Στατιστική μελέτη

Για τους σκοπούς της μελέτης θα πραγματοποιηθεί αρχικά ανάλυση των δεδομένων με μεθόδουςπεριγραφικής  στατιστικής και έπειτα στατιστική επεξεργασία με επαγωγική στατιστική (Field A. , 2013),(Field, Miles, & Field, 2012) .
Για τις ποιοτικές μεταβλητές υπολογίστηκαν οι συχνότητες εκφρα σμένες τόσο σε απόλυτη τιμή  όσο και  σεποσοστό %. Επιπλέον χρησιμοποιήθηκαν πίνακες συνάφειας οι οποίοι είναι πίνακες διπλής εισόδου πουπεριγράφουν ταυτόχρονα δύο ή περισσότερες μεταβλητές. Ο έλεγχος ανεξαρτησίας των ποιοτικώνμεταβλητών έγινε με το Χ 2 -τεστ του Pearson (Plackett, 1983).
Για τις ποσοτικές μεταβλητές υπολογίστηκαν τα περιγραφικά μέτρα δηλαδή τα μέτρα κεντρικής τ άση ς(μέση  τιμή, διάμεσος, τεταρτημόρια) και τα μέτρα διασποράς (διασπορά, τυπική απόκλιση). Να σημειωθείότι για τις ποσοτικές μεταβλητές κρίσιμο ρόλο στη μέθοδο στατιστικής ανάλυσης που θα επιλεχθείδιαδραματίζει το γεγονός αν οι τιμές της μεταβλητής ακολουθούν την κανονική κατανομή ή όχι.
Προκειμένου επομένως να διαπιστωθεί αν οι ποσοτικές μεταβλητές ακολουθούν την κανονική κατα  νομή ,χρησιμο ποιήθηκε η δοκιμασία Kolmogorov-Smirnov (Smirnov, 1948), όταν ο αριθμός των παρατηρήσεωνήταν πάνω από 50 και εναλλακτικά η δοκιμασία Shapiro-Wilk (Shapiro & Wilk, 1965), όταν ο αριθμός τωνπαρατηρήσεων ήταν κάτω από 50. Οι ποσοτικές μεταβλητές οι οποίες βρέθηκε ότι ακολουθούν τηνκανονική κατανομή περιγράφονται από τη μέση τιμή και την τυπική απόκλιση, ενώ αυτές που δεν
ακολουθούν την κανονική κ ατανομή περιγράφονται από τη διάμεσο, το εύρος τιμών και τοενδοτεταρτημοριακό εύρος.
Για τη σύγκριση των ποσοτικών  μεταβλητών μεταξύ δύο διαφορετικών ομάδων χρησιμοποιήθηκε το Student’s t -test  (Hettmansperger & McKean, 1998) για τις μεταβλητές που κατανέμονται κανονικά και η μηπαραμετρική μέθοδος ανάλυσης Mann- Whitney test (Hettmansperger & McKean, 1998) για τις μεταβλητέςπου δεν κατανέμονται κανονικά.
Για τη σύγκριση των ποσοτικών μεταβλητών μεταξύ περισσοτέρων των δύο διαφορετικών ομάδωνεπιλέγεται ο  έλεγχος της ανάλυσης διασποράς με έναν παράγοντα (One Way Anova) (Welch, 1951) καιέπειτα η Tukey Post-Hoc Analysis (Tukey, 1949) προκειμένου να διαπιστωθεί σε ποιες δυάδες ομάδωνοφείλεται η ύπαρξη διαφορών στις μέσες τιμές, εφόσον υπάρχει. Ο έλεγχος της ανάλυσης διασποράς με ένανπαράγοντα πραγματοποιείται εφόσον οι μεταβλητές είναι κανονικά κατανεμημένες και εφόσον υφίσταταιομοιογένεια διασπορών. Σε αντίθετη περίπτωση χρησιμοποιείται η μη παραμετρική δοκιμασία Kruskal-Wallis (Daniel, 1990). Στην περίπτωση που προκύψουν στατιστικά σημαντικές διαφορές από τη δοκιμασίαKruskal-Wallis (Daniel, 1990) επιλέγεται να πραγματοποιηθούν οι μη παραμετρικές δοκιμασίες Mann-Whitney (Hettmansperger & McKean, 1998) μεταξύ των δυάδων των ομάδων, χρησιμοποιώντας είτε τηδιόρθωση Bonferroni (Dunnett, 1955) είτε τη μέθοδο Siegel – Castellan (Siegel & Castellan, 1988) ώστε να διαπιστωθεί που οφείλονται.

Bibliography
Daniel, W. W. (1990). Kruskal–Wallis one-way anal ysis of variance by ranks. Applied NonparametricStatistics (2nd ed.). Boston: PWS-Kent: PWS-Kent.
Dunnett, C. W. (1955). A multiple comparisons procedure for comparing  several treatments with a control.Journal of the American Statistical Association, 50 (272): 1096–1121.
Field, A. (2013). Discovering Statistics Using IBM SPSS Statistics. Sage Publications Ltd.
Field, A. P., Miles, J., & Field, Z. (2012). Discovering statistics using R. London: Sage.
Hettmansperger, T., & McKean, J. (. (1998). Robust nonparametric statistical methods. Kendall's Library of
Statistics. London; New York: Edward Arnold: John Wiley and Sons, .
Plackett, R. L. (1983). Karl Pearson and the Chi-Squared Test. International Statistical Review, 51 (1): 59–72.
Shapiro, S. S., & Wilk, M.  B. (1965). An analysis of variance test for normality (complete samples).Biometrika, 52 (3–4): 591–611.
Siegel, S.,  & Castellan, N. J. (1988). Nonparametric statistics for the behavioral sciences (2nd ed.). New York:McGraw-Hill.
Smirnov, N. (1948). Table for estimating the goodness of fit of empirical distributions. Annals ofMathematical Statistics, 19: 279–281.
Tukey, J. (1949). Comparing Individual Means in the Analysis of Variance. Biometrics, 5 (2): 99–114.
Welch, B . L. (1951). On the Comparison of Several Mean Values: An Alternative Approach . Biometrika, 38:330–336.

This entry was posted in Στατιστική and tagged , , , , , . Bookmark the permalink.

Αφήστε μια απάντηση

Η ηλ. διεύθυνση σας δεν δημοσιεύεται. Τα υποχρεωτικά πεδία σημειώνονται με *