percent Valid Percent Cumulative Percent
  Valid Nõustun täiesti 1016 46.5 62.3 62.3
  Pigem nõustun 352 16.1 21.6 83.8
  Pigem ei nõustu 146 6.7 8.9 92.8
  Ei nõustu üldse 118 5.4 7.2 100.0
  Total 1632 74.7 100.0
  Missing System 554 25.3
  Total 2186 100.0
  Kirjeldav statistika
  Andmeanalüüsi vahendid
  Kirjeldav statistika
  Andmeanalüüsi küsimus
  KIRJELDAV
  (esmane analüüs)
  VÕRDLEV
  (erinevused gruppide vahel)
  KORRELATSIOON
  (seosed tunnuste vahel)
  KIRJELDAV
  (esmane analüüs)
  ■ tekst
  ■ tabel
  ■ diagramm
  Kirjeldav statistika
  §  Eesmärk
  –  uuritava nähtuse süstemaatilinekirjeldamine protsentjaotuste ja
  keskväärtuste kaudu, tabelite ja graafikute vormis.
  §  Vaadeldakse vaid üksiktunnuseid
  –  Kõrvale jäetakse tunnuste omavahelised seosed.
  Esmane analüüs
  KIRJELDAV
  (esmane analüüs)
  VÕRDLEV
  (erinevused gruppide vahel)
  KORRELATSIOON
  (seosed tunnuste vahel)
  Kirjeldav statistika
  Esmane ülevaade andmetest
  „Kui suur osa õpilasi kasutab Facebooki iga päev?“,
  „Kas ja kui palju leidub neid õpilasi, kes Facebooki üldse ei kasuta?“
  „Mis on kõige tüüpilisem kasutussagedus ehk millise
  vastusevariantidest on valinud kõige suurem osa õpilastest?“.
  Kirjeldav statistika
  Sagedustabel
  §  Frequency - vastajate arv
  §  Percent - osakaal
  §  Valid percent - osakaal mittepuuduvatest väärtustest
  §  Cumulative percent - kumulatiivne protsent
  vanuse_grupid
  43 4,9 5,0 5,0
  147 16,7 17,0 21,9
  174 19,7 20,1 42,0
  162 18,4 18,7 60,7
  160 18,1 18,5 79,1
  181 20,5 20,9 100,0
  867 98,3 100,0
  15 1,7
  882 100,0
  kuni 20
  21-30
  31-40
  41-50
  51-60
  üle 61
  Total
  Valid
  System Missing
  Total
  Frequency Percent Valid Percent
  Cumulative
  Percent
  15.02.14
  7
  Kirjeldav statistika
  Sagedustabel
  Kirjeldav statistika
  Tabeli (ridade) järjestamine
  §  Internetikasutuse osakaalud 2008.aastal erinevates riikides
  6.-17. aastaste laste seas.
  §  Juhul kui tabelis
  toodud kategooriad
  ei olesisuliselt
  tähenduslikus
  järjekorras, siis
  järjestatakse tabeli read sageduste/osakaalude järgi (Tabel 2B).
  Kirjeldav statistika
  Järelduse koostamine
  §  Tabeli 10. põhjal näeme, et 15 vastajat (38,5%) hindas
  ettevalmistust ebapiisavaks; 9 vastajat (23,1%) enam-vähem
  piisavaks ning 15 vastajat (38,5%) täiesti piisavaks.
  Kirjeldav statistika
  Järeldustes...
  §  Ei tohi liialdada ebamääraste väljenditega
  •  Enamasti
  •  Sageli
  •  Suuremas osas
  •  Harva
  •  Mõnikord
  •  Kohati.
  Need tekitavad küsimusi , kui sageli, kui harva, mis tingimustel jne.
  §  Paremad on täpsemad väljendid
  •  alla poole (46%)
  •  ligi kolmandikul juhtudest
  •  peaaegu kolmveerand näidetest jne.
  Kirjeldav statistika
  §  Üldine reegel TEKSTI SEES
  TOODUD
  ARVUDENA
  TABELINA
  ARVJOONISE e
  DIAGRAMMINA
  Vali arvulise info
  edastusviisiks tekst,
  kui korraga on vaja
  esitada vaid üks-kaks
  arvulist näitajat
  Vali esitluseks tabel,
  kui on vajalik anda edasi
  täpset arvulist infot või
  kui võrreldavate
  arvnäitajate
  suurusjärgud on väga
  erinevad
  Vali esitluseks diagramm,
  kui soovid eelkõige anda
  kiiret ülevaadet
  üldtendentsi(de)st ja
  suundumus(te)st
  Esitlusviis peaks toetama
  parimal viisil tulemuste
  sisust kiiret ja õiget
  arusaamist ning olema
  kompaktne.
  Statistiliste andmete esitamine
  Kirjeldav statistika
  TNS Emori läbiviidud heategevusliku käitumise
  uuringu tulemused.
  Milline nendest on parem viis
  andmete esitamiseks suulises
  eZekandes ja uurimistöö
  kirjalikus raporBs.
  15.02.14
  8
  Kirjeldav statistika
  Andmete esitamine - tekstina
  §  Vastajaid vähem kui 100
  –  23.03.09 toimunud kirjeldava statistika osa eksamil osales 39 üliõpilast.
  –  Eksamil osalenud 39-st üliõpilasest ligi kolmandik (15) oli osalenud
  kõikides loengutes; kõikides praktikumides osalemise vastav arv oli 10.
  §  Soovi korral võib ülevaatlikkuse tõstmiseks sagedusele sulgudes
  lisada osakaalu
  –  Uuringus osales 17 inimest, kellest 4 (23%) olid teinud rahalisi annetusi
  eelmise aasta jooksul.
  §  Vastajaid rohkem kui 100
  –  Seisuga30 aprill2007 on 1.6% vanemahüvitise saajatest mehed.
  Kirjeldav statistika
  Tulpdiagramm
  Tulba kõrgus näitab vastajate
  arvu või protsenB
  * Võrdleb erinevaid kategooriaid
  * Pika teksB korral teljed ära
  vahetada
  * Tulbad võiks paigutada suuruse
  järjekorda (kui ei ole sisulist
  järjestust)
  Kirjeldav statistika
  Keda sooviksite näha järgmise
  peaministrina?
  Turu-uuringute AS küsitles 16-17.02
  telefoni teel 305 valimisõiguslikku EesB
  elanikku.
  Küsitluse valim on representaBivne ning
  üldistatav valimisõiguslike EesB elanike
  suhtes.
  Kirjeldav statistika
  Joondiagramm
  Ajas muutuvate andmete kirjeldamine
  Õppijaid haridusastmete järgi, 1996-2004
  (aasta alguses, tuhat )
  0
  10
  20
  30
  40
  50
  60
  70
  80
  1996 1997 1998 1999 2000 2001 2002 2003 2004
  Kõrgharidus
  Üldkeskharidus
  (gümnaasiumiklassid)
  Kutseharidus
  tuhat
  Kirjeldav statistika
  Tulpdiagramm ≠Histogramm
  Kirjeldav statistika
  Kirjeldavad arvnäitajad
  Keskmine tase
  Mood
  Mediaan
  Aritmeetiline keskmine
  Geomeetriline keskmine
  Harmooniline keskmine
  Ruutkeskmine
  Kaalutud keskmine
  Hajuvus
  Ulatus
  Kvartiilid
  Protsentiilid
  Dispersioon
  Standardhälve
  Jaotuse kuju
  Asümmeetria
  Ekstsess
  15.02.14
  9
  Kirjeldav statistika
  Aritmeetiline keskmine e keskväärtus
  §  ...võimaldab suurt hulka numbrilisi andmeid koondada ja välja tuua
  üldtendentse.
  §  Puuduseks tundlikkus äärmuslike väärtustesuhtes,kasutatakse eelkõige
  väikese hajuvuse korral keskväärtuse suhtes.
  §  Nt keskmine vanus 44 ei ütle midagi selle kohta, kuipalju on alla 20-aastaseid.
  §  Mood ja mediaan – muutuvad siis, kui esineb olulisi muutusi andmetes
  §  Aritmeetiline keskmine– muutub siis, kui muutub kasvõi üks rea liige
  §  Keskväärtus on võrreldes teiste näitajatega kõige stabiilsem
  §  Kõigile teada tuntud arvnäitaja (kõik teavad ja oskavad arvutada)
  Kirjeldav statistika
  Ulatus e haar (Range)
  § ... maksimaalse ja minimaalse väärtuse vahe e. vahemiku laius, milles
  andmed paiknevad
  § Milliste maakondade tulemused
  hajuvad kõige rohkem?
  + lihtsamini leitav
  - sõltub äärmistest väärtustest,
  mis võivad olla ekstreemsed!!
  100 10 90
  95 15 80
  100 10 90
  100 10 90
  100 10 90
  100 10 90
  100 15 85
  100 10 90
  100 10 90
  95 15 80
  95 10 85
  100 0 100
  100 15 85
  100 10 90
  100 0 100
  Harjumaa
  Hiiumaa
  Ida-Viru
  Jõgevama
  Järvamaa
  Lääne-Vi
  Läänemaa
  Põlvamaa
  Pärnumaa
  Raplamaa
  Saaremaa
  Tartumaa
  Valgamaa
  Viljandi
  Võrumaa
  Maximum Minimum Range
  Kirjeldav statistika
  Kvartiilid
  § Kvartiilid jagavad variatsioonirea nelja võrdsesse ossa
  Kirjeldav statistika
  Karpdiagramm
  Alumine kvarBil
  Ülemine kvarBil
  Mediaan
  Kõige väiksem väärtus
  Kõige suurem väärtus
  25% andmetest
  50% andmetest
  25% andmetest
  Kirjeldav statistika
  Standardhälve
  §  Kui palju üksikud tulemused erinevad keskmisest?
  Kui andmed on ühesugused => st.hälve=0
  Mida rohkem nad erinevad => suurem on st.hälve
  21,86
  17,81
  22,05
  21,10
  18,49
  18,81
  19,58
  19,74
  20,05
  17,61
  18,38
  22,27
  20,41
  20,40
  21,19
  Harjumaa
  Hiiumaa
  Ida-Viru
  Jõgevama
  Järvamaa
  Lääne-Vi
  Läänemaa
  Põlvamaa
  Pärnumaa
  Raplamaa
  Saaremaa
  Tartumaa
  Valgamaa
  Viljandi
  Võrumaa
  Std Deviation
  100 10 90
  95 15 80
  100 10 90
  100 10 90
  100 10 90
  100 10 90
  100 15 85
  100 10 90
  100 10 90
  95 15 80
  95 10 85
  100 0 100
  100 15 85
  100 10 90
  100 0 100
  Harjumaa
  Hiiumaa
  Ida-Viru
  Jõgevama
  Järvamaa
  Lääne-Vi
  Läänemaa
  Põlvamaa
  Pärnumaa
  Raplamaa
  Saaremaa
  Tartumaa
  Valgamaa
  Viljandi
  Võrumaa
  Maximum Minimum Range
  Kirjeldav statistika
  Standardhälve
  1 2 3 4 5
  5
  4
  3
  2
  1
  0
  1 2 3 4 5
  5
  4
  3
  2
  1
  0
  1.õppejõud
  M=2,6
  SD=0,55
  2.õppejõud
  M=2,6
  SD=1,82
  15.02.14
  10
  Kirjeldav statistika
  asümmeetria
  §  Jaotus on väljavenitatud paremalt poolt
  §  Jaotuse “saba” on paremal pool
  §  Skaalal väiksemaid väärtuseid rohkem
  •  PosiBivne asümmeetria (skewness)
  1900 1910 1920 1930 1940 1950 1960
  Kirjeldav statistika
  asümmeetria
  §  Jaotus on väljavenitatud vasakult poolt
  §  Jaotuse “saba” on vasakul poolt
  §  Skaalal suuremaid väärtuseid rohkem
  •  NegaBivne asümmeetria (skewness)
  1950 1960 1970 1980 1990 2000 2010
  Kirjeldav statistika
  Tulemuste esitamine
  §  Uurimuses osalejate kommunikatsiooniga rahulolu määra
  hindamiseks arvutati välja üldise kommunikatsiooniga rahulolu
  keskmine näitaja M=4,82 (SD=0,94), mida suurem on saadud
  tulemus, seda kõrgem on rahulolu tase (1 – väga rahulolematu, 7 –
  väga rahul). Keskmise põhjal võib väita, et uuringus osalenud
  inimesed on oma organisatsioonide kommunikatsiooniga keskmisest
  rahulolevamad.
  §  .
  Kirjeldav statistika
  Andmeanalüüsi küsimus
  KIRJELDAV
  (esmane analüüs)
  VÕRDLEV
  (erinevused gruppide vahel)
  KORRELATSIOON
  (seosed tunnuste vahel)
  KIRJELDAV
  (esmane analüüs)
  VÕRDLEV
  (erinevused gruppide vahel)
  ■ tekst
  ■ tabel
  ■ diagramm
  ■ tekst
  ■ tabel
  ■ diagramm
  ■ keskväärtuste kaudu
  ■ proportsioonide
  kaudu
  Kirjeldav statistika
  Erinevuste uurimine
  §  Keskväärtuste arvutamise kaudu
  §  Milline on vastajate keskmine sissetulek? Kas mehed või naised
  teenivad keskmiselt rohkem?
  §  Kuidas sõltub sissetuleku suurus omandatud haridustasemest?
  §  ...
  Kirjeldav statistika
  Erinevuste uurimine
  §  Keskväärtustekaudu
  15.02.14
  11
  Kirjeldav statistika
  Erinevuste uurimine
  §  Tunnused: nimitunnus, binaarne tunnus, järjestustunnus
  §  Millise haridustasemega vastajate seas on enam lahutatud isikuid?
  •  Kui keskväärtust arvutada ei saa
  Kirjeldav statistika
  Erinevuste uurimine
  §  Millise haridustasemega vastajate
  seas on enam lahutatud isikuid?
  §  võrdlev sagedustabel e RISTTABEL
  •  Kui keskväärtust arvutada ei saa
  Kirjeldav statistika
  Andmeanalüüsi küsimus
  KIRJELDAV
  (esmane analüüs)
  VÕRDLEV
  (erinevused gruppide vahel)
  KORRELATSIOON
  (seosed tunnuste vahel)
  KIRJELDAV
  (esmane analüüs)
  VÕRDLEV
  (erinevused gruppide vahel)
  ■ tekst
  ■ tabel
  ■ diagramm
  ■ tekst
  ■ tabel
  ■ diagramm
  ■ keskväärtuste kaudu
  ■ proportsioonide
  kaudu
  KORRELATSIOON
  (seosed tunnuste vahel)
  ■ tekst
  ■ tabel
  ■ diagramm
  Kirjeldav statistika
  Korrelatsioonanalüüs
  Seose analüütiline hindamine
  Seose visuaalne hindamine
  Kirjeldav statistika
  Korrelatsioonikordajad
  §  Pearson’s r
  §  Standardiseeritud kahe tunnuse vahelise
  seose kordaja
  §  Pearsoni kordaja puudused
  –  lineaarne seos: tunneb punktipilve, mis
  on venitatud piki sirget.
  –  tundlik erandite suhtes: paar üksikut
  erandit väikeses valimis võivad
  kahekordistada kordaja väärtust.
  Kirjeldav statistika
  KORRELATSIOONANALÜÜS
  §  Kuidas on seotud vanus ja majapidamistöödeks kuluv aeg?
  Correlations
  1 ,198**
  , ,000
  882 873
  ,198** 1
  ,000 ,
  873 873
  Pearson Correlation
  Sig. (2-tailed)
  N
  Pearson Correlation
  Sig. (2-tailed)
  N
  vanus
  Tunde
  majapidamistöödeks
  (tööpäeviti)
  vanus
  Tunde
  majapidami
  stöödeks
  (tööpäeviti)
  Correlation is significant at the 0.01 level (2-tailed). **.
  15.02.14
  12
  Kirjeldav statistika
  Korrelatsioonikordajad
  §  Spearman’s ρ
  §  MPAR korrelatsioonikordaja
  §  Astakkorrelatsioonikordaja
  –  intervalltunnused ei vasta
  normaaljaotusele
  (ka erandlikud väärtused)
  –  Järjestustunnus(ed)
  –  asendab väärtused järjekorra-numbritega ning kasutab Pearsoni
  kordaja valemit =>
  Spearmani kordaja kordaja (üldjuhul)
  Kirjeldav statistika
  korrelatsioonanalüüs
  §  Spearmani kordaja
  Correlations
  1,000 -,357**
  , ,000
  829 821
  -,357** 1,000
  ,000 ,
  821 873
  Correlation Coefficient
  Sig. (2-tailed)
  N
  Correlation Coefficient
  Sig. (2-tailed)
  N
  sissetulek viimasel kuul
  Tunde
  majapidamistöödeks
  (tööpäeviti)
  Spearman's rho
  sissetulek
  viimasel kuul
  Tunde
  majapidami
  stöödeks
  (tööpäeviti)
  Correlation is significant at the .01 level (2-tailed). **.
  Kirjeldav statistika
  Korrelatsioonikordajad
  §  Kendall’s τ
  §  MPAR korrelatsioonikordaja
  §  Astakkorrelatsioonikordaja
  –  kui on vähe andmeid ja palju
  sarnaseid väärtuseid
  Kirjeldav statistika
  Korrelatsioonikordajad
  §  Cramer ’s V
  –  Nimitunnuste seose
  tugevuse uurimiseks.
  –  Kordaja ei näita
  seose suunda,
  ainult tugevust.
  N: Eriala ja tööl käimise
  seos V=,45
  §  Phi
  –  2x2 binaarsete tunnuste korral
  –  Ruutjuur hii-ruudu väärtuse jagatisest valimi suurusega
  Kirjeldav statistika
  Milline kordaja valida?
  KORDAJA ANDMED LISATINGIMUS
  PEARSON I + I Seose kuju – lineaarne
  Erandlikud väärtused puuduvad (ei domineeri )
  SPEARMAN I + I, I + J, J + J Seose kuju ei ole lineaarne ja jaotusel on
  erandlikud väärtused (I + I)
  KENDALL J + J Väike valim ja palju sarnaseid väärtuseid
  CRAMER I + N, I + B, N + B,
  N + N, N + J, B + J
  Tõlgendatakse vaid seose tugevust, miZe
  suunda
  PHI B + B Tõlgendatakse vaid seose tugevust, miZe
  suunda
  Kirjeldav statistika
  Tulemuste esitamine
  §  Tajutud stressi taseme ja enesetõhususe vahelise suhte analüüsil
  ilmnes oluline negatiivne korrelatsioon, mille kohaselt madalama
  enesetõhususega õpetajad tajusid stressi kõrgemalt (r=-.37, p=.
  010).
  §  Laste väliskeskkonna mängu ja vanemate soovide vahel ilmnes
  tugev negatiivne seos (r=-0,713; p=0,05), mille põhjal võib väita, et
  vanemate soov oma lapsi näha teatud tegevustes ja olemuses
  erineb sellest (ootused on lapse mängulisusele on kõrgemad),
  millised on lapsed väljas mängides tegelikult. Tunnuse väärtuste järjestamine
  Tee tunnuse nime peal hiire parem klõps ning vali:
  Sort Ascending: kasvavas järjekorras järjestamiseks (1, 2, 3, 4, ... jne)
  Sort Descending: kahanevas järjekorras järjestamiseks (9, 8, 7, 6, ... jne)
  Enamlevinumad andme- ja failiteisendused 2012
  2. Tekstitunnuse muutmine numbriliseks
  Tunnuse Sugu väärtused olid Exceli andmestikus esitatud sõnadena (mitte kodeeritult). Andmestiku SPSS-i
  ületoomisel loodi tekstitüüpi ( String ) tunnus. See saada takistuseks edasise andmeanalüüsi tegemisel,
  seega teisendame tekstitüüpi (String) tunnuse numbriliseks (Numeric) tunnuseks.
  Vali Transform/Automatic Recode
  Vali tunnus sugu ning vii see
  Variable lahtrisse.
  Kuna teisenduse käigus
  luuakse uus tunnus, siis on
  vaja sellele panna nimi.
  Sisesta loodava tunnuse nimi
  lahtrisse New Name ning
  klõpsa Add New Name nupul.
  Muuta on veel võimalik seda,
  kas kodeerimist alustatakse
  kasvavas järjestuses (Lowest
  value) või kahanevas
  järjestuses ( Highest value).
  Koodide määramisel on
  aluseks vastusevariantide
  tähestikuline järjestus.
  Kasvav järjestus (Lowest
  value) on näiteks selline:
  Mees - 1
  Naine - 2
  Teisenduse tulemusena loodi SPSS-i tabelisse (kõige lõppu) uus tunnus sugu1:
  Enamlevinumad andme- ja failiteisendused 2012
  3. Arvutamine
  Arvutame vastajate sissetuleku, liites kokku palga ja lisatasu
  Vali Transform/Compute
  Arvutuse tulemusena loodi SPSS-i tabelisse (kõige lõppu) uus tunnus sissetulek:
  Sisesta Target Variable lahtrisse uue
  loodava) tunnuse nimi (ilma tühikuteta).
  Numeric Expression lahtrisse too (ära kirjuta
  tunnuse nimesid , lohista hiirega või kasuta
  noole klahvi) tunnused, nende vahele sisesta
  + märk.
  Enamlevinumad andme- ja failiteisendused 2012
  4. Tunnuse väärtuste jagamine gruppidesse
  Jagame loodud tunnuse sissetulek väärtuse vahemikesse.
  Vali Transform/Visual Binning
  Vali tunnus sissetulek ja vii see
  Variables to Bin väljale.
  Jätkamiseks klõpsa nupul Continue
  Vahemike loomiseks klõpsa Make Cutpoints nupul.
  Sisestame loodavate
  vahemike laiuse Width väljale
  ning esimese vahemiku
  lõpppunkti asukoha First
  Cutpoint Location lahtrisse.
  Klõpsa kursor kolmandasse,
  veel tühja lahtrisse (Number
  of Cutpoints), mille sisu täidab
  programm automaatselt.
  Sisesta Binned Variable lahtrisse uue
  loodava) tunnuse nimi (ilma tühikuteta).
  Andmesiltide loomiseks klõpsa Make Labels
  nupul. Andmesildid luuakse automaatselt
  vastavalt eelnevalt määratud intervalli
  laiusele.
  Enamlevinumad andme- ja failiteisendused 2012
  Vahemikeks jagamise tulemusena loodi SPSS-i tabelisse (kõige lõppu) uus tunnus sissetulek1:
  5. Väärtuste selekteerimine
  Oletame, et me soovime uurida mingis analüüsi osas ainult neid, kellel on 1 laps.
  Seega me soovime, et meie andmetabelis oleks vaid need vastajad, kellel on 1 laps.
  Vali Data/ Select Cases
  Kasutame
  selekteerimiseks If
  tingimust.
  Need väärtused, mis peaksid andmetabelisse jääma, kirjeldame ära tingimuses: lastearv=1
  Selekteerimise tulemusena kasutatakse edaspidi analüüsis vaid neid vastajaid, kellel on 1 laps. Teistele
  objektidele tõmmati „joon peale“ ning nende vastused analüüsis ei sisaldu.
  Enamlevinumad andme- ja failiteisendused 2012
  Kõikide andmete analüüsimiseks e selekteeringu eemaldamiseks kustuta andmetabelist tunnus filter_$
  6. Andmestiku jagamine osadeks.
  Oletame, et me soovime tellida analüüsi erinevate andmegruppide kohta (nt. meeste ja naiste jaoks eraldi).
  Selleks tuleb järgida skeemi:
  * jagame andmestiku osadeks (Split File)
  Vali Data/Split File
  Vali Compare groups või
  Organize output by groups. Vt.
  erinevust lehe alumises osas
  paiknevas tabelis.
  Vii tunnus, mille põhjal
  andmestik osadeks jagatakse,
  väljale Groups Based on
  väljale.
  * tellime vajaliku analüüsi (sagedustabeli, diagrammi vms)
  * eemaldame gruppideks jagamise (Split File) Analyze all cases, do not create groups
  ERINEVATE KATEGOORIATE/TUNNUSTE VÕRDLEMINE
  Gruppide võrdlemine juhul kui KESKVÄÄRTUST SAAB ARVUTADA.
  Uuritav tunnus: intervalltunnus (arvud, Likerti skaala)
  Näide 1. Võrdleme meeste naiste hinnanguid järgmistes küsimustes:
  o2 Tähtis olla rikas, omada raha ja kalleid asju
  o5 Tähtis elada turvalises ümbruskonnas
  o12 Tähtis aidata inimesi ja hoolitseda nende heaolu eest
  o13 Tähtis olla edukas
  A. Analyze/Compare Means /Means...
  Mees Naine
  N M SD N M SD
  Tähtis olla rikas, omada raha ja kalleid asju 2348 3,73 1,402 3164 4,04 1,405
  Tähtis elada turvalises ümbruskonnas 2352 2,48 1,215 3164 2,09 1,103
  Tähtis aidata inimesi ja hoolitseda nende heaolu eest 2342 2,61 1,008 3154 2,32 ,979
  Tähtis olla edukas 2348 2,97 1,301 3152 3,18 1,381
  * Tabeli ridade veergude vahetamiseks märgista tabel ning vali Pivot/Transpose Rows and Columns
  B. Graps/Legacy Dialogs/Bar...
  Simple/Summaries of Separate Variables Clustered/Summaries of Separate Variables
  Ülesanne 1. Võrrelge kolme riigi keskmiseid hinnanguid rahulolu eri aspektidele. Tõlgendage saadud tulemust.
  y4 Üldine rahulolu eluga
  y5 Üldine rahulolu riigi majandusliku olukorraga
  y6 Üldine rahulolu valitsuse tööga
  y8 Üldine rahulolu hariduse olukorraga riigis
  y9 Üldine rahulolu tervishoiusüsteemiga riigis
  Ülesanne 2. Kas võime väita, et mida kõrgem on vastaja igakuine (leibkonna) sissetulek, seda olulisem on tema jaoks
  olla rikas, omada raha ja kalleid asju?
  Ülesanne 3. Võrrelge vabalt valitud gruppide vastuseid järgmistes küsimustes:
  o7 Tähtis teha seda, mida on räägitud ja järgida reegleid
  o9 Tähtis olla alandlik ja tagasihoidlik
  o16 Tähtis käituda korralikult
  o18 Tähtis olla ustav ja pühendunud lähedastele
  o20 Oluline järgida traditsioone ja kombeid
  Esmane
  analüüs
  Gruppide
  vahelised
  erinevused
  Korrelatsioon
  analüüs
  Gruppide võrdlemine juhul kui KESKVÄÄRTUST ARVUTADA EI SAA.
  Uuritav tunnus: nimitunnus, binaarne tunnus, järjestustunnus
  Näide 2. Millises riigis on kõige rohkem vastajaid, keda nende enda arvates diskrimineeritakse?
  Kas Te enda arvates kuulute mõnda gruppi, mida siin riigis
  diskrimineeritakse? (Jah, Ei)
  A. Analyze/Descriptive Statistics/Crosstabs...
   Cells/Percentages (grupeeriva tunnuse protsendid)
  Näites võrdleme eri riikide vastajaid, seega valime protsendid nii,
  et iga riigi vastajad moodustaksid kokku 100% e rea protsendid.
  B. Analyze/Graphs/Legacy Dialogs/Bar...
  Clustered/Summaries for groups of cases
   % of cases
  Kuna võrreldavate gruppide
  suurused ei ole võrdsed,
  võrdleme gruppide
  protsentuaalseid jaotuseid (nagu
  risttabelis).
  Category Axis - uuritav tunnus
  Define Clusters by – tunnus,
  mille gruppe me võrdleme
  Näide 3. Võrdleme usuga seotud teenistustel käimise sagedust tegevuste lõikes.
  u6 Kõrvale jättes erilised sündmused nagu näiteks laulatused ja matused, kui tihti käite käesoleval ajal usuga seotud teenistustel?
  Ülesanne 4. Andke ülevaade küsimuse „Kui tihti, kui üldse, võtate osa usuga seotud rituaalidest või palvetate?“
  vastustest. Võrrelge vastuseid erinevate gruppide lõikes (sugu, haridus jne.).
  Ülesanne 5. Kuivõrd on Eesti, Läti ja Soome vastajate sissetulekute jaotused erinevad?
  Näide 4. Millisel põhjusel on kõige enam vastajaid diskrimineeritud?
  u10 Diskrimineerimise põhjus: nahavärv
  u13 Diskrimineerimise põhjus: religioon
  u16 Diskrimineerimise põhjus: vanus
  u17 Diskrimineerimise põhjus: sugu
  u18 Diskrimineerimise põhjus: seksuaalne orientatsioon
  Analyze/Graphs/Legacy Dialogs/Bar...
  Simple/Summaries of Separate Variables
  KORDAMISÜLESANDED – GRUPPIDE VÕRDLEMINE
  Andmeanalüüsi ülesanne: anda ülevaade meeste-naiste jaotumisest rahvuste lõikes.
  Teie ülesanded:
  a) leida igast seeriast (risttabelid, võrdlevad tulpdiagrammid, kihtdiagrammid, sektordiagrammid)
  statistiliselt/sisuliselt korrektne tulem, mis vastab püstitatud andmeanalüüsi küsimusele.
  b) Otsustada, milline valitud õigetest tulemitest on parim antud tulemuste esitamiseks
  SEERIA 1. Risttabelid
  Tabel 1.
  Rahvus
  Total Eestlane Venelane Muu
  Sugu Mees Count 462 197 39 698
  % of Total 30,7% 13,1% 2,6% 46,3%
  Naine Count 528 246 35 809
  % of Total 35,0% 16,3% 2,3% 53,7%
  Total Count 990 443 74 1507
  % of Total 65,7% 29,4% 4,9% 100,0%
  Tabel 2.
  Rahvus
  Total Eestlane Venelane Muu
  Sugu Mees Count 462 197 39 698
  % within Sugu 66,2% 28,2% 5,6% 100,0%
  Naine Count 528 246 35 809
  % within Sugu 65,3% 30,4% 4,3% 100,0%
  Total Count 990 443 74 1507
  % within Sugu 65,7% 29,4% 4,9% 100,0%
  Tabel 3.
  Rahvus
  Total Eestlane Venelane Muu
  Sugu Mees Count 462 197 39 698
  % within Rahvus 46,7% 44,5% 52,7% 46,3%
  Naine Count 528 246 35 809
  % within Rahvus 53,3% 55,5% 47,3% 53,7%
  Total Count 990 443 74 1507
  % within Rahvus 100,0% 100,0% 100,0% 100,0%
  SEERIA 2. Võrdlevad tulpdiagrammid
  Joonis 1.
  Joonis 2.
  Joonis 3.
  SEERIA 3. Kihtdiagrammid
  Joonis 4. HISTOGRAMM
  Histogramm sobib arvtunnuse (millel on palju erinevaid väärtuseid) väärtuste kokkuvõtmiseks/esitamiseks.
  Kui tulpdiagrammi puhul esitatakse ühes tulbas ühe kategooria väärtused, siis histogrammi ühte tulpa
  koondatakse kokku teatavas vahemikus esinevad väärtused.
  Joonis 1. Tulpdiagramm vastajate vanuselisest jaotusest. Iga tulp esitab vastava vanusega vastajate
  esinemissagedust.
  Joonis 2. Histogramm eelpool toodud vastajate vanuselisest jaotusest. Vanused on koondatud gruppidesse
  ning iga tulp kirjeldab vastava vahemiku esinemissagedust.
  Ebaõnnestunud histogrammid.
  0
  2
  4
  6
  8
  10
  12
  14
  16
  18
  19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
  0
  10
  20
  30
  40
  50
  60
  …-20 21-25 26-30 31-35 36-40 41-45 46-50
  1. Sektordiagramm
  Sektordiagramm sobib niisuguste andmete
  esitamiseks, mille väärtused moodustavad
  kokku terviku e 100%.
  Iga sektor näitab vastava kategooria osa
  tervikust.
  www.aripaev.ee
  1.1. Üldised kujundamisreeglid:
   Kokku võiks sektordiagramm koosneda 7-9 sektorist. Kindlasti mitte koostada diagrammi juhul kui
  tunnusel on 1 või 2 kategooriat.
   Ühe sektori eemaldamisega (välja tõstmisega) rõhutame seda kategooriat/ sektorit . Kõiki sektoreid välja
  tõsta ei ole otstarbekas.
   Sektorid võib järjestada kahanevasse järjekorda, kui tunnuse väärtused ei ole sisulises järjekorras
  (järjestustunnus või intervalltunnus).
   3D kujundid on küll vahvad, kuid võivad moonutada tulemust ( eespool olevad sektorid paistavad
  suuremad, teised väiksemad).
  Sektordiagrammi koostamise ja kujundamise juhend 2012
  1.2. Ebaõnnestunud sektordiagrammid
  2. Sektordiagrammi koostamine
  1. Koostame sektordiagrammi tunnuse haridustase vastustest.
  Valime Graphs/Legacy Dialogs/Pie...
  Vali tunnus Haridustase ja vii
  see Define Slices by: väljale.
  NB! Järjestustunnusest koostatud sektordiagrammi kujundamisel ei tohi sektoreid suuruse järgi järjekorda
  seada, kuna tunnuse väärtustel on sisuline järjestus olemas.
  2. Koostame sektordiagrammi tunnuse perekonnaseis vastustest.
  Valime Graphs/Legacy Dialogs/Pie...
  NB! Nimitunnusest koostatud sektordiagrammi kujundamisel võib parema
  ülevaate saamiseks sektorid suuruse järgi järjekorda seada.
  18%
  10%
  10%
  15%
  10%
  16%
  10%
  11%
  26,39%
  73,61%
  mees
  naine
  sugu
  JÄRJESTUS-TUNNUS
  NIMITUNNUS
  Sektordiagrammi koostamise ja kujundamise juhend 2012
  3. Koostame sektordiagrammi tunnuse sugu vastustest.
  Valime Graphs/Legacy Dialogs/Pie...
  NB! Binaarsel tunnuse on kaks
  võimalikku väärtust, seega ei sobi
  nende esitamiseks sektordiagramm, sest
  esitatavat infot on liiga vähe. Parem viis nende andmete esitamiseks on tekst.
  4. Koostame sektordiagrammi tunnuse vanus vastustest.
  NB! Kui tunnusel on rohkem
  kui 9 erinevat
  väärtust/kategooriat, siis selle
  tunnuse väärtustest ülevaate
  andmiseks sektordiagramm ei sobi. Parem on
  koostada histogramm.
  NB! Kui intervalltunnusel on vähe (maksimaalselt 9) erinevaid väärtuseid, siis sektordiagramm sobib
  andmetest ülevaate andmiseks.
  Sektorite järjekorda seadmine ei ole lubatud kuna tunnuse väärtustel on sisuline järjestus olemas.
  Lisavõimalus (Panel by...) eraldi sektordiagrammide koostamiseks valitud kategooriate kohta
  (Alates versioonist 14.0)
  Panel by pakub lisavõimalusi valitud tunnuse kategooriate kohta sektordiagrammi koostamiseks. Kui me
  näiteks paneme tunnuse „sugu“...
  ...Rows väljale, saame me kaks erinevat
  sektordiagrammi, ühe meeste ja teise naiste vastuste
  kohta. Loodavad diagrammid paigutatakse üksteise alla
  (ridadesse).
  ... Columns väljale, saame me taaskord kaks
  sektordiagrammi, mis on paigutatud üksteise kõrvale
  (veergudesse).
  BINAARNE
  TUNNUS
  INTERVALLTUNNUS,
  MILLEL ON PALJU
  ERINEVAID
  ARVVÄÄRTUSEID
  Sektordiagrammi koostamise ja kujundamise juhend 2012
  3. Sektordiagrammi kujundamine
  Tulemus kuvatakse tulemuste (Output) faili.
  Tulemi kujundamiseks tee diagrammil topeltklõps ning rakenda soovitud muudatusi Chart Editor aknas .
  3.1. Andmesiltide lisamine
  Märgista sektorid
  Tee paremklõps sektorite peal ning vali loendist Show
  Data Labels
  Koos andmesiltidega muutus ka Properties akna sisu, sinna ilmus vaheleht Data Value Labels
  Displayed väljale vii need sildid, mida soovid diagrammil kuvada.
  Hetkel on sektoritel kuvatud vastava kategooria osakaal
  protsentides ning kategooria nimetus.
  Kui kõik andmesildid ära ei mahu (tekst liiga pikk või sektoreid
  liiga palju), kuvab SPSS ainult need, mis ära mahuvad. Kõikide
  andmesiltide kuvamiseks:  Suppress overlapping labels
  Sektordiagrammi koostamise ja kujundamise juhend 2012
  Andmesiltidel esitatava teksti suuruse muutmiseks vali andmesildid, ava Properties aknas
  Text Style vaheleht ning määra soovitud kirja suurus ( Preferred Size).
  Andmesiltidel esitatud numbrite komakohtade
  muutmiseks vali andmesiltidel esitatud numbrid või
  protsendid, ava Properties aknas Number Format
  vaheleht ning muuda kuvatavate komakohtade arv
  (Decimal Places ).
  3.2. Ühe sektori eemaldamine (välja tõstmine)
  Märgista üks sektor. Selleks klõpsa ühe sektori peal kaks korda
  (väikese vahepausiga) e tee „aeglane topeltklõps“.
  Sektori eemaldamiseks tee sellel paremklõps ning vali valikust
  Explode Slice
  Võid kasutada ka nupureal olevat nuppu:
  Sektori tagasiviimiseks vali Return Slice
  3.3. Sektorite kokkuliitmine
  Koostame sektordiagrammi tunnuse leibkonna suurus tulemuste illustreerimiseks.
  Koostatud sektordiagrammist näeme, et tunnusel on
  mitu väikest sektorit.
  Sama tulemuseni jõuame ka tunnuse väärtuste kohta
  koostatud sagedustabeli põhjal.
  Koondame (liidame) väikesed sektorid kokku,
  moodustades ühe suurema sektori.
  Sektordiagrammi koostamise ja kujundamise juhend 2012
  Selleks vali sektorid ning ava Properties aknas Categories vaheleht.
  Märgista valik:
   Collapse (sum) categories
  less than ... %
  Kusjuures osakaalu on võimalik
  ise määrata/muuta.
  Kokkuliidetud väärtustest moodustatud uue sektori
  nime muutmiseks, tee sellel nimel (Other) paremklõps
  ning sisesta uus kategooria nimetus (näiteks „6 ja
  enam“).
  3.4. Sektorite järjestamine
  Koostame sektordiagrammi tunnuse perekonnaseis väärtustest.
  Sektorite järjestamiseks suuruse järgi valime sektorid ning avame Properties aknas Categories vahelehe.
  Sektordiagrammi koostamise ja kujundamise juhend 2012
  Määrame, et sektordiagrammi sektorid järjestatakse nende suuruse järgi (Statistics) kahanevas järjestuses
  (Descending) ning kinnitame valiku (Apply).
  Tulemus on järgmine:
  1. Tulpdiagramm
  Tulpdiagramm sobib nii ühe tunnuse kategooriate võrdlemiseks kui ka mitme tunnuse omavaheliseks
  võrdlemiseks.
  1.1. Üldised kujundamisreeglid
   Väga pikkade andmesiltide korral annab parema tulemuse telgede ära vahetamine.
   Tulbad võib järjestada kahanevasse järjekorda, kui tunnuse väärtused ei ole sisulises järjekorras
  (järjestustunnus või intervalltunnus).
  Tulpdiagrammi koostamise ja kujundamise juhend 2012
  1.2. Ebaõnnestunud tulpdiagrammid
  2. Tulpdiagrammi koostamine
  Tulpdigarammi koostamisel tuleks eelnevalt läbi mõelda, milliseid andmeid sellel esitada soovitakse.
  Tulpdiagrammi koostamiseks vali Graphs/Legacy Dialogs/Bar...
  Esmalt tuleb valida 3 ülemise variandi seast:
  Simple – tavaline (iga tulp esitab ühe tunnuse kokkuvõtet või
  ühe tunnuse ühte kategooriat)
  Clustered – võrdlev (tulbad üksteise kõrval)
  Stacked – kihtdiagramm
  Seejärel tuleb valida 3 alumise variandi seast:
  Summaries for groups of cases - kokkuvõtted tehakse objektide
  gruppide kohta
  Summaries of separate variables - kokkuvõtted tehakse
  erinevate tunnuste kohta
  Values of individual cases - üksikväärtuste analüüs
  Tulpdiagrammi koostamise ja kujundamise juhend 2012
  2.1. Üksikväärtuste analüüs
  Seda valikut kasutatakse praktikas ilmselt kõige harvemini, sest see eeldab juba eelnevalt kokkuvõetud
  andmeid.
  Olgu meil näiteks X kooli kohta teada 10-ndate, 11-ndate ja 12-ndate
  klasside õpilaste arvutatud keskmine hinne.
  Tavapärasest andmestikust erineb näiteandmestik seetõttu, et näites
  ei ole üksikute õpilaste keskmiseid hindeid vaid välja on arvutatud
  klasside keskmised hinded.
  Näites toodud andmete esitamiseks tulpdiagrammi abil, valime Graphs/Legacy Dialogs/Bar...
  Dialoogiaknas valime:
   Simple
   Values of individual cases
  Edasi viime Bars Represent väljale tunnuse
  keskmine_hinne ning kategooriate esitamiseks viime
  tunnuse klass Category Labels/Variable väljale.
  Tulemuseks saame tunnuse üksikväärtustest moodustatud tulpdiagrammi.
  Kui me koostaksime üksikväärtustest
  tulpdiagrammi mahuka (mitte eelnevalt
  kokkuvõetud) andmestiku korral, saaksime
  tulemuseks (olenevalt objektide arvust) täiesti
  loetamatu ning kasutu tulpdiagrammi.
  Tulpdiagrammi koostamise ja kujundamise juhend 2012
  2.2. Tulpdiagrammi koostamine (tulba kõrgus vastajate arv või %)
  1. Koostame tulpdiagrammi tunnuse sissetulek vastustest.
  Valime Graphs/Legacy Dialogs/Bar...
  Vali tunnus Sissetulek ja vii see Category Axis: väljale
  Tulemuseks saime diagrammi,
  mille iga tulp esitab vastava
  kategooria esinemissagedust.
  Näiteks kuni 160€ teenivate
  vastajate arv oli natuke alla 200.
  NB! Järjestustunnusest koostatud
  tulpdiagrammi kujundamisel ei tohi
  tulpasid suuruse järgi järjekorda
  paigutada, kuna tunnuse
  väärtustel on sisuline järjestus
  olemas.
  2. Koostame tulpdiagrammi tunnuse perekonnaseis vastustest.
  Valime Graphs/Legacy Dialogs/Bar...
  NB! Nimitunnusest koostatud tulpdiagrammi kujundamisel võib parema
  ülevaate saamiseks tulbad suuruse järgi järjekorda seada.
  JÄRJESTUS-TUNNUS
  NIMITUNNUS
  Tulpdiagrammi koostamise ja kujundamise juhend 2012
  3. Koostame tulpdiagrammi tunnuse sugu vastustest.
  Valime Graphs/Legacy Dialogs/Bar...
  Tunnusel sugu e binaarsel
  tunnusel on ainult kaks
  võimalikku väärtust, seega ei sobi
  nende esitamiseks tulpdiagramm, sest esitatavat infot on liiga vähe.
  Parem viis nendest andmetest ülevaate koostamiseks on esitada
  tulemused tekstilisel kujul.
  4. Koostame tulpdiagrammi tunnuse vanus vastustest.
  NB! Kui tunnusel on palju
  erinevaid arvväärtuseid, siis nende
  väärtuste kokkuvõtmiseks ning esitamiseks sobib histogramm,
  mitte tulpdiagramm.
  2.3. Lihtsa tulpdiagrammi koostamine (tulba kõrgus arvutatud mingi muu tunnuse väärtuste kaudu)
  Koostame tulpdiagrammi, mille tulba kõrgus ei väljenda enam vastajate arvu või osakaalu vaid on esitab
  näiteks sellesse kategooriasse kuuluvate isikute keskmist vanust.
  Uurime järgnevalt, kas erinevates organisatsioonides töötavate isikute keskmine vanus on erinev.
  Oodatav tulemus on tulpdiagramm, kus igas organisatsioonis töötavate isikute kohta on arvutatud nende
  keskmine vanus (ja see on välja toodud tulba kõrgusena).
  BINAARNE
  TUNNUS
  INTERVALLTUNNUS, MILLEL
  ON PALJU ERINEVAID
  ARVVÄÄRTUSEID
  Tulpdiagrammi koostamise ja kujundamise juhend 2012
  Valime Graphs/Legacy Dialogs/Bar...
  Vali tunnus Töökoht ja vii see Category Axis: väljale.
  Tulpade sisu määrame Bars Represent alajaotuses ning märgistame valiku Other statistic ja viime tunnuse
  Vanus Variable väljale.
  3. Tulpdiagrammi kujundamine
  Diagrammi kujundamine toimub Chart Editor aknas (avamiseks tee koostatud diagrammi peal topeltklõps).
  Koos Chart Editor akna avamisega
  peaks avanema ka Properties aken.
  Properties akna avamiseks tee Chart
  Editor režiimis diagrammi peal
  topeltklõps.
  3.1. Tulpade kujundamine
  Märgista tulpdiagrammi tulbad ning rakenda muudatusi Properties akna Fill & Border vahelehel.
  Fill – sisu värv
  Border – raami värv
  Pattern – tulba muster
  Border Style – raami kujundamine
  Kinnita muudatused Apply nupule
  vajutamisega.
  Tulpdiagrammi koostamise ja kujundamise juhend 2012
  3.2. Teksti kujundamine
  Teksti muutmiseks tee soovitud teksti peal aeglane topeltklõps.
  3.3. Andmesiltide lisamine
  Märgista tulbad ning tee paremklõps tulpade peal ja vali ripploendist Show Data Labels
  Koos andmesiltidega muutus ka Properties akna sisu, sinna ilmus vaheleht Data Value Labels
  Displayed väljale vii need sildid, mida soovid diagrammil kuvada. Näitena on tulpadel kuvatud vastava
  kategooria keskmine vanus.
  Kui kõik andmesildid ära ei mahu (tekst liiga pikk või on tulpasid liiga palju), kuvab SPSS ainult need, mis ära
  mahuvad. Kõikide andmesiltide kuvamiseks:  Suppress overlapping labels
  Andmesiltidel esitatava teksti suuruse muutmiseks vali andmesildid, ava Properties aknas
  Text Style vaheleht ning määra soovitud kirja suurus (Preferred Size).
  Andmesiltidel esitatud numbrite komakohtade muutmiseks vali andmesiltidel esitatud numbrid või
  protsendid, ava Properties aknas Number Format vaheleht ning muuda kuvatavate komakohtade arv
  (Decimal Places).
  Tulpdiagrammi koostamise ja kujundamise juhend 2012
  3.3. Abijoonte kuvamine
  Abijoonte lisamiseks märgista y-telje skaala numbrid.
  Tee skaala numbrite peal paremklõps ning vali
  ripploendist Show Grid Lines.
  Lisatud abijooni saad kujundada Properties aknas.
   Major ticks only – jooned kuvatakse hõredama jaotuse järgi
  (skaala punktides)
   Minor tick only – jooned kuvatakse tihedama jaotuse järgi
  (skaala vahepealsetes punktides)
   Both major and minor ticks – kuvatakse nii tihedama kui ka
  hõredama jaotuse abijooned.
  3.4. Telgede vahetamine
  Kui kategooriaid kirjeldav tekst on liiga pikk, paigutab SPSS selle vertikaalsest või kaldu. Ülevaatlikuma pildi
  saamiseks oleks sellisel juhul vaja tulpdiagrammi teljed ära vahetada (et teksti oleks parem lugeda).
  Telgede vahetamiseks tee tulpdiagrammi peal paremklõps ning vali ripploendist Transpose Chart.
  Horisontaalselt paigutatud teksti poolitamiseks klõpsa kursor
  sobivasse kohta tekstis ning kasuta klahvide Shift + Enter
  kombinatsiooni .
  Tulpdiagrammi koostamise ja kujundamise juhend 2012
  3.5. Tulpade järjestamine
  Tulbad võib järjestada kahanevasse järjekorda, kui tunnuse väärtused ei ole sisulises järjekorras
  (järjestustunnus või intervalltunnus).
  Koostatud tulpdiagrammil ei tohi tulpasid
  suuruse järjekorda paigutada, sest
  tunnuse väärtustel on sisuline järjestus.
  Parema ja ülevaatlikuma pildid saamiseks tunnuse
  väärtuste esinemisest, võiks/peaks tulbad järjestama
  kahanevasse järjekorda.
  Tulpade järjestamiseks vali tulbad ning ava Properties aknas Categories vaheleht.
  Vali tulpade järjestamine nende suuruse järgi (Sort by: Statistics) kahanevas järjestuses (Direction: Descending).
  07.04.14
  1
  Kirjeldav statistika
  Korrelatsioonanalüüs
  Seose analüütiline hindamine
  Seose visuaalne hindamine
  Kirjeldav statistika
  Korrelatsioonikordajad
  §  Pearson’s r
  §  Standardiseeritud kahe tunnuse vahelise
  seose kordaja
  §  Pearsoni kordaja puudused
  –  lineaarne seos: tunneb punktipilve, mis
  on venitatud piki sirget.
  –  tundlik erandite suhtes: paar üksikut
  erandit väikeses valimis võivad
  kahekordistada kordaja väärtust.
  Kirjeldav statistika
  Pearsoni r (intervall + intervall)
  §  Kuidas on seotud kooliskäidudaastate arv ja hinnang
  arvutikasutusoskusele?
  Kirjeldav statistika
  Korrelatsioonikordajad
  §  Spearman’s ρ
  §  MPAR korrelatsioonikordaja
  §  Astakkorrelatsioonikordaja
  –  intervalltunnused ei vasta
  normaaljaotusele
  (ka erandlikud väärtused)
  –  Järjestustunnus(ed)
  –  asendab väärtused järjekorra-numbritega ning kasutab Pearsoni
  kordaja valemit =>
  Spearmani kordaja kordaja (üldjuhul)
  Kirjeldav statistika
  Spearmani roo (järjestus + järjestus)
  §  Kuidas on seotud arvutikasutamise aeg tööks ning
  meelelahutuseks?
  Kirjeldav statistika
  Spearmani roo (järjestus + intervall)
  §  Kuidas on seotud hinnang arvutikasutusoskusele ning see, kui palju
  vastaja kasutab arvutit tööks?
  07.04.14
  2
  Kirjeldav statistika
  Spearmani roo (intervall + intervall)
  ekstreemsed väärtused
  §  Kuidas on seotud sissetulek ja kooliskäidudaastate arv?
  Kirjeldav statistika
  Korrelatsioonikordajad
  §  Kendall’s τ
  §  MPAR korrelatsioonikordaja
  §  Astakkorrelatsioonikordaja
  –  kui on vähe andmeid ja palju
  sarnaseid väärtuseid
  Kirjeldav statistika
  Korrelatsioonikordajad
  §  Cramer’s V
  –  Nimitunnuste seose
  tugevuse uurimiseks.
  –  Kordaja ei näita
  seose suunda,
  ainult tugevust.
  N: Eriala ja tööl käimise
  seos V=,45
  §  Phi
  –  2x2 binaarsete tunnuste korral
  –  Ruutjuur hii-ruudu väärtuse jagatisest valimi suurusega
  Kirjeldav statistika
  Crameri V (binaarne + binaarne)
  Perekonnaseis + kas oled proovinud narkoo7kume?
  V=0,22
  Vanus + kas oled proovinud narkoo7kume?
  V=0,382
  Sissetulek + kas oled proovinud narkoo7kume?
  V=0,809
  Kirjeldav statistika
  Milline kordaja valida?
  KORDAJA ANDMED LISATINGIMUS
  PEARSON I + I Seose kuju – lineaarne
  Erandlikud väärtused puuduvad (ei domineeri)
  SPEARMAN I + I, I + J, J + J Seose kuju ei ole lineaarne ja jaotusel on
  erandlikud väärtused (I + I)
  KENDALL J + J Väike valim ja palju sarnaseid väärtuseid
  CRAMER I + N, I + B, N + B,
  N + N, N + J, B + J
  Tõlgendatakse vaid seose tugevust, miWe
  suunda
  PHI B + B Tõlgendatakse vaid seose tugevust, miWe
  suunda
  Kirjeldav statistika
  Tulemuste esitamine
  §  Tajutud stressi taseme ja enesetõhususe vahelise suhte analüüsil
  ilmnes oluline negatiivne korrelatsioon, mille kohaselt madalama
  enesetõhususega õpetajad tajusid stressi kõrgemalt (r=-.37, p=.
  010).
  §  Laste väliskeskkonna mängu ja vanemate soovide vahel ilmnes
  tugev negatiivne seos (r=-0,713; p=0,05), mille põhjal võib väita, et
  vanemate soov oma lapsi näha teatud tegevustes ja olemuses
  erineb sellest (ootused on lapse mängulisusele on kõrgemad),
  millised on lapsed väljas mängides tegelikult.
  8.04.2012
  1
  KORRELATSIOONANALÜÜS
  Kuidas on kaks tunnust seotud?
   Reeglina
  mõõdetakse seost kahe intervalltunnuse (või järjestustunnuse) vahel.
  On oluline, et mõlemad mõõdetavad tunnused moodustaksid mingi
  järjestuse.
  Pikkus Kaal
  176 68
  176 70
  178 75
  179 76
  180 78
  182 86
  184 88
  184 90
  190 85
  0
  10
  20
  30
  40
  50
  60
  70
  80
  90
  100
  175 180 185 190 195
  Mida suurem kaal, seda pikem
  JA vastupidi:
  mida vähem vastaja kaalub, seda
  lühem ta on.
  KORRELATSIOONANALÜÜS
  Seose visuaalne hindamine
  Seose analüütiline hindamine
  8.04.2012
  2
  KORDAJAD
  Enamlevinud korrelatsioonikordajad
   Pearsoni kordaja puudused
  • Lineaarne seos: tunneb punktipilve, mis on venitatud piki sirget.
  • Tundlik erandite suhtes: paar üksikut erandit väikeses valimis kahekordistavad
  kordaja väärtust.
   Spearman e. astakkorrelatsioonikordaja
  • Pidevad tunnused ei ole normaaljaotusega (ka erandlikud väärtused)
  • Järjestustunnus
  • Spearmanni kordaja > Pearsoni kordaja (tavaliselt)
   Kendall
  • Vähemalt järjestustunnused
  • Samasuunaliste ja vastassuunaliste paaride analüüs.
   Crameri V
  • Nimitunnuste seose tugevuse uurimiseks.
  • Kordaja ei näita seose suunda, ainult tugevust.
  Andmeanalüüs (2014)
  Tunnuse tüübid
  Vastavalt sellele, mida me uurida tahame, kogume me andmeid kas inimeste, koolide, valgete hiirte,
  kalendrikuude, kartulipõldude vms kohta. Kõiki selliseid indiviide või üksusi, kelle/mille käest või kohta on
  me andmeid kogume, nimetatakse statistilises andmeanalüüsis objektideks. Andmeid koguma asudes oleme
  valmis mõelnud mingid neid objekte iseloomustavad omadused, mis meid huvitavad, näiteks: värvus, vanus,
  hind, kaal, arvamus millegi suhtes, jne – selliseid omadusi nimetatakse muutujateks. Omadusi, mida saab
  mõõta nii (või mis on juba kokku võetud nii), et iga objekti jaoks saadakse ainult üks vastus ehk üks ühik
  infot nimetatakse tunnusteks. Objektid ja tunnused peavad olema valitud enne andmete kogumist ning
  andmete kogumise käigus püüame saada tulemuse või vastuse iga objekti kohta kõigi meid huvitavate
  tunnuste lõikes - statistika terminoloogiast lähtudes on need väärtused. Nii võivad tunnuse „haridus“
  võimalikud väärtused olla näiteks „algharidus“, „põhiharidus“, „keskharidus“ ja „kõrgharidus“, aga tunnuse
  „vanus“ väärtused näiteks arvud „12“, „27“, „6“, jne. (Arvuti kasutamine uurimistöös ( http://aku.opetaja.ee/ ))
  Andmete analüüsi kontekstis on oluline teha vahet nelja erineva tunnuse tüübi vahel:
  ! Nimitunnused – tunnused, mille väärtused moodustavad kategooriad, kuid neid kategooriaid ei saa
  omavahel järjestada. Nt. rahvus (eestlane, venelane, soomlane, muu); eriala (psühholoogia, informaatika,
  matemaatika, geoökoloogia, sotsioloogia).
  ! Binaarsed tunnused – tunnused, millel on vaid kaks väärtust. Nt. sugu (mees, naine); nõustumine (olen
  nõus, ei ole nõus).
  ! Järjestustunnused – tunnused, mille väärtused moodustavad kategooriad ning neid saab omavahel
  järjestada. Samas ei ole nende väärtuste vahemikud võrdsed. Nt. hinnang (väga hea, hea, rahuldav)
  ! Intervalltunnused (sh arvtunnused) – väärtused on järjestatavad ning nende väärtuste vahemikud on
  võrdsed. Nt. sissetulek (123€, 125€, 130€, 1500€jne.);
  SPSS programmis saab sisestatud andmeid jagada kolme tüübi/skaala vahel: nimitunnus (Nominal),
  järjestustunnus (Ordinal) ning intervalltunnus (Interval). Binaarsed tunnused kuuluvad nimitunnuste alla.
  Ankeet
  1. Vanus: __________
  2. Sissetulek viimasel kuul: __________
  3. Sugu: mees naine
  4. Millised on sinu hobid (märgi kõik sobivad vastused):
   käsitöö
   muusika
   sport
   lugemine
   muu hobi , milline: teatris/kinos käimine
  5. Küsitlustulemuste saamiseks, sisesta oma e- maili aadress: __________
  1. Küsimus, mille vastuseks on number
  Nt. Vanus: 26
  Name: tunnuse nimi (ei alga numbriga, ei sisalda tühikuid ja muid erimärke)
  Type: mis tüüpi andmeid te andmetabelisse sisestama hakkate: numbreid (Numeric)
  Width: numbriliste andmete korral ei ole oluline määrata mitmekohaline on sisestatav number. Seega võib
  jääda vaikimisi lahtris olev väärtus 8.
  Decimals: kuna vanusel komakohad puuduvad, asendame olemasoleva numbri 0-ga.
  Label: tunnuse pikem selgitus , mis võib sisaldada nii erimärke kui ka tühikuid.
  Tunnuste defineerimise juhend 2012
  2. Küsimus, mille vastuseks on komakohaga number
  Nt. Sissetulek viimasel kuul: 1356,85
  Name: tunnuse nimi (ei alga numbriga, ei sisalda tühikuid ja muid erimärke)
  Type: mis tüüpi andmeid te andmetabelisse sisestama hakkate: numbreid (Numeric)
  Width: numbriliste andmete korral ei ole oluline määrata mitmekohaline on sisestatav number. Seega võib
  jääda vaikimisi lahtris olev väärtus 8.
  Decimals: kuna sissetulekul soovime sisestada k aks komakohta, jätame Decimals lahtrisse numbri 2.
  Label: tunnuse pikem selgitus, mis võib sisaldada nii erimärke kui ka tühikuid.
  3. Ühe vastusevariandiga küsimus
  Nt. Sugu: mees naine
  Name: tunnuse nimi (ei alga numbriga, ei sisalda tühikuid ja muid erimärke)
  Type: mis tüüpi andmeid te andmetabelisse sisestama hakkate: numbreid (Numeric)
  Kodeerime vastusevariandid (andmete sisestamise kiirendamiseks ja võimalike sisestusvigade
  vähendamiseks) järgmiselt: 1 mees 2 naine
  Andmetabelisse sisestame numbreid (1 või 2).
  Width: numbriliste andmete korral ei ole oluline määrata mitmekohaline on sisestatav number. Seega võib
  jääda vaikimisi lahtris olev väärtus 8.
  Decimals: kuna me kodeerime tunnuse väärtused täisarvudeks, siis asendame olemasoleva numbri 0-ga.
  Label: tunnuse pikem selgitus, mis võib sisaldada nii erimärke kui ka tühikuid.
  Values: kasutame kodeerimiseeskirja sisestamiseks (Value: kood; Label: kirjeldus)
  Tunnuste defineerimise juhend 2012
  4. Mitme vastusevariandiga küsimus
  Nt. Millised on sinu hobid (märgi kõik sobivad vastused):
   käsitöö
   muusika
   sport
   lugemine
   muu hobi, milline: teatris/kinos käimine
  Iga vastusevariandi jaoks loome eraldi tunnuse.
  Nt: Kas käsitöö on märgitud hobiks?  jah  ei
  Nt: Kas muusika on märgitud hobiks?  jah  ei
  Nt: Kas sport on märgitud hobiks? jah  ei
  Nt: Kas lugemine on märgitud hobiks?  jah  ei
  Nt: Kas on märgitud muu hobi? (Muud hobid kodeerime näite 3 järgi)
  Name: tunnuse nimi (ei alga numbriga, ei sisalda tühikuid ja muid erimärke)
  Type: mis tüüpi andmeid te andmetabelisse sisestama hakkate: numbreid (Numeric)
  Kodeerime vastusevariandid (andmete sisestamise kiirendamiseks ja võimalike sisestusvigade
  vähendamiseks) järgmiselt: 1 jah 2 ei
  Andmetabelisse sisestame numbreid (1 või 2).
  Width: numbriliste andmete korral ei ole oluline määrata mitmekohaline on sisestatav number. Seega võib
  jääda vaikimisi lahtris olev väärtus 8.
  Decimals: kuna me kodeerime tunnuse väärtused täisarvudeks, siis asendame olemasoleva numbri 0-ga.
  Label: tunnuse pikem selgitus, mis võib sisaldada nii erimärke kui ka tühikuid.
  Values: kasutame kodeerimiseeskirja sisestamiseks (Value: kood; Label: kirjeldus)
  Tunnuste defineerimise juhend 2012
  5. Avatud vastusega (teksti)küsimus, mille vastused eeldatavalt erinevad üksteisest väga palju.
  Nt. Küsitlustulemuste saamiseks, sisesta oma e-maili aadress: [email protected]
  Name: tunnuse nimi (ei alga numbriga, ei sisalda tühikuid ja muid erimärke)
  Type: mis tüüpi andmeid te andmetabelisse sisestama hakkate: tekst (String)
  Width: teksti puhul on oluline määrata võimalike sisestatavate tähemärkide arv. Kuna need tähed, mis
  jäävad üle sisestatud numbri (laiuse) kustutatakse, tuleks laius määrata võimalikult suur.
  Label: tunnuse pikem selgitus, mis võib sisaldada nii erimärke kui ka tühikuid .
  07.04.14
  1
  Üldistav statistika
  Andmeanalüüs
  §  KIRJELDAV STATISTIKA
  –  Ühemõõtmeline analüüs (tekst, tabel, diagramm)
  –  Võrdlev analüüs (tekst, tabel, diagramm)
  –  Korrelatsioonanalüüs
  §  ÜLDISTAV STATISTIKA
  –  Ühemõõtmeline analüüs
  –  Võrdlev analüüs
  –  Korrelatsioonanalüüs
  Üldistav statistika
  Andmete analüüs
  Mitu gruppi: erinevused gruppide vahel Korrelatsioon
  Ülevaade antud tunnuse/
  grupi vastustest
  PAR
  Histogramm,
  keskväärtus, st.hälve, jne
  Võrreldavate gruppide arv
  Vahemikhinnang
  (ÜK keskväärtuse
  hindamine)
  1 grupp
  Kas gruppide vastusedon erinevad/sarnased?
  Kuidason kaks tunnust
  omavahel seotud?
  MPAR
  Sagedustabel,
  tulp- ja sektordiagramm
  PAR
  keskväärtus, st.hälve, jne
  Vahemikhinnang
  (ÜK proportsioonide
  hindamine)
  PAR
  Pearsoni kordaja
  St. olulisustest
  MPAR
  Spearmani kordaja
  Crameri kordaja
  St.olulisustest
  PAR Parameetrilised meetodid eeldavad intervalltunnust
  MPAR Mitteparameetrilised meetodid eeldavad nimi- või
  järjestustunnust, ka intervalltunnus
  3 ja rohkem 2
  T-test
  MPAR
  Risttabel, vrdl tulpdiagramm
  Hii ruuttest
  PAR
  keskväärtus, st.hälve, jne
  ANOVA
  MPAR
  Risttabel, vrdl tulpdiagramm
  Kruskal-Wallis
  Üldistav statistika
  Millest sõltub andmeanalüüsimeetodi valik?
  •  Uurija teadmised/oskused
  •  Kellele esitab, kuidas?
  Sihtrühmast
  •  Uurimisküsimus: laiem
  •  Analüüsiküsimus: nt. kas kaks gruppi on erinevad/seotud?
  Küsimuse tüübist
  •  Nimitunnused
  •  Nimitunnuse väärtuseid ei saa järjestada, järjestustunnusel saab
  •  Järjestustunnused
  •  Intervalltnnuse skaalavahemikud on võrdsed, järjestustunnusel mitte
  •  Intervalltunnused
  •  Intervalltunnuse korral saame arvutada keskväärtust, st.hälvet
  •  Binaarsed tunnused
  Andmete tüübist (väärtuste järjestatavus, skaalavahemike võrdsus)
  Üldistav statistika
  Andmete tüübid
  §  Nimitunnused
  –  väärtuseid ei saa järjestada, tekivad
  kategooriad(!)
  §  Järjestustunnused
  –  väärtuseid saab järjestada,
  skaalavahemikud ei ole võrdse pikkusega
  nt. Likerti skaalad
  §  Intervalltunnused
  –  Arvud, võrdse jaotusega skaalad.
  –  Intervalltunnuse korral saame arvutada
  keskväärtust, st.hälvet
  §  Binaarsed tunnused
  –  Kaks võimalikku väärtust (nimitunnus,
  intervalltunnus)
  §  Kõrgem omandatud
  haridustase
  •  Keskharidus
  •  Keskeri-haridus
  •  Kõrgharidus
  §  Kõrgem omandatud
  haridustase?
  –  Põhiharidus
  –  Keskharidus
  –  Kõrgharidus
  §  Mitu aastat oled koolis
  käinud/õppinud?
  §  Kas sul on keskharidus?
  Üldistav statistika
  Üldistava statistika meetodite kontekst
  §  Valikuuringud
  –  valim on tõenäosuslik( juhuvalim )
  –  valim esindab üldkogumit, piisavalt arvukas
  –  Idee: leian erinevuse/seose valimis ning küsin:
  –  Kas saadud erinevus on juhuslik või saame seda üldistada (erinevus
  valimis on ülekantav ÜK-le.)
  §  Eksperimentaalsed uuringud
  –  2 rühma/gruppi
  –  “kohtleme” erinevalt ja vaatame, kas saame erinevad tulemused
  –  Kas saime erineva tulemuse, sest “kohtlesime” erinevalt või on saadud
  erinevus juhuslik viga
  Üldistav statistika
  Põhiküsimus – vea hindamine
  §  KIRJELDAV STATISTIKA
  –  Võimalikud vead?
  •  Andmete kogumisvead
  •  Meetodi kasutusviga
  •  Arvutamisvead
  •  Interpretatsioonivead
  §  ÜLDISTAV STATISTIKA
  ÜK – V – ÜK
  Võimalikud vead?
  07.04.14
  2
  Üldistav statistika
  Vea hindamine (1) Uuring “Lapsed ja internet ”
  www.turu-uuringute.ee (2006.a.)
  Üldistav statistika
  Normaaljaotuse PROPORTSIOONID
  Üldistav statistika
  Normaaljaotus e Gaussi jaotus
  §  Kirjeldab numbrilise tunnuseväärtuseid (palju erinevaid)
  §  Milline diagramm sobib andmete esitamiseks
  (nr.tunnus, palju erinevaid väärtuseid)?
  21-25 26-30 31-35 36-40 41-45 46-50 51-55
  jaotuskõver
  Mida rohkem objekte me vaatleme ,
  seda siledamaks muutub jaotuskõver
  Üldistav statistika
  Normaaljaotuse põhjal saame järeldada
  §  Jaotuse keskväärtus=170cm, standardhälve=5cm
  §  Leili , kelle pikkus on 170 cm, asub jaotuse keskel
  (temast lühemaid 50%)
  Leili (170 cm) keskmine + 0·st.hälvet e z-väärtus = 0
  §  Mari, kelle pikkus on 180 cm, temast lühemaid 97,5%
  Mari (180 cm) keskmine + 2·st.hälvet e z-väärtus = 2
  §  Virve(160cm)
  keskmine -2·st.hälve
  z-väärtus = -2
  §  Tiiu (185cm)
  Üldistav statistika
  Väärtuste standardiseerimine
  Üldistav statistika
  Statistiline järeldamine
  §  Standardvea põhjal saab üld-
  kogumi vastava arvnäitaja
  väärtusele hinnangu anda
  vastavalt alltoodud reeglitele:
  §  68%tõenäosusega asub üldkogumi parameeter vahemikus:
  valimi arvnäitaja väärtus ± 1 st.viga
  §  95% tõenäosusega asub üldkogumi parameeter vahemikus:
  valimi arvnäitaja väärtus ± 2 st.viga
  §  99%tõenäosusega asub üldkogumi parameeter vahemikus:
  valimi arvnäitaja väärtus ± 2,5 st.viga