1. УНИВЕРСИТЕТ ПО АРХИТЕКТУРА СТРОИТЕЛСТВО И ГЕОДЕЗИЯ, гр. София
КУРСОВ ПРОЕКТ
Студент: Благой Георгиев Петков
Факултетен №: 10047
Специалност: Урбанизъм
Факултет: Архитектурен
Модул: Статистически Методи
Ръководител: Александър Цветков
Учебна година: 2004/2005
2. EUROPEAN CREDIT TRANSFER SYSTEM (ECTS) INFORMATION PACKAGEЕВРОПЕЙСКА СИСТЕМА ЗА ТРАНСФЕР НА КРЕДИТНИ ЕДИНИЦИ (ECTS) ИНФОРМАЦИОНЕН ПАКЕТ
Практика Practice
Сигнатура STM1bCBU
Наименование на дисциплината по учебен план
Статистически методи
Започва в семестър 4 Завършва в семестър 4
ECTS 4.0
СтатутЗадължителен
CodeSTM1bCBU
Title of the discipline in the academic curriculum
Methods of Statistic
Starts in semester 4 Ends in semester 4
ECTS4.0
Type Compulsory
30
0
60
60
Анотация
Дисциплината развива умения за прилагане на различни техники за анализ в
урбанистичната практика. Придобиват се умения за избор на подходящи
техники за анализ на данни. Създава се отношение към потребността от
обективност и различието при интерпретацията на резултатите.
Annotation
The module develops skills to apply different methods of analysis in planning practice.
Abilities for selection of appropriate analytical methods are obtained. Attitude is
shaped towards the necessity of precise assessment and the variable scope of the
results’ interpretations.
30
30
0
60
60
Катедра
Градоустройство
Department
Urban Planning
Principal lecturer
Assoc. Prof. Dr. Yordan Kalchev
Водещ преподавател
доц. д-р Йордан Калчев
Самостоятелна
подготовка
Аудиторни часове (общо) Academic hours(total )
Individual
independant study
LecturesЛекции 30
Упражнения/Семинарни занятия Exercises/Seminars
Форма на оценяване
Изпит
Form of assessment
Exam
URBSTM1bCBU4U.pdf
Възможност за преподаване на чужд език Possible training in foreign languages
Урбанизъм - бакалавър*UACEG, 26.10.2006, A- 3432
STM1bCBUUrbanism - bachelor*
3. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 2
ВЪВЕДЕНИЕ:
СТАТИСТИЧЕСКИ МЕТОДИ
Събиране и систематизация на статистически данни
1. Същност и етапи
a. Обект на изследване – масови явления; съвкупност – общност от
еднородни единици; всяка единица може да бъде / да не бъде
физически обоснована;
b. Признаци (предмет на изследване) на единиците;
c. Индивидуални сведения – данни за отделните единици; след
обработка – статистически данни;
d. Регистриране на сведения – технически процес; статистическо
изучаване (наблюдаване, изследване, според някой автори) – три
етапа:
i. Статистическо наблюдение – подготовка, организация на
работа, регистрация на данни;
ii. Статистическа групировка – обработване на индивидуални
сведения; таблично представяне на данни; графично; ГИС;
(данни, пълни, за 16 града)
iii. Анализ – различни методи; проява на масови явления във
времето – динамичен анализ;
2. План и програма на статистическото изучаване;
До 1990 – планова икономика, перфектни условия за статистика; по лесно
събиране на данни; над 850 хил. фирми сега, 200 хил. действащи;
В целия този хаос – да се създаде ред;
Соц. Изследвания, започват от 60-те години – проучване на обществено
мнение; ЕВРОСТАТ – изисква голяма документация; всяка стъпка на
изследването се описва; инструментариум на изследването;
ПРОГРАМА: определя се предмета на изследването;
- инструментариум на изследване; инструкции; самонаблюдение;
обекта на изследването – всички хора, кои от тях; определени сгради от всички;
- да се дефинират точно;
- извадкови изследвания;
Формулиране на цел на изследването; основна и подцели, ако изследването е
по голямо; изследователски задачи;
Дефиниране на хипотези – много тънка разлика със задачи;
Разработване на формуляр, форма на събиране на данни; специализирани
електронни средства; електронен формуляр – от сайт, дискета; специален
компютър, който в реално време прави проверки; подобряване на информация;
в скандинавски страни – домакини сами се интервюират с такива устройства;
Конкретизира се метода на събиране на данни – въз основа на счетоводни
записвания – юридически лица;
Основни направления на анализа;
ПЛАН:
- след като сме създали концепцията, модела и инструментариума, трябва
да се проведе самото изследване, организационен план;
- кой, кога, с какви ресурси, за какъв период;
4. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 3
- организационно-технически въпроси – предоставяне на информация,
статистическа тайна;
2001 год. – всеобщо преброяване на цялото население, сградния и жилищен
фонд, селско и горско стопанство;
8 млн. жители
3 „ жилища 24 млн. лв. бюджет
2 „ сгради
1,7 „ селски стопанства
Закон за преброяването, органи – областни, общински комисии, кметове,
статистически институт и бюрата му по места; 42-43 хил. преброители,
обучението им; на всеки 7-8 – контрольор, който се отчита на кмета;
Турция – 48 часа е забранено излизането, само армията се движи по улиците;
Критичен момент – 1 март, 0:00 часа, т.е. анкетата към тази дата и час;
Търговище и Благоевград 1975 год. – будили хората през нощта;
Среща временно присъстващ / отсъстващ тогава на ръка – 750 хил. размер на
вътрешна миграция;
- 70 хил. раждаемост през 2005, но семейството отмира като форма;
негативна тенденция – смъртността се подмладява, раждаемостта е
колкото в Европа – 9/1000;
Статистиката не предоставя индивидуални сведения; анонимизиране на
записите; Статистика, служба СГРАО, МВР, НОИ, Здравна каса –
регистрация на хора, които работят с лични данни; глоби 10-20 хил. лв.;
регистрация на юзъра и по време, и по бази за базата данни на
статистическия институт;
- Законът не засяга много точно частни агенции;
- Проблем – МВР не предоставя на статистическия институт данни за
излезли от страната;
- СГРАО – предава данни, 70 хил. нови записа/год.
- Статистическа информация няма юридическа сила; основава се на
декларативен принцип; инфлацията – единствената информация, която
има юридическа стойност;
- Отстраняване на грешки, неверни данни;
Типове въпроси – отворени / затворени
Категорийни – качествени променливи в SPSS
Количествени променливи – пример: възраст, доход, с това число могат да се
извършват аритметични действия
Дихотомни признаци – пол, съгласие / не
Ординална (Рангова) и Номинална скала; пример: среден успех
Множествени отговори – с повече от един отговор
Уникален код на анкетните карти:
Област / Община / Преброителен участък / Анкетьор / No анкета
с букви
- колко респондента да анкетираме; response rate; колко са ни отговорили на
изпратени анкети; тези, които не са ни отговорили – защо, отказ, пълно /
временно отсъствие; инструкция – да се ходи до три пъти на адреса, записва се
причина; обработва се за да се намали при следващо изследване;
- контрол на анкетьорите;
- пробно изследване, за да се тества анкетната карта на терен;
5. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 4
- кодиране – пример: да=1, не=о;
- Data Entry – контрол на входа; задължителни въпроси за отговор; логически
контрол – родени деца / пол; Null – празното не е нула;
- скипове – работа / безработен; безработния прескача определен брой
въпроси;
- Последващ контрол – пример: едно ЕТ може да е регистрирано само в един
районен съд; при дублиране при събиране на данни от отделните бюра на
статистическия институт – последваща проверка за дублиране.
SPSS - основни стъпки при работа
Стартиране на SPSS
Както всички програми от Start
Programs --> SPSS for Windows --> SPSS 10.0 for Windows (или съответната ви
налична версия)
След стартирането се вижда прозореца на SPSS Data Editor, който изглежда по
следният начин:
Отваряне на работен файл
Файлът с данни обикновено има разширение sav. Отварянето е чрез:
File --> Open -->Data и намиране на съответния файл
SPSS работи само с един работен файл с данни, но е възможно да са отворени
други видове специфични SPSS файлове!
Меню на SPSS
Менюто на SPSS съдържа някои от основните за Windows програмите
подменюта и някои специализирани функции.
Стандартни менюта
File || Edit || View || ... || Window || Help
В сандартните менюта са изведени известните от другите програми функции. В
някои има заложени по-специфични за тази среда настройки, но ако имате опит
с други среди, то и тук ще се оправите
Файл с данни на SPSS
За SPSS данните са в таблица като променливите (variables) са в колони, а
случаите/наблюденията (cases) са в редиците. От версия 10 SPSS има 2
изгледа на прозореца за редактиране на данни (основния прозорец на
програмата): Data view - изглед за данните и Variable view - изглед за
променливите. Тези два изгледа се превключват с кликване с мишката върху
съответния им надпис, който е долу в ляво на екрана. Тези два изгледа
позволяват по-лесно модифициране на някои настройки на променливите. Тези
настройки могат да се правят и от менютата на програмата.
6. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 5
Полета за редакция на променливите във Variable View:
Name
Имената на променливите са от 8 символа, задължително започващи с буква,
буквите автоматично стват малки, без специални символи в.т.ч. +, -, % и др.
Възможно е да има кирилица, но може да създаде проблеми с разлики в
кодовите таблици.
Type
SPSS поддържа множество типове на променливи, който могат да се
специфицират от това полео. Различните типове се виждат от падащото меню,
което се активира с мишката в положение на края на полето за съответната
променлива.
Модифицирането на основния тип на променливата, когато има въведени
данни в нея може да доведе до загубата им. Например променлива, която е
само от числа (каквото и ЕГН-то), дефинирана като string (тя е идентификатор и
за нея не се прави анализ) и превърната в numeric от там изгубва наличните до
момента на промяната стойности. Разумно и да се променят броя на цифрите
след десетичната запетая например.
Width
Отнася се до броя цифри/символи на променливата.
Decimals
Отнася се до броя цифри след десетичната запетая.
Label
Етикет на променливата - до 255 символа, може да е на кирилица, те могат да
се виждат в резултата от анализа.
Values
Етикет на стойностите на променливата. Въвеждат се с помощта на прозорци
(до 10 версия не е така). Етикетите може да са на кирилица и те също могат да
се виждат в резултата от анализа.
Missing
Възможно е определянето на някои стойности като липсващи, включването им
в други и отделно анализ само на тях. Използва се при кодиране на въпроси с
отговор "не знам", който не би трябвало да се загубят, а при анализа не са
необходими.
Columns
Отнася се до ширината на колоната в Data view.
Align
Отнася се до подравняване на колоната в Data view.
7. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 6
Measure
Дефинирането на скалата на променливите може да бъде от полза при
определяне на променливите за анализ или графики (неподходящите не
излизат в прозорците за избор на променливи). По подразбиране числовите са
интервални/скалови (scale), а символните - номинални (nominal). Възможно е да
се определят някои числови, които са кодове за номинални, а други, за които
наредбата на стойностите има значение за наредени/ординални (ordinal).
Работа с полета за редакция на променливите във Variable View:
Values
С кликване на мишката в края на полето се отваря прозорец Value Labels, който
изглежда по следния начин:
След въвеждане на стойност в полето Value (обикновено кодирана
променлива) и съответно етикет в Value Label, се активира бутона Add. Той се
избира и така въведените стойности отиват в голямото поле под тях:
Вече може да се въведат следващи код и етикет и се добавят към списъка от
етикети с бутона Add: Тази операция продължава, докато е необходимо. На
края се потвърждава въвеждането с OK.
Така въведените етикети могат да се използват и за други променливи (често
се налага поради еднотипните кодове при еднотипни въпроси в едно
проучване) без повторно въвеждане чрез copy и paste.
Възможно е редактиране на съществуващ етикет: С кликване на мишката в
края на полето се отваря прозорец Value Labels. Избира се етикет от големия
прозорец със списъка от етикети, който да се промени. Тогава се активира
бутон remuve / премахване. Така може да се изтрие някоя комбинация код -
етикет. Когато се промени името на етикета (поле Value Label), то се активира
бутон Change. Когато се промени полето стойност (value) се активират и двата
бутона Add и Change. При Add се въвежда нова комбинация код - етикет, а при
Change се редактира съществуващата. След промяна на етикета се
потвърждава с OK.
8. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 7
ЗАДАНИЕ:
1. Разработване на макет и въвеждане на данни в SPSS
2. Получаване на едномерни разпределения за всички типове признаци
3. Графично представяне на получените едномерни разпределения с
подходяща диаграма
4. Получаване на двумерни разпределения (cross tables) между два
признака
5. Изчисляване на относителните дялове на разпределение
6. За относителните дялове на разпределение на един от двата признака
да се построи интервал на доверителност
7. Проверка за съществуването на статистическа зависимост и измерване
силата на зависимостта между двата признака чрез подходящи
измерители
8. За всяка от посочените задачи да се направи подходящ писмен коментар
За целта на статистическото изследване е нужно данните да бъдат подредени
и обработени. Въвеждането им от анкетни карти става след създаване на
макет, включващ подходящо кодиране – отговорите на всички въпроси да се
въвеждат с числа – 0 или 1 за да / не и посочен / не посочен или на всеки
отговор да съответства число като това изисква отворените въпроси (ако има
такива) да бъдат обработени предварително и отговорите да бъдат кодирани.
Във Variable View на SPSS се въвежда модела – всеки от въпросите, типа и
броя на знаците, пояснения и в колонката за стойност се записва кода на всеки
отговор. В Data View се въвеждат данните. Обикновено това не се прави в
SPSS, а се използват специализирани програми, които могат да правят
проверка на входа – груби грешки, логически проверки и т.н.
Едномерни разпределения
Определят се в зависимост от конкретния статистически ред – Descriptive
Statistics / Frequencies се използва за въпроси с един отговор, като в
зависимост от данните можем да определим модата, медианата и средната
аритметична и Multiple Response / Define Sets – за въпроси с повече от един
отговор. Тук определяме условията нужни за да получим верни резултати и се
връщаме към първата група функции.
Анализ на данни
Въпрос 1 : Как оценявате образованието по архитектура в България?
- неметриран признак, използваме само модата; основният процент
анкетирани (60,9%) смята, че образованието е класическо с добри
традиции;
Frequencies
9. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 8
Statistics
Kak ocenjavate obrazovanieto po Arhitectura v Bulgaria?
46
0
3
Valid
Missing
N
Mode
Kak ocenjavate obrazovanieto po Arhitectura v Bulgaria?
2 4.3 4.3 4.3
4 8.7 8.7 13.0
28 60.9 60.9 73.9
2 4.3 4.3 78.3
8 17.4 17.4 95.7
2 4.3 4.3 100.0
46 100.0 100.0
prekaleno avangardno
moderno, na svetovno
nivo
klasichesko, s dobri
tradicii
konservativno i banalno
izostanalo, v zastoi
haotichno promenja6to
se, bez cel i posoki
Total
Valid
Frequency Percent Valid Percent
Cumulative
Percent
Въпрос 2 : Оценка за образованието по архитектура. Имаме три
уточняващи подвъпроса
2.1.като теоретични знания.
2.2.като професионални умения
2.3.като обща култура
Метриран признак – медиана, средна аритметична и стандартно отклонение;
средната аритметична (5,17) се различава от модата и медианата (5,00) при
2.1; същото се наблюдава и в 2.2;
Frequency Table
Ocenka za obrazovanieto po Arhitektura kato teoreti4ni znania
4 8.7 8.7 8.7
30 65.2 65.2 73.9
12 26.1 26.1 100.0
46 100.0 100.0
dobur
mn. dobur
otlichen
Total
Valid
Frequency Percent Valid Percent
Cumulative
Percent
10. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 9
Ocenka za obrazovanieto po Arhitektura kato profesionalni umenia
2 4.3 4.3 4.3
8 17.4 17.4 21.7
20 43.5 43.5 65.2
14 30.4 30.4 95.7
2 4.3 4.3 100.0
46 100.0 100.0
slab
sreden
dobur
mn. dobur
otlichen
Total
Valid
Frequency Percent Valid Percent
Cumulative
Percent
Ocenka za obrazovanieto po Arhitektura kato ob6ta kultura
8 17.4 17.4 17.4
26 56.5 56.5 73.9
12 26.1 26.1 100.0
46 100.0 100.0
dobur
mn. dobur
otlichen
Total
Valid
Frequency Percent Valid Percent
Cumulative
Percent
Въпрос 3: Необходими ли са промени в образованието по архитектура?
Само модата има смисъл; двама от анкетираните не са отговорили; мненията
са в две противоположни направления – 43,5% смятат, че са необходими
незначителни промени, а 31,1 – значителни
Statistics
Neobhodimi li sa promeni v obrazovanieto po arhitektura
44
2
3
Valid
Missing
N
Mode
Neobhodimi li sa promeni v obrazovanieto po arhitektura
6 13.0 13.6 13.6
18 39.1 40.9 54.5
20 43.5 45.5 100.0
44 95.7 100.0
2 4.3
46 100.0
Da, radikalni i izcqlo
Da, zna4itelni
Da, nezna4itelni
Total
Valid
SystemMissing
Total
Frequency Percent Valid Percent
Cumulative
Percent
Въпрос 4 :Затруднения по предмети.
Разделили сме въпроса на десет подвъпроса, за по лесна обработка.
4.1.история на урбанизма
4.2.въведение в урбанизма
4.3.умения за учене и комуникация
4.4.социология на урбанизма
11. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 10
4.5. анализ на градската среда
4.6.проект за малко селище
4.7.околна среда и устойчиво развитие
4.8.градоустройство
4.9.теория на урбанизма
4.10.информационни технологии
Дихотомна скала (две възможности за отговор), обединяване на данните с
Multiple Response; Най-проблемни са Въведение в урбанизма и Социология, а
най-малко проблеми студентите срещат по Теория на урбанизма и История на
урбанизма;
Multiple Response
Group $V4 v4
(Value tabulated = 1)
Pct of
Pct of
Dichotomy label Name Count Responses
Cases
Zatrudneniq po istoriq na URB V4.1 2 2.2
4.3
Zatrudneniq po vavedenie v URB V4.2 26 28.3
56.5
Zatrudneniq po sociologiq na URB V4.4 24 26.1
52.2
Zatrudneniq po analiz na gradskata sreda V4.5 12 13.0
26.1
Zatrudneniq po okolna sreda i ustoi4ivo V4.7 16 17.4
34.8
Zatrudneniq po teoriq na URB V4.9 2 2.2
4.3
Zatrudneniq po informacionni tehnologii V4.10 10 10.9
21.7
------- ----- -
----
Total responses 92 100.0
200.0
0 missing cases; 46 valid cases
Въпрос 5 : Брой проекти за един семестър.
Само модата има смисъл; отговорите са равномерно разпределени между 1, 2
и 3 проекта и в много малък процент 4; двама души не са отговорили
Frequencies
12. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 11
Statistics
Broi proekti za edin semestur
44
2
1a
Valid
Missing
N
Mode
Multiple modes exist. The smallest value is showna.
Broi proekti za edin semestur
14 30.4 31.8 31.8
14 30.4 31.8 63.6
14 30.4 31.8 95.5
2 4.3 4.5 100.0
44 95.7 100.0
2 4.3
46 100.0
edin goljam i kompleksen
dva profilirani
tri profilirani
4etiri profilirani
Total
Valid
SystemMissing
Total
Frequency Percent Valid Percent
Cumulative
Percent
Въпрос 6 : Кои преподаватели са Ви харесали най-много?
6.1.Първи харесван преподавател
6.2.Втори харесван преподавател
Обединяваме двата въпроса, като този път не са с дихотомен признак, а с
категории, като задавам категории от 1 до 10. Смисъла на първи и втори
преподавател не е че първия е по харесван, така че процентите надхвърлят
100, защото анкетираните са дали повече от един отговор. Най-добре тези
резултати се илюстрират с графика.
Multiple Response
_
Group $V6 V6
Pct of Pct of
Category label Code Count Responses Cases
A. Aleksandrov 1 10 11.9 21.7
E. Dimitrova 2 6 7.1 13.0
V. Don4ev 3 12 14.3 26.1
V. Ivanov 4 30 35.7 65.2
I. Tarsankov 5 16 19.0 34.8
V. Troeva 6 2 2.4 4.3
G. Boqrov 7 2 2.4 4.3
A. Galabov 8 2 2.4 4.3
Q. Kiosev 9 4 4.8 8.7
------- ----- -----
Total responses 84 100.0 182.6
0 missing cases; 46 valid cases
13. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 12
Въпрос 7 : Развихте ли знания и умения по...(отново разделяме въпроса на
отделни подточки, за които ще търсим отговор да или не, и съответно ще
е по-лесно за обработка.)
7.1. знания и умения за правилен методически подход
7.2. знания и умения за разработване на проект на сграда
7.3. знания и умения за разработване на арх.-строителни детайли
7.4.знания и умения за разработване на подробми
градоустройствени планове
7.5. знания и умения за действащите законови нормативни
разпоредби
7.6. знания и умения за възможностите за проф. реализация
7.7. знания и умения по статистика
Обединението става по дихотомен признак; предпоследната колона показва
относителния дял на посочилите съответния отговор, спрямо общия брой
въпроси, а последната абсолютния в проценти; 7.1 е с най-голям дял, следван
от 7.5 и 7.4;
Multiple Response
_
Group $V7 V7
(Value tabulated = 1)
Pct of Pct of
Dichotomy label Name Count Responses Cases
znania i umenia za pravilen metodi4eski V7.1 42 28.0 91.3
znania i umenia za razrabotvane na proek V7.2 12 8.0 26.1
znania i umenia za razrabotvane na arh.- V7.3 8 5.3 17.4
znania i umenia za razrabotvane na podro V7.4 28 18.7 60.9
znania i umenia za deistva6tite zakonovi V7.5 34 22.7 73.9
znania i umenia za vazmojnostite za prof V7.6 18 12.0 39.1
znania i umenia po statistika V7.7 8 5.3 17.4
------- ----- -----
Total responses 150 100.0 326.1
0 missing cases; 46 valid cases
Въпрос 8 : Условия относно бъдещата професионална реализация
само мода; 43,5% смятат, че условията са по-скоро подходящи;
Frequencies
14. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 13
Statistics
Uslovia otnosno bude6tata prof. realizaciq
46
0
2
Valid
Missing
N
Mode
Uslovia otnosno bude6tata prof. realizaciq
4 8.7 8.7 8.7
20 43.5 43.5 52.2
12 26.1 26.1 78.3
10 21.7 21.7 100.0
46 100.0 100.0
napulno podhodja6ti
w izwestna stepen
podhodja6ti
njamam predstava
w izwestna stepen
nepodhodja6ti
Total
Valid
Frequency Percent Valid Percent
Cumulative
Percent
Въпрос 9 : Считате ли, че е целесъобразно студентите да се оценяват
периодично?
дихотомна скала (да / не); качествен признак; 91,3% отговарят с да;
Frequencies
Statistics
S4itate li,4e e celesuobrazno
studentite da se ocenjavat periodi4no
46
0
0
Valid
Missing
N
Mode
S4itate li,4e e celesuobrazno studentite da se ocenjavat periodi4no
42 91.3 91.3 91.3
4 8.7 8.7 100.0
46 100.0 100.0
da
ne
Total
Valid
Frequency Percent Valid Percent
Cumulative
Percent
Въпрос 10 : Вашият пол? –Тук признакът е качествен
качествен признак; 56,5% от анкетираните са били жени;
Frequencies
15. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 14
Statistics
Wa6ijat pol?
46
0
2
Valid
Missing
N
Mode
Wa6ijat pol?
20 43.5 43.5 43.5
26 56.5 56.5 100.0
46 100.0 100.0
muj
jena
Total
Valid
Frequency Percent Valid Percent
Cumulative
Percent
Въпрос 11: Вашата възраст?
метриран признак – най-често срещаната възраст е 20 години, а средната –
20,74;
Frequencies
Statistics
Vazrast
46
0
20.74
20.00
20
1.437
Valid
Missing
N
Mean
Median
Mode
Std. Deviation
Vazrast
2 4.3 4.3 4.3
26 56.5 56.5 60.9
10 21.7 21.7 82.6
4 8.7 8.7 91.3
2 4.3 4.3 95.7
2 4.3 4.3 100.0
46 100.0 100.0
19
20
21
22
23
26
Total
Valid
Frequency Percent Valid Percent
Cumulative
Percent
Въпрос 12: Какъв е вашия месечен доход?
целесъобразно е да обединим доходите в няколко групи с Transform / Recode
/ Into Different Variables със отметка Output variables are strings за да мога да
16. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 15
опиша границите, а именно – в интервалите между 150 / 250 / 400 / 550 / ;
почти половината анкетирани (47,8%) попадат в границите 250 - 400 лв.
Frequencies
Statistics
Mese4en dohod
42
4
358.33
340.00
300
126.427
15983.740
.225
.365
-.698
.717
450
150
600
Valid
Missing
N
Mean
Median
Mode
Std. Deviation
Variance
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis
Range
Minimum
Maximum
Mese4en dohod
2 4.3 4.8 4.8
2 4.3 4.8 9.5
2 4.3 4.8 14.3
2 4.3 4.8 19.0
12 26.1 28.6 47.6
2 4.3 4.8 52.4
4 8.7 9.5 61.9
4 8.7 9.5 71.4
2 4.3 4.8 76.2
6 13.0 14.3 90.5
2 4.3 4.8 95.2
2 4.3 4.8 100.0
42 91.3 100.0
4 8.7
46 100.0
150
160
180
250
300
340
350
400
475
500
570
600
Total
Valid
SystemMissing
Total
Frequency Percent Valid Percent
Cumulative
Percent
Въпрос 13: Работите ли?
78,3% отговарят с да;
Frequencies
17. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 16
Statistics
Rabotite li
44
2
1
Valid
Missing
N
Mode
Rabotite li
8 17.4 18.2 18.2
36 78.3 81.8 100.0
44 95.7 100.0
2 4.3
46 100.0
0
da
Total
Valid
SystemMissing
Total
Frequency Percent Valid Percent
Cumulative
Percent
Въпрос 14: Среден успех от предходната сесия?
Frequencies
Statistics
Sreden uspeh ot predhodnata sesia
46
0
5.65
6.00
6
.566
.321
-1.407
.350
1.118
.688
2
Valid
Missing
N
Mean
Median
Mode
Std. Deviation
Variance
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis
Range
Sreden uspeh ot predhodnata sesia
2 4.3 4.3 4.3
12 26.1 26.1 30.4
32 69.6 69.6 100.0
46 100.0 100.0
dobur
mn.dobur
otli4en
Total
Valid
Frequency Percent Valid Percent
Cumulative
Percent
Въпрос 15: Препоръки за повишаване качеството на обучение?
Multiple Response
_
18. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 17
Group $V15 V15
Pct of Pct of
Category label Code Count Responses Cases
pove4e praktika 1 12 24.0 40.0
modernizirane na obrazovanieto 2 18 36.0 60.0
podobrjavane na mat.-tehn. baza 3 10 20.0 33.3
po-obektivno ocenjavane 4 4 8.0 13.3
podobrjavane na adm. obslujvane 5 6 12.0 20.0
------- ----- -----
Total responses 50 100.0 166.7
16 missing cases; 30 valid cases
Системата позволява изготвянето на всички видове диаграми без
използването на допълнително офис приложение като MS Excel. Въпроси
3, 4, 11 и 12 са илюстрирани с подходящи диаграми:
Neobhodimi li sa promeni v obrazovanieto po a
Neobhodimi li sa promeni v obrazovanieto po arhitektura
Da, nezna4itelniDa, zna4itelniDa, radikalni i izcq
Frequency
30
20
10
0
20. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 19
Двумерни разпределения за въпроси 10 и 4.4.
Crosstabs / Analyze – Descriptive Statistic
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Wa6ijat pol? * Zatrudneniq po sociologiq na URB 46 100,0% 0 ,0% 46 100,0%
Wa6ijat pol? * Zatrudneniq po sociologiq na URB Crosstabulation
Count
Zatrudneniq po sociologiq na URB Total
neposo4en poso4en neposo4en
Wa6ijat pol?
muj 10 10 20
jena 12 14 26
Total 22 24 46
В колоната “Total” е даден общият брой на анкетираните – разделени по пол. В
редицата “Тotal” е попълнен общият брой на анкетираните, които са дали
съответно мнение да или не.
Относителни дялове на разпределение
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Zatrudneniq po sociologiq na URB * Wa6ijat pol? 46 100,0% 0 ,0% 46 100,0%
Zatrudneniq po sociologiq na URB * Wa6ijat pol? Crosstabulation
Wa6ijat pol? Total
muj jena muj
Zatrudneniq po sociologiq na
URB
neposo4en
Count 10 12 22
% within Zatrudneniq po sociologiq na
URB
45,5% 54,5% 100,0%
% within Wa6ijat pol? 50,0% 46,2% 47,8%
% of Total 21,7% 26,1% 47,8%
poso4en
Count 10 14 24
% within Zatrudneniq po sociologiq na
URB
41,7% 58,3% 100,0%
% within Wa6ijat pol? 50,0% 53,8% 52,2%
% of Total 21,7% 30,4% 52,2%
21. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 20
Total
Count 20 26 46
% within Zatrudneniq po sociologiq na
URB
43,5% 56,5% 100,0%
% within Wa6ijat pol? 100,0% 100,0% 100,0%
% of Total 43,5% 56,5% 100,0%
Най-големият брой е на жените, които са се затруднили с предмета.
Интервал на доверителност
- на затруднилите се с предмета:
N
n
n
−= 1
σ
µ , където за N приемаме има достатъчно голяма стойност
Тогава:
, където p+q=1 q=1-p
N
σ
µ = Следователно:
n
pp )1.( −
=µ
.µ∆ = Ζ =
p p p− ∆ ≤ ≤ + ∆
с 95% опезпеченост
- на не посочилите предмета:
с 95%опезпеченост
Проверка за статистическа зависимост
За целта трябва да формулираме съответно нулевата и алтернативната
хипотеза
Ho – не съществува статистически значима разлика между оценката за
промяна в образованието и оценяването периодично
22. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 21
H1 - има статистическа значима разлика между оценката за промяна в
образованието и оценяването периодично
Понеже поне един от двата признака се представя на слабите скали
използваме Chi-квадрат анализа -от Analyze/Descriptive Statistics/Crosstab и с
бутоните Cells и Statistic маркираме Chi-square Phi and Cramer’s V пускаме хи-
квадрат анализа.
Условията за използване на Chi-квадрат анализа са:
1) в клетките на таблицата не трябва да има теоретични честоти <1 ( не
трябва да има празни клетки в таблицата)
2) ако има клетки с теоретични честоти<5, то те не трябва да са >20% от
всички клетки в таблицата
Явно условията са изпълнени
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Zatrudneniq po sociologiq na URB * Wa6ijat pol? 46 100,0% 0 ,0% 46 100,0%
Zatrudneniq po sociologiq na URB * Wa6ijat pol? Crosstabulation
Count
Wa6ijat pol? Total
muj jena muj
Zatrudneniq po sociologiq na URB
neposo4en 10 12 22
poso4en 10 14 24
Total 20 26 46
Chi-Square Tests
Value df Asymp. Sig. (2-sided) Exact Sig. (2-sided) Exact Sig. (1-sided)
Pearson Chi-Square ,067(b) 1 ,796
Continuity Correction(a) ,000 1 1,000
Likelihood Ratio ,067 1 ,796
Fisher's Exact Test 1,000 ,515
Linear-by-Linear Association ,066 1 ,798
N of Valid Cases 46
a Computed only for a 2x2 table
b 0 cells (,0%) have expected count less than 5. The minimum expected count is 9,57.
Symmetric Measures
Value Approx. Sig.
Nominal by Nominal Phi ,038 ,796
23. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 22
Cramer's V ,038 ,796
N of Valid Cases 46
a Not assuming the null hypothesis.
b Using the asymptotic standard error assuming the null hypothesis.
Стойността на коефициента на Крамер клони към 0 (0,038) следователно
силата на зависимостта между двата признака е слаба.
24. Благой Георгиев Петков УРБ 10047
Статистически Методи стр. 23
ЛИТЕРАТУРА:
1. Записки от лекции по модула
2. СТАТИСТИКА ЗА ИКОНОМИСТИ, Георги Мишев, Стоян Цветков,
Университетско издателство „Стопанство”, София 1998
3. http://cmamucmuka.hit.bg/STAT_PAC/SPSS/SPSS.html