Harjoitus 3

A. Kertausta

T1. Tutki, miten suhtaudutaan teknologian tärkeyteen lukion eri mieliaineryhmissä (muuttujana mielia)? Laadi taulukko. Pyydä siihen Count ja Row% sekä Totals over each group variable.

B. Taulukoiden esittäminen graafisesti

T2. Esitä graafisesti muuttujan mielia jakauma.

Graphs >Bar… >Simple > Siirrä mielia Category Axis –laatikkoon. >OK. Tulkitse kuvaajia.

B1. Chart Editor’in käyttö

T3. Näpäytä edellistä graaffia hiiren vasemmalla painikkeella kahdesti. Saat esiin Chart Editor’in. Suorita: Chart >Axis >OK > Merkkaa hiirellä Major Divisions-valikosta Grid ja klikkaa OK. Auttaako Grid tulkinnassa?

B2. Kaksiulotteisen taulukon graaffi

T4. Esitä graafisesti, miten mieliaineen(mielia) mukaisissa ryhmissä suhtaudutaan teknologiaan (teknol). Ajojono:

Graphs >Bar… >Clustered >Define. Siirrä mielia Category Axis –laatikkoon ja teknol Define Clusters by: -laatikkoon. Tulkitse tulosta. Paranna tulkintaa Chart Editor’in avulla (ks. tehtävä T3).

T5. Suorita edellinen tehtävä Stacked (”pinottua”) –vaihtoehtoa käyttäen.

T6. Valitse toiseksi muuttujaksi mielia ja toiseksi muuttujaksi ryhmästä BI jokin muu muuttuja kuin teknol. Laadi sekä taulukko että graaffi. Valmistaudu selostamaan toisille analyysin tulos.

 

C. Mitta-asteikoista

T7. Määrittele, millä mittaustasolla on mitattu seuraavat muuttujat:

sp

ikä

koulohj

ov

äikou

media

 

D. Intervalli- tai suhdeasteikon muuttujista (Scale –asteikko)

D1. Keskiarvo, keskihajonta, maksimi ja minimi sekä jakaumien kuvaajat

T8. Tutki muuttujien ikä ja ov jakaumia. Määritä kummallekin keskiarvo, keskihajonta sekä maksimi- ja miniarvo: Analyze >Descriptive Statistics >Descriptives… Siirrä muuttujat. Katso Options…-valikosta, mitä ohjelma käyttää oletusarvoina. Vertaile muuttujan ikä keskiarvoa muuttujan ov keskiarvoon. Mistä ero johtuu? Vertaa hajontoja ja yritä selittää ero.

T9. Tutki muuttujien ikä ja ov jakaumia graafisesti.Aloita Graphs-valikosta ja laadi kummastakin muuttujasta histogrammit. Vertaa kuvaajia normaalijakaumaan pyytämällä Display Normal Curve. Mitä päättelet jakaumien vinoudesta (skewness)?

T10. Tutki muuttujien arvska (arvosanojen keskiarvo) ja luka (lukion keskiarvon) jakaumia tehtävän T8 tapaisesti. Pohdi jakaumien eroja.

T11. Tutki T10:ssä mainittujen muuttujien graaffeja tehtävän T9 tapaan. Pohdi kuvaajissa mahdollisesti esiintyviä eroja .

 

D2. Jakauman poikkeavat arvot

Jakauman poikkeavat arvot saadaan laatikkodiagrammin avulla.

T12. Tutki, onko miesten ja naisten ikäjakaumissa poikkeavia arvoja.

Graphs >Box Plot… >Simple >Define. Siirrä ikä Variable-laatikkoon ja sukupuoli Catecory Axis-laatikkoon. OK.

Koeta tulkita tulosta. Käytä apuna SPSS:n Help’iä kohdasta Define Simple Boxplot: Summaries for Groups of Cases. Ks. myös seuraava kohta D3.

 

D3. Mediaani, kvartiili ja persentiili

Mediaani on se muuttujan arvo, joka jakaa tutkimusjoukon kahtia. Ikä-muuttujan mediaani on se ikä, jota nuorempia on puolet ja vanhempia puolet tutkimusjoukosta. Kvartiilit jakavat molemmat puolikkaat kahtia. Jakopisteet ovat nimeltään alakvartiili ja yläkvartiili. Box Plot-kuviossa mediaani on punaisen alueen keskellä oleva musta paksu viiva. Punaista aluetta rajoittavat kvartiilit. Alueen ulkopuolella olevat viivat määrittävätat  10 %:n (alempi vaakasuora viiva) ja 90 %:n (ylempi viiva) persentiilin.

T13. Tutki miesten ja naisten ikäjakaumaa vielä seuraavalla ajolla:

Analyze >Descriptive Statistics >Explore…>Siirrä ikä Dependent List –laatikkoon ja sukupuoli Factor List –laatikkoon. Vertaile miesten ja naisten keskiarvoja, keskihajontoja ja mediaaneja toisiinsa. Yritä tulkita runko- ja lehti (Stem-and-Leaf Plots) –kaaviota. Tulostuksen lopussa on Boxplot-kuvaaja. Kuinka monta poikkeavaa arvoa on miesten jakaumassa? Entä naisten?

 

D4. Summamuuttuja

T14. Oletetaan, että kurssilaisten uskomusalttiutta kuvaavat kohdan BI osioihin annetut vastaukset. Oletetaan, että voisimme saada kumuloituvan uskomusalttiuden esille laskemalla osioiden summan, kuten kokeissa lasketaan osioista saatujen pistemäärien summa. Laske BI:n osioiden summa:Transform >Compute >Merkitse Target Variable –laatikkoon muuttujan nimeksi vaikkapa usko. Muodosta Numeric Expression –laatikkoon summa, jossa on 7 muuttujaa: polpuol+kiruskl+teknol+rajtieto+yottoim+media+perkoul. OK.

Summa usko tulee matriisiin viimeiseksi muuttujaksi.

Vertaile miesten ja naisten kumulatiivisen uskon eroja tehtävän T13 tapaan. Mitä voit sanoa tuloksista?

 

T15. Ohessa on matriisi, joka on myös verkossa nimellä pituus&paino.sav. Ota se esiin ja määrittele var00001 muuttujaksi pituus ja var00002 muuttujaksi paino. Täytä itse näiden variaabeleiden arvot ottamalla huomioon sukupuoli ja ikä.

Muuttuja käsaupit tarkoittaa kävelysauvan pituutta. Se lasketaan seuraavasti: käsaupit = 0,72 * pituus. SPSS:ssä se taphtuu seuraavasti:

Transform >Copute…Sijoita käsaupit Target Variable –laatikkoon ja lauseke 0.72 * pituus Numeric Expression –laatikkoon. OK. Hyväksy.

sp

ikä

var00001

var00001

käsaupit

1

8

,

,

,

2

11

,

,

,

2

7

,

,

,

1

12

,

,

,

2

10

,

,

,

1

10

,

,

,

1

13

,

,

,

1

9

,

,

,

2

9

,

,

,

2

14

,

,

,

 

D5. Muuttujien välinen riippuvuus

T16. Tutki Graph’in avulla pituuden ja painon välistä riippuvuutta.

Garphs >Scatter…Simple >Define. Vie pituus X:lle ja paino Y:lle. OK.

Tulkitse tulosta. Riippuuko paino pituudesta sinun aineistossasi? Verratkaa eri ryhmien tuloksia.

T17. Laske pituuden ja painon välinen Pearsonin korrelaatio.

Correlate >Bivariate > Vie pituus ja paino ao. laatikkoonsa.

Tulkitse tulosta.

T18. Laske muuttujien pituus, paino ja käsaupit korrelaatiomatriisi.