Monthly Archives: Maio 2013

Associação entre uma variável nominal e uma variável ordinal-problemas

Por vezes surgem algumas dificuldades quando se utiliza o teste do Qui-quadrado nas associações. O mais comum é surgirem células vazias.

Como exemplo, associou-se o género com a percepção de felicidade. No output gerado são apresentadas 3 tabelas: a primeira apresenta a percentagem de casos que foram utilizados na análise; a segunda apresenta o número de casos em cada classe, para cada género; e a terceira apresenta os valores e as significâncias dos testes de associação. A nota da terceira tabela diz-nos que existem células (na segunda tabela) que apresentam menos do que 5 casos, o que impede a utilização deste teste. Neste caso, pode optar-se por seleccionar apenas os casos em que não existem células vazias. Assim, a classe Nada ou muito ligeiramente será excluída e procede-se a nova análise.

qui-vazio

 

 

 

 

 

 

 

Correlações

A análise de correlações utiliza-se quando se pretende analisar a relação entre variáveis de escala.

Como exemplo, perante a necessidade de analisar a relação entre algumas características de personalidade e o tipo de afecto evidenciado, foi realizada uma análise de correlações. As dimensões da personalidade em análise são a extroversão, amabilidade, consciensiosidade, neuroticismo e abertura à experiência. As duas dimensões do afecto são o afecto positivo e o afecto negativo. Utilizando os comandos da imagem a seguir, abre-se uma nova janela (segunda imagem) onde se seleccionam as variáveis que interessam.

correlações

correlações-1

O output seguinte apresenta todas as correlações entre todas as variáveis. correlações-2

Para uma melhor e mais fácil leitura dos resultados mostra-se, num artigo posterior, como modificar a tabela no SPSS.

 

 

Testes de diferenças entre médias

Em estudos de mercado, quer seja no desenvolvimento dum produto, quer seja  na escolha dum público-alvo duma campanha de marketing, pode interessar-nos saber se existem diferenças entre homens e mulheres na aquisição do nosso produto. Para tal, teremos de comparar a aquisição do produto por parte de homens e de mulheres.

Neste caso, temos uma variável que podemos chamar “Aquisição”  e que nos diz qual o valor despendido, no nosso produto, pelo inquirido. Na amostra teremos respostas de homens e mulheres. O que precisamos fazer, de seguida, é comparar o valor médio amostral da variável “Aquisição”, quer no grupo de homens, quer no grupo de mulheres.

A “Aquisição” é uma variável de razão: compreende valores semanais gastos no nosso produto que oscilam entre zero euros e 10 euros. Neste caso utiliza-se o teste t para duas amostras independentes.  Os comandos são os que se seguem na figura abaixo.

testet1

Abre-se, de seguida, uma janela exemplificada na imagem em baixo. No campo Test Variable coloca-se a variável em que pretendemos analisar as diferenças e no campo Group Variable deve colocar-se a variável que identifica os grupos em teste. Neste caso o género é a variável grupo que pretendemos analisar. Devendo ser definidos os grupos em teste, carrega-se no botão Define Groups, que abre uma nova janela onde se define o grupo 1 com 0 (masculino)  e o grupo 2 com 1  (feminino), de acordo com a codificação anterior da variável na base de dados.

testet-2

O output do teste é apresentado na imagem abaixo. Na primeira tabela são apresentados os casos do grupo masculino e do grupo feminino, o valor médio despendido no nosso produto  nos grupos masculino e feminino e os respectivos valores de desvio padrão.

Na segunda tabela, são apresentados os valores do teste de Levene e do teste t. O teste de Levene permite-nos averiguar da homogeneidade das variâncias. Neste caso, conclui-se que as variâncias são diferentes nos dois grupos, uma vez que a significância associada ao teste é inferior a 0,05. Uma vez que não se assume a homogeneidade das variâncias, optamos por utilizar os valores do teste t de Equal variances not assumed. Os resultados indicam que não existem diferenças entre homens e mulheres no valor semanal despendido no nosso produto. O teste não mostrou diferenças estatisticamente significativas para um intervalo de 95% de confiança (a significância associada ao teste t foi superior a 0,05).

testet-3

Nota: para uma escolha mais criteriosa do teste a aplicar deve proceder-se à análise da distribuição das variáveis em estudo.