Описательная статистика и графики в SPSS

Описательная статистика и графики в SPSS

Меры центральной тенденции

Меры центральной тенденции показывают «типичное» или «центральное» значение в наборе данных. Выбор подходящей меры зависит от типа данных и распределения.

Среднее арифметическое (Mean)

• Формула: x̄ = Σxᵢ / n
• Когда использовать: для интервальных и данных отношений с приблизительно нормальным распределением
• Ограничения: чувствительно к выбросам — одно экстремальное значение может существенно сместить среднее
• Пример: средняя зарплата 10 сотрудников — информативна, если нет резких выбросов

Медиана (Median)

• Определение: значение, которое делит упорядоченный ряд данных ровно пополам
• Когда использовать: при наличии выбросов, для скошенных распределений, для порядковых данных
• Преимущество: устойчива к экстремальным значениям
• Пример: медианный доход лучше характеризует «типичный» доход населения, чем средний, поскольку доходы распределены с правым скосом

Мода (Mode)

• Определение: наиболее часто встречающееся значение в наборе данных
• Когда использовать: для номинальных данных (единственная применимая мера центральной тенденции), при мультимодальных распределениях
• Особенности: может быть несколько мод (бимодальное, мультимодальное распределение) или не быть моды вовсе

Сравнение мер при различных распределениях

• Симметричное распределение: Mean ≈ Median ≈ Mode
• Правый скос (положительная асимметрия): Mean > Median > Mode
• Левый скос (отрицательная асимметрия): Mean < Median < Mode

Меры разброса (дисперсии)

Меры разброса показывают, насколько значения отклоняются от центра распределения.

Размах (Range)

• Формула: Range = Max − Min
• Простейшая мера, но учитывает только два крайних значения и очень чувствительна к выбросам

Дисперсия (Variance)

• Формула выборочной дисперсии: s² = Σ(xᵢ − x̄)² / (n − 1)
• Показывает средний квадрат отклонений от среднего
• Деление на (n − 1) вместо n — поправка Бесселя для несмещённой оценки генеральной дисперсии

Стандартное отклонение (Standard Deviation)

• Формула: s = √s²
• Наиболее часто используемая мера разброса, выражена в тех же единицах, что и исходные данные
• Интерпретация: чем больше SD, тем больше разброс данных; малое SD указывает на то, что значения сконцентрированы вблизи среднего

Межквартильный размах (IQR)

• Формула: IQR = Q3 − Q1 (разница между 75-м и 25-м процентилями)
• Устойчив к выбросам, часто используется вместе с медианой

Меры формы распределения

Асимметрия (Skewness)

• Показывает степень отклонения распределения от симметрии
• Skewness = 0 — симметричное распределение
• Skewness > 0 — правый скос (хвост вытянут вправо, большинство значений слева)
• Skewness < 0 — левый скос (хвост вытянут влево)
• Правило: если |Skewness| < 1, асимметрия умеренная; если > 1 — существенная

Эксцесс (Kurtosis)

• Показывает «остроту» или «плоскость» распределения по сравнению с нормальным
• Kurtosis = 0 — нормальное распределение (мезокуртическое)
• Kurtosis > 0 — островершинное распределение (лептокуртическое), тяжёлые хвосты
• Kurtosis < 0 — плосковершинное распределение (платикуртическое), лёгкие хвосты

Нормальное распределение и его значение

Нормальное распределение — фундаментальное понятие в статистике. Его свойства:

• Симметрично относительно среднего
• Mean = Median = Mode
• 68,27% значений в пределах ±1 SD от среднего
• 95,45% значений в пределах ±2 SD
• 99,73% значений в пределах ±3 SD

Почему важно: многие параметрические тесты (t-тест, ANOVA, корреляция Пирсона, регрессия) предполагают нормальное распределение данных. Нарушение этого допущения может привести к некорректным результатам.

Проверка нормальности в SPSS:

• Визуально: гистограмма с кривой нормального распределения, Q-Q plot
• Статистически: тест Шапиро-Уилка (Shapiro-Wilk) для выборок n < 50, тест Колмогорова-Смирнова для больших выборок
• Analyze → Descriptive Statistics → Explore → Plots → Normality plots with tests

Описательная статистика в SPSS

Метод 1: Frequencies (Частоты)

Analyze → Descriptive Statistics → Frequencies

• Переместите переменные в список
• Нажмите Statistics → выберите: Mean, Median, Mode, Std. Deviation, Variance, Skewness, Kurtosis, Minimum, Maximum
• Нажмите Charts → выберите тип графика (гистограмма с кривой нормального распределения)
• OK

Метод 2: Descriptives (Описательные статистики)

Analyze → Descriptive Statistics → Descriptives

• Более компактный вывод: среднее, стандартное отклонение, минимум, максимум
• Опция Save standardized values as variables — создаёт z-оценки (стандартизированные значения)

Метод 3: Explore (Исследование)

Analyze → Descriptive Statistics → Explore

• Наиболее полный анализ: описательные статистики, тесты нормальности, boxplot, stem-and-leaf plot
• Позволяет разделить анализ по группам (Factor List)

Создание графиков в SPSS

Гистограмма (Histogram)

• Graphs → Legacy Dialogs → Histogram или через Frequencies
• Показывает распределение непрерывной переменной
• Опция Display normal curve накладывает кривую нормального распределения для визуальной оценки нормальности

Столбчатая диаграмма (Bar Chart)

• Graphs → Legacy Dialogs → Bar → Simple
• Используется для категориальных переменных
• Показывает частоту или процент каждой категории

Ящик с усами (Boxplot)

• Graphs → Legacy Dialogs → Boxplot или через Explore
• Отображает: медиану (линия в центре), Q1 и Q3 (границы ящика), «усы» (1.5 × IQR), выбросы (точки за пределами усов)
• Идеален для сравнения распределений между группами и выявления выбросов

Диаграмма рассеяния (Scatterplot)

• Graphs → Legacy Dialogs → Scatter/Dot → Simple Scatter
• Визуализирует связь между двумя количественными переменными
• Позволяет добавить линию тренда (линию регрессии) через двойной клик на графике → Elements → Fit Line at Total

Интерпретация выходных таблиц SPSS

При выполнении анализа SPSS выводит результаты в окне Output Viewer. Типичная таблица описательных статистик содержит:

Совет: для оценки значимости асимметрии и эксцесса разделите их значения на стандартную ошибку. Если результат по абсолютной величине превышает 1,96 (при уровне значимости 0,05), отклонение от нормальности статистически значимо.

Таблицы частот и кросс-табуляции

Таблицы частот (Frequency Tables)

Analyze → Descriptive Statistics → Frequencies

• Показывают количество (Frequency), процент (Percent), допустимый процент (Valid Percent) и накопленный процент (Cumulative Percent) для каждого значения переменной
• Особенно полезны для категориальных переменных

Кросс-табуляция (Crosstabs)

Analyze → Descriptive Statistics → Crosstabs

• Показывает совместное распределение двух категориальных переменных
• Строки: одна переменная, столбцы: другая
• Нажмите Cells → выберите Row percentages, Column percentages или Total percentages для более информативного анализа
• Нажмите Statistics → выберите Chi-square для проверки связи между переменными

Пример: кросс-табуляция «Пол × Уровень удовлетворённости» покажет, различается ли распределение удовлетворённости между мужчинами и женщинами.

Практические задания

Задание 1

Вопрос: Баллы 12 студентов по тесту: 45, 52, 58, 60, 62, 65, 65, 68, 70, 75, 82, 95. Рассчитайте вручную: среднее, медиану, моду, размах и определите тип асимметрии.

Решение:

1. Среднее: (45+52+58+60+62+65+65+68+70+75+82+95) / 12 = 797/12 = 66,42
2. Медиана: 12 значений → среднее между 6-м (65) и 7-м (65) = 65
3. Мода: 65 встречается 2 раза (чаще других) = 65
4. Размах: 95 − 45 = 50
5. Асимметрия: Mean (66,42) > Median (65) = Mode (65) → небольшой правый скос (положительная асимметрия), что объясняется выбросом 95

Задание 2

Вопрос: Опишите пошагово, как получить в SPSS описательные статистики (среднее, медиану, стандартное отклонение, асимметрию, эксцесс) для переменной «доход» и построить гистограмму с кривой нормального распределения.

Решение:

1. Откройте файл данных в SPSS
2. Analyze → Descriptive Statistics → Frequencies
3. Переместите переменную «доход» в список Variable(s)
4. Нажмите Statistics:
   • Отметьте: Mean, Median, Std. Deviation, Skewness, Kurtosis
   • Нажмите Continue
5. Нажмите Charts:
   • Выберите Histograms
   • Отметьте Show normal curve on histogram
   • Нажмите Continue
6. Нажмите OK
7. В Output Viewer проанализируйте таблицу статистик и гистограмму

Задание 3

Вопрос: Значения Skewness = 1,85 и Std. Error of Skewness = 0,35 для переменной «доход». Является ли асимметрия статистически значимой? Какие рекомендации вы дадите?

Решение:

1. Рассчитаем z-оценку асимметрии: z = 1,85 / 0,35 = 5,29
2. Поскольку |5,29| > 1,96, асимметрия статистически значима (p < 0,05)
3. Положительное значение (1,85 > 1) указывает на существенный правый скос
4. Рекомендации:
   • Использовать медиану вместо среднего для описания центральной тенденции
   • Рассмотреть логарифмическое преобразование (LN или LOG10) для нормализации распределения
   • При использовании параметрических тестов — проверить устойчивость результатов с помощью непараметрических альтернатив (например, U-тест Манна-Уитни вместо t-теста)